iGEM2016東工大チームでの論文紹介

1. テーマ：シグナル伝達
担当：藤田
Programmed population control
by cell–cell communication and regulated killing
〜細胞間シグナル伝達と細胞死の制御による大腸菌の個体数のプログラム化〜
Source: http://www.cell.com/cms/attachment/2002984225/2011334455/gr1.jpg

4. 発表のロードマップ
・この研究の意義
・研究の流れ
・この研究の将来的な展望 Source: https://upload.wikimedia.org/wikipedia/commons/
thumb/c/c5/Prokaryote_cell.svg/914px-Prokaryote_cell.svg.png

5. 1. この研究の意義

6. ロジスティックモデルについて
(Source: H. Fujisawa., A. Kai., S. Morozumi.,
Food Microbiology., 21, 501-509 (2004))

7. Source: http-//sbt.blob.core.windows.net/storyboards/agoulbourne16/fibonacci-rabbit-problem
フィボナッチのウサギのつがい問題

8. Source: https://upload.wikimedia.org/wikipedia/commons/thumb/d/d5/
Malthusian_growth_curves.png/1280px-Malthusian_growth_curves.png
✔ 資源が無限に存在する環境に個体群が生育
Fig. マルサスモデル (人口増加予測のモデル)
✔ 個体数が指数関数的に増加する条件
(ex. 空間や食物)
II
II
✔ 種内競争による淘汰が不必要
Fig. Fibonacci’s rabbit problem

9. 現実世界では, 資源は有限である.けれども…
However… In a real world, the total amount of each resource is limited.
となると個体数は収束するはず…

10. E. Coliのロジスティック曲線
Source: H. Fujisawa., A. Kai., S. Morozumi.,
Food Microbiology., 21, 501-509 (2004)
MLM: Modified Logistic Model
NLM: New Logistic Model
Fig. E.Coli のロジスティック曲線
一定の個体群密度で
収束
dN / dt = rN(1 - N / Nmax)
N: Population of the organism / Nmax: Maximum population / t: time / r: rate constant
(Quote: Verhulst, 1838; Pearl, 1927; Vadasz et al., 2001)
ベースとなる数理モデル

11. 個体数を収束させる
仕組みってどうやったら
わかるかな〜？ その手がかりになるのは…
ズバリ, 人工遺伝子回路なのだ！
とある大腸菌の会話

12. 2. 研究の流れ

13. 本研究で扱う人工遺伝子回路

15. R: E 遺伝子の転写調節因子
I: AHLを産生するタンパク質
AHL: シグナル伝達物質
E: 細胞死を誘発するタンパク質
AHLとの結合により
Rは活性化

16. 本研究によって調べられたこと
① 遺伝子回路が
・ONの場合
・OFFの場合
における個体数の比較
② pHの変化による
個体数の変化
③ 数理モデルの構築

17. ① 遺伝子回路ON/OFFによる個体数変化

18. ① 遺伝子回路ON/OFFによる個体数変化
IPTG（転写因子）の有無によって
遺伝子回路のON / OFFが決まる

19. ① 遺伝子回路ON/OFFによる個体数変化
OFF培地
ON培地
減衰運動

20. ① 遺伝子回路ON/OFFによる個体数変化
ON培地
OFF培地
減衰運動

21. （参考）減衰曲線
http://femingway.com/wp-content/uploads/2014/12/83-1.png

22. ① 遺伝子回路ON/OFFによる個体数変化

23. ① 遺伝子回路ON/OFFによる個体数変化
得られたデータより…
特定の条件下において，転写因子の存在有無によって
回路を制御することが可能であることがわかった。

24. ② pHの変化による個体数の変化

25. ② pHの変化による個体数の変化
pH 6.2 pH 6.6 pH 7.8pH 7.4
単位体積あたりのコロニーの数
＜上のグラフを通して分かること＞
減衰運動の程度に多少の違いはあるが，
個体数変化に大きな違いはない.
回路のON/OFFによる個体数密度の変化

26. ② pHの変化による個体数の変化
回路がONのときのLacZ活性の変化
pH 6.2 pH 6.6 pH 7.8pH 7.4
LacZ活性
＜上のグラフを通して分かること＞
減衰運動の程度に多少の違いはあるが，
LacZ活性に大きな違いはない.

27. ③ 数理モデルの構築

28. ①
②
③
③ 数理モデルの構築

29. ③ 数理モデルの構築
①

30. E. Coliのロジスティック曲線
Source: H. Fujisawa., A. Kai., S. Morozumi.,
Food Microbiology., 21, 501-509 (2004)
MLM: Modified Logistic Model
NLM: New Logistic Model
Fig. E.Coli のロジスティック曲線
一定の個体群密度で
収束
dN / dt = rN(1 - N / Nmax)
N: Population of the organism / Nmax: Maximum population / t: time / r: rate constant
(Quote: Verhulst, 1838; Pearl, 1927; Vadasz et al., 2001)
ベースとなる数理モデル
（※冒頭で登場）

31. ③ 数理モデルの構築
キラータンパク質の影響
・ロジスティック曲線の式から
キラータンパク質による細胞数減少分を差し引いた式.
・細胞死の割合は，キラータンパク質濃度に比例する.
①

32. ③ 数理モデルの構築
・キラータンパク質の生成速度は，
AHL濃度に比例する.
②

33. ③ 数理モデルの構築
・AHLの生成速度は細胞密度に比例する.
③

34. ① ② ③

35. 実験で得られた測定値
（k, Nm, Ns, dA, LacZ活性）

36. ① ② ③
実験の数値とモデリングの組み合わせによって
定数が定まる.

37. 3. 本研究の将来的な展望

38. in vivoではノイズが多い

39. 定性的なしくみが分かっていても、
定量的に捉えきれていない。
既知の生体反応・情報伝達機構を
ノイズの少ない人工遺伝子回路で再現することで
定量分析（数理モデルの構築）が可能になる。