
合成化学の限界は押し広げられつつあり、研究者は解決策を求めて生物学に目を向けています。合成生物学と人工知能(AI)の台頭により、科学者たちは希少で新しい性質の分子の設計や製造など、創薬の新しい可能性を切り開いています。研究者はこれらのツールを活用して、複雑な分子を合成し、生産経路を最適化し、製薬の革新に向けて生物システムを設計するための新しいアプローチを開発しています。この急速に進化する分野についての洞察を得るために、合成生物学および微生物学の専門家であるGraham Hudson博士と、AIを活用したタンパク質設計の専門家であるNathan Lanclos氏に話を伺いました。CASがこれらの課題にどのように取り組んでいるかについて、詳しくはこちらをご覧ください。
CAS:合成化学を超えた新薬開発の革新に、合成生物学は必要な次のステップか?
理論的には、構造が化学的に妥当である限り、合成化学はその構造を再現できます。しかし、問題となるのは単に実現可能性だけでなく、効率性、コスト、そして拡張性も課題となります。理論的には合成できる化合物もありますが、経路の開発には労力が必要で、選択性を制御するのが非常に難しいため、実用的ではありません。そこで合成生物学が真に新たな薬物合成の道を開くことができるのです。
自然は何百万年もかけて、これらの複雑な分子を驚くべき精度で構築できる酵素機構を改良してきました。多くの場合、合成化学では非常に難しい位置選択性と立体選択性を実現しています。パクリタキセルのように、立体中心と機能的に類似した基が密集した分子を使用すると、正しい生成物を確実に形成するために必要な精度で化学的に操作することは極めて困難となります。しかし、自然の生合成ツールを利用して酵素を活用することで、これらの分子を効率的に組み立てることができます。
また、計算生物学と機械学習の台頭により、これをさらに進めることができます。AIツールを使用すると、進化が生み出した以上の酵素を設計したり、その構造を変更して新しい反応を触媒したり、基質の範囲を広げたりすることができます。つまり、私たちは天然物だけを再現しているのではなく、まったく新しい生物学的特性を持つ可能性のある新しい自然界の分子への扉を開いているということです。
CAS:科学者が微生物を「生きた薬工場」として設計するのに役立っている最近のブレークスルーとは?
微生物(Saccharomyces(酵母)やStreptomyces(細菌)など)は、抗生物質から抗がん剤まで、価値ある化合物を生産するためにすでに広く使用されています。主な課題は、これらのシステムを最適化して高収量を効率的に生産することです。AI、ハイスループットスクリーニング、計算モデリングの進歩により、前例のない規模で生合成経路を設計および最適化できるようになりました。
機械学習を用いて代謝経路の挙動を予測できるようになり、酵素発現レベルを微調整し、前駆体の利用可能性を最適化し、さらには宿主の代謝を変更して出力を最大化することが可能です。たとえば、長距離のタンパク質間相互作用を深く理解するために、大きな異種タンパク質複合体の実験を設計することは長い間困難でしたが、現在ではより解像度の高い方法でこれを実現する方法を見つけつつあります。
合成生物学が薬物製造を大きく変革した好例はQS-21(下記のStimulon)です。この物質は、ワクチンで使用される免疫刺激アジュバントです。歴史的に、QS-21は石鹸樹皮の木(Quillaja saponaria)から抽出されてきましたが、そのプロセスにはいくつかの大きな挑戦があります。これらの木からの収穫量は信じられないほど低く、大規模な生産は環境的に持続不可能であり、経済的にも非現実的です。さらに、植物抽出に依存するということは、サプライチェーンが気候変動、森林破壊、地政学的要素に対して脆弱であることを意味します。

酵母を操作してQS-21を生産しようとする前に、まずその生合成経路全体をマッピングし、その合成に関与する遺伝子を特定する必要がありました。このプロセスは、ジョン・イネス・センターのAnne Osbourn研究室が主導した大変な取り組みでした。これには、植物の成長サイクルのさまざまな段階にわたる骨の折れるトランスクリプトミクス分析が含まれていました。
ゲノムに局在する傾向がある微生物の生合成遺伝子クラスターとは異なり、植物の経路は複数の染色体に分散しており、多くの場合、遺伝子間には非コード配列があります。この分散により、経路の発見ははるかに複雑になり、どの遺伝子がQS-21生合成に機能的に関与しているかを正確に特定するために綿密なトランスクリプトーム相関研究が必要になりました。
CAS: 植物由来の生合成経路を微生物生産に適応させる際に最も困難だった点は何ですか?
最大の挑戦の1つは糖の生合成でした。QS-21は、複合グリコシル化トリテルペノイドであるサポニンと呼ばれる天然物質の一種です。その核心構造には7種類の異なる糖が結合していますが、酵母が自然に生成するのはそのうちの1種類だけでした。つまり、QS-21の生合成経路を挿入するだけでなく、酵母を操作して非天然糖を合成する必要もありました。
もう一つの大きな問題は毒性でした。QS-21のようなサポニンは、脂質二重層を破壊し、重要な天然ステロールを隔離する膜活性化合物です。これが、サポニンを効果的なアジュバントにしている理由の1つです。しかし、QS-21分子は酵母の細胞膜の完全性を損なうため、細胞死や生産障害といった大きな問題を引き起こしました。これに対処するには、膜破壊を防ぎ、生産条件を最適化するために、酵母ステロールの組成を変更する必要がありました。
この取り組み全体は、合成生物学の力を示しています。これらの進歩がなければ、QS-21の生産は植物抽出によって妨げられたままとなるでしょう。設計されたバイオ生産菌株により、QS-21を生産するためのスケーラブルで制御可能かつ持続可能な方法を実現しました。大規模生産が可能になるにはさらなる最適化が必要ですが、この研究はより効率的なワクチン製剤への道を開きます。
CAS:他にどの分野でAIを活用して発見を加速しているか?
AIにより、従来の方法だけでは不可能だった方法で生合成経路を設計し、最適化できるようになります。試行錯誤の代わりに、予測モデルを使用して、どの酵素修飾が活性を改善するか、どの宿主株が最も相性が良くなるか、そしてさまざまな経路成分がどのように相互作用するかを判断できます。
たとえば、Keasling研究室では、抗生物質から抗がん剤まで、幅広い生理活性化合物を生成するポリケチド合成酵素(PKS)を AIを使って設計しています。PKS酵素は非常に大きく、個々のモジュールには数千個のアミノ酸が含まれています。その巨大さと複雑さにより、従来のタンパク質工学のアプローチは極めて困難になっています。AIを使用すると、これらの巨大なタンパク質をモデル化し、変更が機能にどのように影響するかを予測し、活性が向上した新しい酵素変異体を設計できます。

AIが私たちのアプローチを変革しているもう一つの領域は、酵素の広範な反応性と特異性です。酵素は基質に対して自然に選択性を示しますが、新しい誘導体を生産するために、非天然基質に作用させる必要があることがよくあります。AIモデルは、効率を犠牲にすることなくどの変異が酵素活性を拡大するかを予測するのに役立ちます。
CAS:仕事で経験したデータ関連の最大のボトルネックは何か?
最大の課題はデータの品質と標準化です。AIモデルの品質は、提供するデータによって決まります。これまでの生物学的研究は、大規模な機械学習に適した構造ではありませんでした。実験データは多くの場合、異なる形式で保存されていたり、メタデータがなかったり、注釈が十分でなかったりするため、規模に応じた統合や分析が困難です。
現在、私はデータの整理とクリーニングに多くの時間を費やしています。生物学、ケミインフォマティクス、およびAI生成データのための統一されたデータ構造は、発見を大幅に加速させます。
もう一つの問題は、計測機器とデータ抽出です。LC-MS、HPLC、GC-MSなど、多くの分析技術では、依然として手動によるデータ処理が必要です。機器メーカーは、結果を自動的に抽出および分析することを困難にする独自フォーマットをよく使用します。標準化された機械可読なデータ形式があれば、ワークフローのかなりの部分を自動化でき、AIモデルが実験結果から直接学習できるようになります。
CAS:異なるバックグラウンドを持つ研究者間のコラボレーションは不可欠なものになりつつあるか?
バークレーでは、学際的なコラボレーションが厄介でありながらも非常に価値があることを直接目の当たりにしています。当社のバイオエンジニアリング部門には、合成生物学、コンピューターサイエンス、ハードウェアエンジニアリング、マイクロ流体工学の専門家が在籍しています。この多様性により、単一の分野だけでは解決できない複雑な問題に取り組むことができます。
このコラボレーションが重要な分野の一つが、AIを活用したエンジニアリングの拡大です。例えばJBEIでは、マイクロ流体学の研究室が、高スループットな菌株工学を最適化するための新しいデバイスの開発を進めています。その成果により、数千種類に及ぶ異なるタンパク質設計を、わずか数週間という短いサイクルで検証することが可能になっています。
挑戦、課題は、研究が従来サイロ化されてきたことです。化学者、生物学者、コンピューター科学者は、多くの場合、異なる用語やフレームワークを使用して、別々の分野で活動してきました。これらの分野を真に統合するには、より優れたコミュニケーションと共有知識のプラットフォームが必要です。それだけで大幅に進歩は加速するでしょう。
CAS:創薬プロセスにおいて何かを変えられる魔法の杖があるとしたら、何を変えるか?
少し哲学的な答えになりますが、科学的な研究の評価と資金提供のあり方、特にバイオテクノロジーのあり方を変えることです。現在、スタートアップ企業とアカデミックラボ、研究室は、ハイリスク・ハイリターンのモデルで運営されています。有望なアイデアの多くは、従来の資金調達構造に適合しないため、十分に開発されることはありません。最先端の科学の可能性を引き出したいのであれば、短期的な利益追求ではなく、基礎研究への長期的な投資が必要です。
構造化された機械可読のデータベースで、これまでのすべての研究に即座にアクセスできるシステムを作りたいと思っています。私たちが直面している最大の障害は、非常に多くの貴重なデータがPDFの中に閉じ込められ、さまざまなリポジトリに分散していることです。特定の経路について、これまで公開された全てを即座に抽出して分析できれば、発見は指数関数的に加速します。
Graham Hudson, Ph.D.は、セントルイス大学で生化学の学士号を取得し、治療法の設計を支援するためのRNA塩基対の熱力学を研究しました。イリノイ大学アーバナ・シャンペーン校でDouglas A. Mitchell教授の下で博士号(Ph.D)を取得し、RiPP天然物に焦点を当て—チオペプチドの生合成を再構成し、2つの新しいクラス(ランチペプチドとピリチド)を発見し、チオアミド化の酵素的基礎を解明しました。現在、UCバークレーのJay D. Keaslingの研究室でポスドク研究員として、サポニン天然物の酵素学と生合成を研究しています。また、天然物研究に関して業界向けのコンサルティングも行っています。
Nathan Lanclosは、南フロリダ大学で分子生物学の学士号と経済学の学士号を取得し、Vladimir Uversky氏と共にがんにおけるタンパク質機能の研究、そしてRamon Gonzalez氏と共に細菌のC1代謝の工学的改良を行いました。現在、UCSF/UCバークレー共同バイオエンジニアリングプログラムでPh.D.課程の学生です。2022年には、バイオテクノロジーのスタートアップをマーケティング戦略とデータモデリングで支援するコンサルティング会社を設立しました。彼の研究は、タンパク質設計と高スループットタンパク質工学のための機械学習に焦点を当てており、特に化学的および治療的生産のためのポリケチド合成酵素(PKS)のような多ドメイン複合体に重点を置いています。