機械学習を用いたバクテリア生命システム進化の法則解明・未来予測・実験検証

利用机器学习阐明细菌生命系统进化规律、未来预测和实验验证

基本信息

批准号：
22KJ1008
负责人：
今野直輝
金额：
$ 2.18万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ1008/
关键词：
進化予測機械学習遺伝子水平伝播薬剤耐性

项目摘要

本研究では、遺伝子獲得/欠失による生物の進化は予測できるのか、そしてその進化の予測をいかにして医学や生物工学の応用研究に活かせるのかを探求する。ドライ解析とウェット実験を組み合わせ、次の3つの課題に取り組むことを目的としている：(1)ゲノム情報が豊富であるバクテリアを対象に、各遺伝子の獲得/欠失の予測を行う機械学習の手法を開発する。 (2)薬剤耐性遺伝子の獲得の未来予測を行い、将来に耐性株が出現する危険性の高い種を明らかにする。 (3)遺伝子獲得の未来予測と遺伝子導入実験の結果を比較し、進化のパターンの背後にあるメカニズムを実験的に検証する。昨年度までの研究の過程で我々は機械学習を用いて数億年以上にわたる原核生物の長期進化の過程における遺伝子獲得・欠失の順序のパターンを学習できる機械学習フレームワークEvodictorを開発した。Evodictorはある遺伝子を獲得・欠失する際に、前もってどのような遺伝子を持っている・いない傾向があるのかを、数千種以上のゲノム情報をもとに学習し、次にある遺伝子を獲得・欠失しそうな種を予測することができる。Evodictorを用いて3000種程度のバクテリアのゲノム進化を解析し、代謝系全体の遺伝子獲得・欠失が有意に予測可能であること、そしてその背後には生理学的・生態学的に解釈可能な具体的な進化のルールが存在することを発見した。これらの成果を論文として投稿し、”Machine learning enables prediction of metabolic system evolution in bacteria” (Konno and Iwasaki, 2023, Science Advances)として掲載されるに至った。

在这项研究中，我们将探讨是否有可能通过基因获取/缺失来预测生物体的进化，以及如何将这种进化预测应用于医学和生物工程的应用研究。通过将干分析和湿实验相结合，我们的目标是解决以下三个问题：（1）针对具有丰富基因组信息的细菌开发预测每个基因的获取/缺失的机器学习方法；（2）预测未来耐药基因的获得情况，识别未来出现耐药菌株风险较高的物种。 (3) 将未来基因获取的预测与基因转移实验的结果进行比较，以实验验证进化模式背后的机制。在截至去年的研究过程中，我们开发了一个名为 Evodictor 的机器学习框架，该框架使用机器学习来学习原核生物数亿年长期进化过程中基因获取和删除顺序的模式。当获取或删除某个基因时，Evodictor会根据数千个物种的基因组信息，提前了解人们倾向于拥有或不拥有什么样的基因，然后获取下一个基因。・可以预测物种可能会被删除的内容。使用 Evodictor，我们分析了大约 3,000 种细菌的基因组进化，发现整个代谢系统的基因获取和缺失可以被显着预测，并且这背后有可以从生理学和生态学角度解释的具体解释。是进化的规则。这些结果以论文形式提交并发表为“机器学习能够预测细菌代谢系统进化”（Konno 和 Iwasaki，2023 年，《科学进展》）。