NAIST 奈良先端科学技術大学院大学 バイオサイエンス領域

研究室・教員

バイオエンジニアリング (加藤晃研究室)

バイオ 情報生命 バイオナノ データ

加藤晃准教授の顔写真
教授
加藤 晃
Email
kou@bs.naist.jp

研究・教育の概要

バイオテクノロジーによる社会貢献を念頭に、特に植物の遺伝子発現制御機構を理解し、バイオ医薬品などの有用タンパク質を植物で高生産するための基盤技術の開発を行っています(図1)。

研究室に配属された学生自身が研究を論理的に理解し、知識の裾野を広げ発展させていけるように指導を行っています。定期的な研究室ミーティングに加えて、産業界から研究者・実務者を招き、企業での研究開発に必要な知識を紹介します。これらの指導を通して、低成長・グローバル社会で幅広く活躍できる人材の育成を目指しています。

主な研究テーマ

導入遺伝子の高発現に関わるエレメントの単離と改良

細胞内での遺伝子発現は、転写・転写後・翻訳などの過程で制御されています。植物へ導入した有用遺伝子を効率的に発現させるためには、各過程を最適化する必要があります。そのため、転写に関わるコアプロモーターの解析、転写終結およびmRNAのプロセッシングに関わるターミネーターの解析、mRNAの多様性に関わるスプライシング機構の解析、mRNAの安定性に関わる内部切断部位の解析、翻訳効率に関わる5’UTR配列の解析などを、次世代シーケンサーを用いて精力的に行っています。これら解析を通して、高発現に関わる配列エレメントを単離するとともにその改良を行っています。また、得られた成果については、複数の企業へ技術提供を行い、企業と共同でワクチンタンパク質や成長ホルモンなどを高生産する植物の作出を目指しています(図2)。

人工遺伝子の設計

遺伝子ごとに細胞内での発現制御が異なりますが、この違いは配列もしくは配列に依存した構造の違いで必ず説明できるはずです。例えば翻訳効率も遺伝子ごとに異なります。我々は、全mRNAの翻訳状態データと全mRNAの配列データを取得しており、2つのゲノムワイドデータを用いたin silico 解析を行うことで、mRNAの配列情報からタンパク質への翻訳効率を予測できる機械学習モデルの構築を行っています。この機械学習モデルを活用することで、遺伝子発現制御機構の更なる理解に加えて、目的遺伝子の高翻訳を可能にする5’UTR配列の選抜などができます。この他、転写開始点/スプライシングパターン/ポリA付加部位に関する細胞内の網羅的データを用いて機械学習モデルを構築することで、最終的には、より高発現が可能となる人工遺伝子の設計に繋げて行きたいと考えています(図3)。

図1
(図1) 植物バイオテクノロジー
図1
(図2) 遺伝子発現の流れ
遺伝子発現の各ステップを最適化するために、それぞれの制御過程を詳細に解析し、高発現に関わる配列エレメントの単離と改良を行っています。
図2
(図3) 人工遺伝子の設計
mRNAの翻訳状態解析や安定性解析に加えて、転写開始点/スプライシングパターン/ポリA付加部位に関する細胞内の網羅的データを用いて機械学習モデルを構築することで、有用遺伝子の発現を最適化できる人工遺伝子の設計に繋げて行きます。

主な発表論文・著作

  1. Ueno D. et al., Plant Cell Physiol., in press, 2020
  2. Ueno D. et al., Plant Cell Physiol., 61, 53-63, 2020
  3. Yamasaki S. et al., Plant Biotechnol., 35, 365-373, 2018
  4. Ueno D. et al., J. Biosci. Bioeng., 125, 723-728, 2018
  5. Yamasaki S. et al., J. Biosci. Bioeng., 125, 124-130, 2018
  6. Matusi T. et al., Plant Biotechnol., 32, 309-316, 2015
  7. Yamasaki S. et al., Plant Cell Physiol., 56, 2069-2180, 2015
  8. Limkul J. et al., Plant Science, 240, 41-49, 2015
  9. Ueda K. et al., J. Biosci. Bioeng., 118, 434-440, 2014
  10. Matusi T. et al., Plant Biotechnol., 31, 191-194, 2014