多細胞集団形成のミステリー

Myxococcus xanthus（マイコシス・バクテリウム）が栄養欠乏時に果実体（fruiting body）を作りながら示す驚異的な集団行動は、数十年来にわたって科学者たちを魅了してきた。しかし、そのプロセスは数千個の細胞が同時に動き、シグナルを送り合う複雑なダイナミクスであるため、定量的に把握することはほとんど不可能であった。

ディープラーニングで解明した自己組織化

研究チームはディープラーニング（Deep Learning）ベースのフレームワークを構築し、高解像度顕微鏡画像から個々の細胞の軌跡と形態変化を自動で抽出した。このデータを基に時系列ネットワークモデルを訓練し、特定の遺伝変異が集団形成速度と構造にどのような影響を与えるかを因果関係を明確に明らかにした。

遺伝変異と行動の接続リンク

特に、シグナル伝達遺伝子であるfrzとepsの突然変異が自己組織化パターンをどのように歪ませるかを定量化し、これは従来に『定性的観察』に留まっていた部分を数値化された指標に転換した最初の例である。これにより、研究者は特定の遺伝子を操作して集団形態を予測可能に設計できるようになった。

未来の微生物設計

このフレームワークはMyxococcusだけでなく、他の社会性バクテリアや多細胞微生物にも適用可能である。 궁극的には、微生物ベースの材料やバイオロボットを設計する際に、望ましい構造と機能を事前にシミュレーションし、最適化するのに大きな助けとなるであろう。