NSF助成 約169万ドル：植物ゲノムの「読み始めスイッチ」をAIで予測し作物改良へ ― BIO-AI（ミシガン州立大）

本助成の面白さは、AIの応用先を「言語や画像」でなく「植物ゲノムの読み始め方」に据えた点にある。BIO-AIというプログラム名が示す通り、機械学習を生物学の未解決問題にぶつける試みだ。

1同じゲノムを細胞ごとに使い分ける

出発点の生物学がよくできている。植物の各細胞は同じ遺伝的青写真（ゲノム）を持つのに、細胞ごとに違う使い方をする。その制御の鍵が、遺伝子を「どこから読み始めるか」＝転写開始サイト(transcription start site, TSS)だ。TSSは、遺伝子がいつオンになるかだけでなく、最終的にどの版のタンパク質を作るかまで左右するスイッチとして働く。

ところが、これほど中心的なスイッチの位置を、藻類から作物までの植物の多様性を横断して示した完全な地図は、まだ存在しない。

2BioLearnTSS という枠組み

本研究の中核は BioLearnTSS という機械学習フレームワークである。DNA配列から直接、TSSの位置と基本プロモーター(core promoter)の構造を予測する。顕花植物の既存データで訓練し、針葉樹・緑藻・コケという系統的に離れた植物で汎化性を試す設計は、「配列から機能を読む」現代ゲノミクスとAIの合流点そのものだ。

加えて、代替的なTSSの使用が splicing（スプライシング）や翻訳効率を変えてプロテオーム（作られるタンパク質の全体）をどう形作るかを、トウモロコシを主対象に調べる。

3トウモロコシとシロイヌナズナでの検証

実験も伴う。トウモロコシとモデル植物シロイヌナズナのゲノム編集を使い、基本プロモーター内の特定の調節DNA要素が、TSS選択・遺伝子発現・タンパク質産生にどう影響するかを直接検証する。

研究は3つの狙い——①多様な系統でのTSS予測モデルの開発・検証、②代替TSS使用の splicing・翻訳への影響、③基本プロモーター要素がTSS選択・mRNA蓄積・splicing を形作る仕組み——に整理されている。