生物学

あなたの生命も数式で記述できる。合成生物学の最前線

2025年9月15日

「生命とは何でしょうか」。この根源的な問いに対し、人類は哲学や詩、そして科学を通じて、数千年にもわたり答えを探し続けてきました。そして20世紀半ば、科学は一つの革命的な答えにたどり着きます。それは、「生命とは情報である」という、驚くべき視点でした。この発見は、それまで記述的、博物学的であった生物学を、定量的で予測可能、そして創造可能な科学へと変貌させる壮大な物語の序章となったのです。

この記事では、生命科学が経験したこの劇的なパラダイムシフトを、三つの大きな段階に分けて紐解いていきます。

まず、「生命の暗号の解読」に焦点を当てます。遺伝子の正体がDNAという物質であることが突き止められ、その美しい二重らせん構造が情報の記録と複製の仕組みを解き明かした瞬間から、生命は突如として「読める」テキストになりました。クロード・シャノンが築いた情報理論や、工学の世界で生まれた制御理論という新しい武器を手にした科学者たちが、いかにして細胞内に隠された論理的な制御システムや、誤り訂正機能まで備えた精巧な翻訳規則を発見していったのかを詳述します。

次に、「設計図を立体的に読み解く」挑戦についてです。生命の情報は、単なる一次元の文字列ではありませんでした。2メートルにも及ぶDNAが、マイクロメートル単位の極小の細胞核に収まるためには、複雑に折りたたまれる必要があります。そして、この「折りたたまれ方」、すなわち三次元的な「形」そのものが、遺伝子の働きを制御する重要な情報であることが明らかになってきました。ここでは、現代数学の幾何学やトポロジーといった強力な道具が、いかにして複雑な接触データからゲノムの立体構造を再構築し、その形に潜む本質的な特徴を抽出するのかを見ていきます。

そして、「生命を設計する」段階へと至ります。これは合成生物学という新しい分野の夜明けです。生命の仕組みを理解した人類は、次なるステップとして、その仕組みを利用して新たな機能を持つ生命システムを「創り出す」ことを目指し始めました。コンピューターのプログラミング言語で遺伝子回路を記述し、それをDNA配列として「コンパイル」する。数学的な理論に基づいて、安定したスイッチや正確な時計として機能する生命回路を構築する。ここでは、分析のための道具であった数学が、創造のための設計言語へと昇華していく様子を描き出します。

この記事を通じて明らかになるのは、数学が単に生物学の現象を記述するための便利なツールなのではなく、生命の論理そのものが書き記されている普遍的な言語であるという事実です。生命という最も身近で神秘的な現象を、情報、幾何学、そして制御という数学の言葉で読み解き、さらには新たに書き換えていく。この知の探求は、今もなお加速し続けており、私たちの生命観、そして未来そのものを形作っているのです。

生命の暗号を解読する — 情報理論と制御の時代

遺伝子の正体：物質から情報へ

20世紀初頭の科学者たちにとって、遺伝は観察できる現象ではあっても、その物理的な実体は謎に包まれていました。親から子へと形質が受け継がれる仕組み、その根源にある「遺伝子」とは一体何なのか。多くの研究者は、生命の多様で複雑な機能を担うタンパク質こそが、その役割を担っているに違いないと考えていました。アミノ酸が20種類も存在するタンパク質は、単純な構成要素しか持たないように見えた核酸（DNA）よりも、複雑な遺伝情報を記録するのにふさわしいと思われたのです 1。

この常識が覆されるきっかけとなったのが、1944年、オズワルド・エイブリーとその共同研究者たちが行った肺炎双球菌を用いた画期的な実験でした。彼らは、病原性のない細菌に、死んだ病原性のある細菌から抽出した物質を混ぜると、病原性のない細菌が病原性を持つように変化する「形質転換」という現象に着目しました。そして、この形質転換を引き起こす物質、すなわち遺伝情報を運ぶ「形質転換因子」の正体を突き止めるべく、丹念な実験を重ねました。彼らは抽出した物質を、タンパク質を分解する酵素や、DNAを分解する酵素でそれぞれ処理し、その影響を調べました。その結果、タンパク質分解酵素で処理しても形質転換は起こりましたが、DNA分解酵素で処理した場合にのみ、形質転換が起こらなくなることを発見したのです 1。この結果は、遺伝情報を運ぶ物質がタンパク質ではなく、DNAであることを明確に示していました。

しかし、この発見の真の重要性が生命科学の世界に浸透するには、さらなる決定的な一撃が必要でした。それが、1953年にジェームズ・ワトソンとフランシス・クリックが発表したDNAの二重らせん構造モデルです 2。彼らは、他の研究者が撮影したX線回折写真のデータを手掛かりに、DNAが2本の鎖が互いに逆方向に絡み合った、美しいらせん階段のような構造をしていることを突き止めました。このモデルは、単にDNAの形を示しただけではありませんでした。それは、生命の最も基本的な二つの謎、「情報の記録」と「自己複製」の仕組みを、その構造自身が見事に説明していたのです。

らせんの内側には、アデニン（A）、チミン（T）、グアニン（G）、シトシン（C）という4種類の塩基が並んでおり、Aは必ずTと、Gは必ずCとペアを作るという規則性がありました。この塩基の並び順（配列）こそが、生命の設計図を記録するデジタルな「コード」そのものでした。そして、この相補的なペアリングの仕組みは、2本の鎖をほどけば、それぞれを鋳型として新しい相方の鎖を合成できることを意味しており、DNAがどのようにして正確に自分自身を複製するのかという、遺伝の根幹をなすメカニズムを明らかにしたのです。

この一連の発見は、生命科学に根本的な変革をもたらしました。遺伝子はもはや抽象的な概念ではなく、具体的な化学物質であるDNAとして捉えられ、その機能は情報として数学的に扱える可能性が開かれたのです。当初、その単純さゆえに遺伝子の候補から外されかけていたDNAは 1、実はその単純さこそが、情報を安定的かつ普遍的に記録・伝達するための最大の強みでした。コンピューターが0と1という単純な二進法のコードで膨大な情報を扱うように、生命はA, T, G, Cという4文字のアルファベットで、驚くべき複雑さと精巧さを持つ生命システムを構築していたのです。この発見は、生命を「読み、書きし、実行する」情報システムとして理解する、新たな時代の幕開けを告げるものでした。分子生物学という新しい学問分野が、まさにこの瞬間に誕生したのです 3。

生命を「読む」ための新しい言語

DNAが生命の情報を記録したテキストであることが明らかになると、科学者たちの次の関心は、そのテキストをどのように「読む」か、という問題に移りました。膨大で一見ランダムに見えるA, T, G, Cの文字列の中から、生命にとって意味のある部分とそうでない部分を、どのようにして見分ければよいのでしょうか。この難問を解くための強力な理論的枠組みは、意外にも生物学とは全く異なる分野、通信工学の世界から生まれました。

1948年、ベル研究所の数学者クロード・シャノンは、「情報理論」と名付けられた画期的な論文を発表しました。彼の目的は、電話や電信における通信の効率と信頼性を数学的に分析することであり、そのために「情報」そのものを定量的に測る方法を確立しました。その中心的な概念が「エントロピー」です。情報理論におけるエントロピーとは、ある事象がどれだけ予測しにくいか、あるいはその情報を受け取った時の「驚きの度合い」を数値化したものです。例えば、常に同じ結果しか出ないコイン投げは予測が容易でエントロピーが低い状態ですが、完全にランダムなコイン投げは予測が困難でエントロピーが高い状態と言えます。

この考え方は、DNA配列の解析に驚くほど強力な武器となりました 4。生命の設計図であるゲノムの中には、生命活動に必須の重要な役割を担う部分と、比較的機能的な制約が緩やかな部分が存在します。もしある遺伝子領域が、多くの異なる生物種の間で非常によく似た配列を保っているならば、それは進化の過程で変化することが許されなかった、極めて重要な機能を持つ部分であると推測できます。このような保存された領域は、予測可能性が高く、「エントロピーが低い」状態と見なすことができます。逆に、生物種によって配列が大きく異なり、バラバラになっている領域は、機能的な制約が少なく、変化が許容されてきた場所、すなわち「エントロピーが高い」領域である可能性が高いと考えられます。

シャノンの情報理論は、生物学者たちに、ゲノムという巨大なテキストの中から、意味のある「単語」や「文法」を探し出すための、統計的な羅針盤を与えたのです。それまでは、一つ一つの遺伝子を実験的に検証するしか機能を知るすべがありませんでしたが、情報理論を用いることで、配列データそのものを数学的に解析し、機能的に重要な領域を予測することが可能になりました。これは、単にDNAの塩基配列という「構文（シンタックス）」を眺めるだけでなく、その背後にある生命機能という「意味（セマンティクス）」を推測しようとする、計算生物学における最初の大きな一歩でした。このアプローチは、後の遺伝子発見やゲノom解析の基礎となり、現代のデータ圧縮技術や通信技術を支える理論が 5、生命という最も古く、最も複雑な情報システムの解読にも応用できることを示したのです。

細胞内の制御システム：オペロンの発見

DNAが生命の設計図であり、情報理論がその読み解き方の一端を教えてくれたとしても、まだ大きな謎が残されていました。それは、細胞がどのようにして、いつ、どの遺伝子を読むべきかを決めているのか、という「制御」の問題です。私たちの体の中には多種多様な細胞がありますが、それらはすべて同じ遺伝情報を持っています。にもかかわらず、神経細胞と筋肉細胞が全く異なる働きをするのは、使われる遺伝子が細胞の種類や状況に応じて巧みに取捨選択されているからです。この遺伝子発現のON/OFFスイッチの仕組みを初めて解明したのが、1961年のフランソワ・ジャコブとジャック・モノーによる研究でした 6。

彼らは大腸菌が糖の一種であるラクトースをエネルギー源として利用する仕組みを研究していました。そして、大腸菌は、周囲にラクトースが存在する時にだけ、ラクトースを分解するための酵素を作り出すことを発見しました。ラクトースがない環境では、これらの酵素は全く作られません。これは、細胞がまるで賢い工場のように、必要な部品を必要な時にだけ生産し、無駄なコストを徹底的に削減していることを意味します 7。

さらに詳しく調べていくと、彼らはラクトース分解に関わる複数の遺伝子が、ゲノム上で隣り合って一つのグループを形成し、単一の制御スイッチによって一括でON/OFFされていることを突き止めました。彼らはこの遺伝子の機能単位を「オペロン」と名付けました 8。このオペロン説は、遺伝子制御の基本原理を明らかにした画期的なものでした。具体的には、制御スイッチの領域に「リプレッサー」と呼ばれるタンパク質が結合していると、遺伝子群はOFFの状態になります。しかし、細胞内にラクトースが侵入してくると、ラクトース（またはその代謝物）がこのリプレッサーに結合し、その形を変化させます。形が変わったリプレッサーはもはやスイッチ領域に結合できなくなり、その結果、遺伝子群のスイッチがONになり、ラクトース分解酵素の生産が開始されるのです。

この発見の衝撃は、単に遺伝子のON/OFF機構を明らかにしただけにとどまりませんでした。それは、生命の内部で働いている論理が、人間が作り出した工学的な制御システム、特に「フィードバック制御」の論理と驚くほど似通っていることを示したからです。細胞は、外部環境（ラクトースの有無）を「センサー」（リプレッサータンパク質）で感知し、その情報に基づいて内部の生産ライン（遺伝子発現）を「制御」していたのです。これは、室内の温度を一定に保つサーモスタットが、温度を感知してエアコンのスイッチを操作するのと同じ原理です。

オペロンの発見は、生命を情報システムとして捉える視点をさらに深化させました。生命は単に情報が記録された静的な設計図なのではなく、環境の変化に動的に応答し、自身の状態を最適に保つための、高度な論理回路と制御アルゴリズムを備えた、自己調節可能な機械であることが明らかになったのです。この発見は、細胞内の様々な現象を、制御工学という新しい言語で理解する道を切り拓き、その後の生命科学の発展に計り知れない影響を与えました 10。

遺伝暗号の解読：生命の翻訳規則

オペロンの発見により、DNAから情報が読み出される際の「制御」の仕組みが明らかになりましたが、もう一つの根本的な謎が残されていました。それは、DNAにA, T, G, Cの4文字で書かれた情報が、どのようにしてタンパク質を構成する20種類のアミノ酸の配列へと「翻訳」されるのか、という問題です。この翻訳ルール、すなわち「遺伝暗号」の解読は、1960年代を通じて多くの科学者たちの知力を結集した、分子生物学における金字塔の一つとなりました。

研究の結果、遺伝暗号は、DNA（正確には情報を伝達するメッセンジャーRNA）の塩基配列を3文字ずつの組で読むことによって機能することが明らかになりました。この3文字の組は「コドン」と呼ばれ、一つのコドンが原則として一つのアミノ酸を指定します。例えば、「AUG」というコドンはメチオニンというアミノ酸を、「UUC」はフェニルアラニンを指定します。このルールをまとめた遺伝暗号表は、まさに生命の言語を翻訳するための普遍的な辞書と言えるものでした。

この辞書を詳しく見てみると、非常に興味深く、巧妙な設計思想が見えてきます。塩基は4種類なので、3文字の組み合わせであるコドンの種類は、4の3乗、すなわち64通り存在します。一方で、タンパク質を構成する主要なアミノ酸は20種類です。これは、複数の異なるコドンが、同じ一つのアミノ酸を指定する場合があることを意味します。例えば、フェニルアラニンは「UUU」と「UUC」の両方のコドンによって指定されます。

この「冗長性」は、一見すると無駄のように思えるかもしれませんが、実は生命にとって極めて重要な意味を持っています。それは、通信システムにおける「誤り訂正機能」や「耐障害性」に相当する役割を果たしているのです。DNAの複製や転写の過程では、時として間違い（突然変異）が生じ、塩基が一つ置き換わってしまうことがあります。しかし、この冗長性のおかげで、たとえコドンの3番目の文字が別の塩基に変わったとしても、結果的に同じアミノ酸が指定される場合が多くあります。これにより、設計図に軽微な「誤字」が生じても、最終的に作られるタンパク質の機能に影響が出ないように保護されているのです。

さらに驚くべきことに、この暗号表の配置はランダムではありません。化学的に似た性質を持つアミノ酸を指定するコドンは、暗号表の上で互いに近い位置に集まる傾向があります。これは、万が一、変異によってアミノ酸が置き換わってしまったとしても、元のアミノ酸と似た性質のものに変わる可能性を高め、タンパク質全体へのダメージを最小限に抑えようとする、洗練されたリスク管理戦略と考えられます。

遺伝暗号の解読は、生命が単に情報を記録するだけでなく、その情報を伝達する過程で発生しうるノイズやエラーに対しても、極めて巧妙かつ頑健な仕組みを進化させてきたことを明らかにしました。それは、偶然の産物とは到底思えない、合理性と機能美に満ちた、生命の情報工学の傑作だったのです。

年代発見・概念主要な科学者科学的意義
1944年DNAが遺伝物質であることの証明オズワルド・エイブリー遺伝の物理的実体を特定し、遺伝子研究の対象をタンパク質からDNAへと転換させた 1。
1953年DNAの二重らせん構造の解明ジェームズ・ワトソン、フランシス・クリック塩基配列による情報記録と、相補性による自己複製のメカニズムを明らかにし、分子生物学を創始した 2。
1948年情報理論の提唱クロード・シャノン情報量を定量化する「エントロピー」の概念を確立し、DNA配列の機能的重要性を統計的に解析する道を開いた 4。
1961年オペロン説の提唱フランソワ・ジャコブ、ジャック・モノー遺伝子発現がON/OFF制御される仕組みを解明し、生命が工学的な制御システムを持つことを示した 6。
1960年代遺伝暗号の完全解読ニーレンバーグ、コラナ他DNAの塩基配列がタンパク質のアミノ酸配列に翻訳される規則を明らかにし、その冗長性が誤り訂正機能を持つことを示した。

設計図を立体的に読み解く — ゲノムの幾何学

細胞核に秘められた構造：DNAの折りたたみ問題

これまで見てきたように、DNAは生命の設計図を記録する一次元の情報テープです。しかし、このテープは単に引き出しの中に無造作にしまわれているわけではありません。ヒトの一個の細胞に含まれるDNAをすべてつなぎ合わせると、その長さは約2メートルにも達します。この驚くほど長い糸が、直径わずか数マイクロメートル、つまり1ミリの数百分の一という極めて小さな細胞核の中に、どのようにして収まっているのでしょうか。これは、東京駅から品川駅までの距離に相当する一本の長い紐を、小さなポケットの中に詰め込むようなものです。当然ながら、DNAはただ丸められているのではなく、極めて高度かつ秩序だった方法で、複雑に折りたたまれています。

当初、この複雑なパッキングは、単に長いDNAを限られたスペースに効率良く収納するための物理的な問題だと考えられていました。しかし研究が進むにつれて、この「折りたたみ方」、すなわちゲノムの三次元的な構造そのものが、遺伝子の働きを制御する上で決定的に重要な役割を果たしていることが明らかになってきました。

考えてみてください。本において、ある章を読むために必要な注釈が、全く別のページの巻末に書かれていることがあります。もし本を特定の方法で折り曲げることができれば、その章と注釈を隣り合わせにして、同時に読むことが可能になります。ゲノムの中でも、これと似たようなことが起こっています。ある遺伝子のスイッチを入れるために必要な「エンハンサー」と呼ばれる制御領域は、一次元の配列上ではその遺伝子から非常に遠く離れた場所にあることが珍しくありません。しかし、DNAが適切に折りたたまれることで、このエンハンサーと遺伝子が三次元空間内で物理的に近接し、相互作用することが可能になるのです。つまり、どこに、どのように折りたたまれているかによって、同じ遺伝子でもその働き方が劇的に変わるのです。

このゲノムの「折りたたみ地図」を作成するために開発されたのが、Hi-Cと呼ばれる画期的な実験技術です。この技術は、細胞核の中で物理的に近接しているDNA断片同士を化学的に連結し、その後、どの断片とどの断片が連結されていたかを網羅的に解析します。これにより、ゲノム上のあらゆる領域間の「接触頻度」をマトリックスとして得ることができます。この接触頻度マップは、ゲノムのどの部分がどの部分と空間的に近くにいる可能性が高いかを示す、三次元構造の設計図に他なりません。しかし、この生データは、ゲノム全体にわたる膨大な組み合わせを記録した高次元の複雑なものであり、人間がそのまま見て直感的に理解することは極めて困難です。この複雑な地図を解読し、意味のある構造を可視化するために、数学の力が必要不可欠となったのです。

接触地図を座標へ：多次元尺度法（MDS）による可視化

Hi-C実験から得られるのは、ゲノムの各領域間の接触頻度を記録した巨大な数値の表、すなわち「接触マトリックス」です。この抽象的なデータから、私たちが直感的に理解できるような染色体の立体的な形を復元するには、どうすればよいのでしょうか。この課題を解決するために、数学の一分野である多次元尺度法（Multidimensional Scaling, MDS）が強力なツールとして用いられます。

MDSの考え方は、世界地図の作成に似ています。もし、世界中の主要都市間の直線距離をすべて記録した一覧表があったとします。この表だけを見ても、大陸の形や国々の位置関係を頭の中に思い描くのは困難です。MDSは、このような距離のデータだけを基にして、各都市の緯度と経度、すなわち二次元地図上の座標を計算し、元の距離関係を最もよく再現するような地図を復元する手法です。

これと同じ原理をゲノムの構造解析に応用します。まず、Hi-Cデータにおける接触頻度を、空間的な「距離」に変換します。一般的に、接触頻度が高ければ高いほど、二つの領域は空間的に近い距離にあると考えられます。この変換規則（例えば、距離は接触頻度の逆数に比例するなど）を用いて、ゲノムの全領域間の仮想的な距離マトリックスを作成します。次に、この距離マトリックスをMDSアルゴリズムに入力することで、各領域の三次元空間における(x, y, z)座標を計算し、染色体の立体構造モデルを構築することができるのです。この手法により、これまで数値の羅列にしか見えなかったデータから、染色体がループ構造やドメインと呼ばれる塊を形成している様子が、目に見える形で明らかになりました。

しかし、技術の進歩に伴い、Hi-Cデータの解像度は飛躍的に向上し、キロベース（1000塩基対）単位での詳細な解析が可能になりました。これは、より精細な地図を作れるようになったことを意味しますが、同時に扱うデータ量を爆発的に増大させました。例えば、ヒトゲノムを1キロベース解像度で解析しようとすると、マトリックスのサイズは30億を30億で割った、数百万×数百万という天文学的な大きさになります。このような巨大なデータに対して標準的なMDSを適用することは、計算時間とメモリ使用量の両面で、事実上不可能でした。

この計算量の壁を乗り越えるために開発されたのが、miniMDSのような効率的な近似アルゴリズムです 11。miniMDSは、「分割統治」という巧みな戦略をとります。まず、巨大な接触マトリックスを、染色体上で相互作用が密な領域（トポロジカル・アソシエーティング・ドメイン、TADに似た領域）ごとに小さな区画に分割します。次に、それぞれの小さな区画に対して、並列的に高解像度のMDSを適用し、局所的な詳細構造を計算します。最後に、より低い解像度のデータを用いて染色体全体の大まかな構造を計算し、その骨格の上に、先ほど計算した高解像度の局所構造をはめ込んでいくことで、全体を統合します 11。このアプローチにより、計算資源の制約を克服し、ヒトゲノム全体を高解像度で3Dモデリングすることが現実的な時間で可能になったのです 14。このプロセスは、生物学的な現実から実験データ、そして幾何学的なモデルへと、複雑な情報を段階的に抽象化し、理解可能な形に変えていく現代生物学の研究スタイルを象徴しています。

形の「本質」を捉える：トポロジカル・データ解析（TDA）

MDSによってゲノムの三次元構造を可視化できるようになったことは大きな進歩でしたが、新たな課題も生まれました。得られた3Dモデルは、実験データに含まれるノイズや、細胞集団の平均的な構造を反映していることによる曖昧さを含んでおり、どこまでが本当に意味のある構造で、どこからが偶然の産物なのかを区別するのが難しいのです。例えば、モデル上に見える小さなループが、本当に安定して存在する機能的な構造なのか、それとも単なるデータの揺らぎなのかを判断する必要がありました。

この問題、すなわち、データに埋もれた「形」の「本質」を、ノイズに惑わされずに抽出しようというのが、トポロジカル・データ解析（Topological Data Analysis, TDA）という比較的新しい数学分野の目的です 17。トポロジー（位相幾何学）とは、図形を連続的に変形させても変わらない、より本質的な性質（例えば、穴の数など）を研究する幾何学の一分野です。コーヒーカップとドーナツは、見た目は全く異なりますが、どちらも穴が一つだけ空いているという点で、トポロジー的には同じ形と見なされます。

TDAの中でも特に強力な手法が、「パーシステント・ホモロジー（Persistent Homology）」です。これは、データの「頑健な」特徴を見つけ出すための手法です。写真の解像度を徐々に下げていく様子を想像してみてください。解像度を少し下げたくらいでは、写っている人物の輪郭や主要な特徴は消えません。しかし、ノイズや些細なディテールはすぐにぼやけて消えてしまいます。パーシステント・ホモロジーは、これと似たようなことを数学的に行います。データの点群に対して、点を繋ぐ距離の閾値を少しずつ大きくしていくことで、連結成分（塊）やループ（輪）、ボイド（空洞）といったトポロジカルな特徴が、いつ生まれていつ消えるかを追跡します。この距離の閾値という「解像度」を大きく変えても、長く「生き残り続ける（persistする）」特徴こそが、ノイズではなく、データに内在する本質的で頑健な構造であると判断するのです 20。

ゲノム構造の解析において、この手法は絶大な威力を発揮します。MDSで得られた3D座標データや、Hi-Cの接触データそのものにTDAを適用することで、ノイズに埋もれたり、一時的にしか形成されなかったりする構造を排除し、遺伝子制御に重要であると考えられる、安定して存在するクロマチンループ構造などを客観的に同定することができます。これにより、単にゲノムが「どのように見えるか」という幾何学的な記述から一歩進んで、ゲノムが持つ「本質的な連結構造は何か」という、より生物学的な機能に根差したトポロジカルな特徴を捉えることが可能になります。このアプローチは、病気の細胞と正常な細胞でゲノムの頑健な構造がどのように変化するかを比較するなど、疾患研究にも新たな道を開いています 21。

最適な解析経路を探る：情報幾何学の視点

ゲノムの三次元構造を再構築するモデルは、Hi-Cの接触頻度を空間距離に変換する際の変換関数や、MDSアルゴリズムのパラメータなど、多くの仮定や設定に依存しています。これらのパラメータを少し変えるだけで、得られる3Dモデルの形状は変化しうるため、どのパラメータが結果に最も大きな影響を与えるのか、そして、どのパラメータを優先的に検証・最適化すべきかを知ることは、研究を効率的に進める上で極めて重要です。

ここで登場するのが、情報幾何学という、統計学と微分幾何学を融合させた分野です。この学問は、考えられる全ての統計モデルの集まりを、一つの広大な「空間」として捉え、その空間の幾何学的な性質を調べるものです。料理のレシピに例えてみましょう。ある料理の味は、塩、砂糖、酢など、様々な調味料の量によって決まります。この時、塩をほんの少し変えるだけで味は劇的に変わるかもしれませんが、砂糖を少し変えてもあまり影響はないかもしれません。情報幾何学は、このように「どのパラメータ（調味料）を動かすと、結果（味）が最も敏感に変化するか」を、そのモデル空間の「曲率」として数学的に評価する手法を提供します。

ゲノムの三次元モデルにおいても同様です。Fisher情報計量と呼ばれる情報幾何学の道具を用いることで、モデルの各パラメータが、最終的に得られる構造の予測結果にどれだけの影響力を持つかを定量的に評価できます。これにより、感度の高い、つまり結果を大きく左右する重要なパラメータを特定することができます。

この知見は、研究戦略を立てる上で非常に有益な指針となります。例えば、限られた実験リソースや計算時間を、感度の低いどうでもよいパラメータの微調整に費やすのではなく、結果に最も大きな影響を与える重要なパラメータの精度を向上させるための実験や解析に集中させることができます。情報幾何学は、複雑なモデル化という暗闇の中を、手探りで進むのではなく、どこに注力すれば最も効率的に真実に近づけるかを照らし出す、強力な懐中電灯の役割を果たしてくれるのです。

生命を設計する — 合成生物学の夜明け

生命のプログラミング：設計言語Celloの登場

これまでの物語は、生命という既存のテキストを「読み解く」ための挑戦でした。しかし、科学の探求は、理解にとどまらず、創造へと向かいます。生命の基本原理、すなわち情報処理と制御の仕組みを理解したのなら、次はその原理を使って、私たちが望む機能を持つ新しい生命システムを「設計し、構築できる」のではないか。この野心的な問いから生まれたのが、「合成生物学」という新しい学問分野です。

合成生物学は、生物学を工学の一分野として捉え直す試みです。従来の生物学が「生命はどのように機能しているか」を解明することを目指すのに対し、合成生物学は「その機能原理を利用して、役に立つ生命システムを創り出す」ことを目指します。それはまるで、電子部品を組み合わせてコンピューターの回路を設計するように、遺伝子という部品を組み合わせて、細胞の中で特定の論理演算を行う「遺伝子回路」を設計するようなものです。

この分野が、職人芸的な試行錯誤の段階から、体系的な工学へと飛躍する上で画期的な役割を果たしたのが、「Cello」という設計自動化ソフトウェアの開発でした 23。Celloが実現したのは、まさに「生命のプログラミング」です。研究者は、複雑なDNA配列や生化学反応の詳細を意識することなく、コンピューターのハードウェア設計で広く使われているVerilogという記述言語を用いて、実現したい回路の論理機能を高級言語で記述します 25。例えば、「もし細胞内に化学物質Aが存在し、かつ化学物質Bが存在しないならば、緑色蛍光タンパク質（GFP）を生産せよ」といった具合です。

この論理記述をCelloに入力すると、ソフトウェアが自動的にそれを解釈し、あらかじめ特性が測定されデータベース化された生物学的「部品」（プロモーターやリプレッサーなど、論理ゲートとして機能する遺伝子パーツ）のライブラリから最適なものを選択し、それらを繋ぎ合わせて、最終的なDNA配列を「コンパイル」してくれるのです 24。このプロセス全体が、設計、シミュレーション、そしてDNA配列の生成までを自動で行います。

2016年に発表された最初の研究では、Celloを用いて設計された60種類の異なる遺伝子回路のうち、45種類が事前のシミュレーション通りに完璧に動作し、全ての出力状態の92%が予測と一致するという、驚くべき成果が報告されました 23。これは、手作業での微調整を一切行うことなく、設計図から直接、機能する生命システムを構築できることを証明した、歴史的な瞬間でした。Celloの成功の鍵は、生物学的な部品を、電子工学における論理ゲートのように、その振る舞いが予測可能で再利用可能な「標準部品」として扱えるようにした点にあります。この「抽象化」と「標準化」という工学の基本原則を生物学に持ち込んだことで、合成生物学は、一部の専門家のための芸術から、より多くの研究者が利用できる体系的なエンジニアリングへと変貌を遂げ始めたのです 24。

数式から生まれた生命機能：トグルスイッチとリプレッシレータ

合成生物学が、単なる部品の組み合わせから、動的な機能を持つシステムを設計する学問へと進化する上で、2000年は記念すべき年となりました。この年、数学的なモデルに基づいて設計された二つの画期的な遺伝子回路が、ほぼ同時に発表されたのです。これらは、生命が数理モデルの予測通りに振る舞うことを実証し、「数式が設計図として機能する」ことを証明した、分野の創成期を象徴する成果でした。

一つ目は、ティモシー・ガードナーとジェームズ・コリンズによって構築された「遺伝子トグルスイッチ」です 28。これは、部屋の照明のスイッチのように、安定した「オン」と「オフ」の二つの状態を切り替えることができる遺伝子回路です。その設計は、数学的な「双安定性」の理論に基づいています。回路は、互いの遺伝子の発現を抑制しあう二つのリプレッサー遺伝子から構成されています。遺伝子1が作るリプレッサー1は遺伝子2の発現を抑え、逆に遺伝子2が作るリプレッサー2は遺伝子1の発現を抑えます 28。この相互抑制の構造により、システムはどちらか一方の遺伝子だけが活発に発現する二つの安定な状態のいずれかに落ち着きます。そして、外部から一時的に化学物質などの刺激（インデューサー）を加えることで、このスイッチを一方の状態からもう一方の状態へと反転させることができます 28。この回路は、細胞に情報を記憶させる「生物学的メモリー」として機能することを示し、理論的な予測が実験的に見事に再現された例となりました 31。

二つ目は、マイケル・エロウィッツとスタニスラス・レイブラーによって作られた「リプレッシレータ」です 33。これは、細胞の中で時を刻む、人工的な「生物時計」です。この回路は、三つのリプレッサー遺伝子がリング状に繋がれ、互いを順番に抑制していくように設計されています。すなわち、遺伝子AがBを抑制し、BがCを抑制し、そしてCがAを抑制するというサイクルです 35。このような構成は、制御理論では「負のフィードバックループ」として知られており、数学モデルはそのようなシステムが持続的な「振動」を生み出すことを予測していました 36。彼らがこの回路を大腸菌に組み込んだところ、予測通り、菌は緑色蛍光タンパク質（GFP）の量を周期的に増減させ、まるで点滅するネオンサインのように、規則正しい振動を何世代にもわたって続けたのです 33。

これら二つの研究の真に重要な点は、単に面白い機能を持つ細胞を作ったことではありません。それらは、まず紙の上で数学的な理論とシミュレーションを用いてシステムの振る舞いを予測し、その数理モデルという設計図に基づいてDNAを構築し、そして生命がその設計図通りに動くことを実証した、という点にあります。これは、物理学者が数式を用いて自然現象を予測するのと同じように、生物学者もまた、数式を用いて生命現象を「設計」できることを示したのです。この成功は、リチャード・ファインマンの有名な言葉「私が創ることができないものは、私が理解できていないものである」を生物学の分野で体現するものであり、生命を理解する科学から、生命を創造する工学への決定的な一歩を印しました。

ノイズを克服する賢い制御：積分フィードバック制御の応用

合成生物学の回路設計における最も大きな障壁の一つは、細胞内部に常に存在する「ノイズ」です。細胞内の化学反応は、分子の数が少ないために本質的に確率的（ストキャスティック）であり、遺伝子の発現量やタンパク質の数は常にランダムに揺らいでいます。この予測不可能な揺らぎは、精密な制御を目指して設計された遺伝子回路の性能を著しく低下させ、時には全く機能しなくさせてしまう原因となります。風の強い日に、小さな船で決まったコースを正確に進み続けるのが難しいのと似ています。

このようなノイズの多い環境下で、ある物質の生産量を、外部からの妨害（擾乱）にもかかわらず、常に目標値に正確に保ち続けるにはどうすればよいのでしょうか。この課題は「ロバストな完全適応」として知られ、工学の世界では「積分フィードバック制御」という手法がその強力な解決策であることが古くから知られていました。積分制御は、目標値と現在値の「誤差」を検出し、その誤差を時間にわたって「積分」（足し合わせる）し、積分値がゼロになるまで、つまり誤差が完全になくなるまで補正をかけ続ける仕組みです。

問題は、この数学的な積分操作を、どのようにして生物の部品で実現するかでした。2016年、ムスタファ・カマッシュの研究グループは、「アンチセティック積分フィードバック（Antithetic Integral Feedback, AIF）」と名付けられた、驚くほど巧妙な生物学的実装を提案しました 38。この回路の核心は、互いに「対消滅」する二つの分子種を用いる点にあります。制御したい分子（出力）が作られると同時に、それと対になる「アンチセティックな」分子も生成されます。この二つの分子は、細胞内で出会うと互いに結合して不活性化し、消滅します。この対消滅のプロセスが、数学的には誤差の積分と等価な働きをするのです。もし出力分子が目標値より多く作られすぎると、アンチセティック分子が不足し、余った出力分子が自身の生産を抑制するフィードバックがかかります。逆に少なすぎれば、アンチセティック分子が余り、それが抑制を解除して生産を促進します。

このAIF制御器は、理論的にも実験的にも、極めて高い頑健性（ロバスト性）を持つことが示されました 39。細胞内の分子数が非常に少ない確率的な状況でも、また、回路のパラメータが多少変化しても、出力の平均値を目標値に正確に合わせることができる「ロバスト完全適応」を達成したのです 38。さらに興味深いことに、この制御器は、ノイズを単に抑制するのではなく、その確率的な性質を巧みに利用して機能します。決定論的なモデルでは不安定になるような状況でも、確率的な揺らぎがあることでかえってシステム全体が安定するという、直感に反する性質も持っていました 40。これは、生命を工学的に設計する際のアプローチに重要な示唆を与えます。すなわち、生命の持つ本質的な「揺らぎ」を敵と見なして排除しようとするのではなく、その性質を理解し、味方につけるような賢い設計こそが、真に頑健なシステムを構築する鍵となるのです。

実験を自動化し、学習する：機械学習との融合

合成生物学の進歩は、多くの場合、「DBTLサイクル」と呼ばれる反復的なプロセスによって駆動されます。これは、まず目的の機能を持つ遺伝子回路を「設計（Design）」し、次にその設計図に基づいてDNAを合成し細胞に組み込む「構築（Build）」を行い、そして構築した細胞が意図通りに機能するかを「試験（Test）」し、最後にその試験結果から得られた知見を「学習（Learn）」して、次の設計に活かす、というサイクルです。このサイクルをいかに速く、効率的に回すかが、研究開発のスピードを決定します。

従来、このサイクルの特に「学習」から次の「設計」へのステップは、研究者の経験や直観に大きく依存していました。しかし、遺伝子回路の複雑さが増すにつれて、人間が試すべき無数のパラメータの組み合わせの中から、最適なものを見つけ出すことはますます困難になっています。ここに、機械学習、特に人工知能（AI）技術が、このサイクルを劇的に加速させるための強力なツールとして登場しました。

近年注目されているのが、「ベイズ最適化」と呼ばれる機械学習の手法をDBTLサイクルに導入する試みです。ベイズ最適化は、限られた回数の実験から、最も効率的に最適な条件を見つけ出すための賢い戦略です。これまでの実験結果を基に、まだ試していないパラメータ空間のどこを次に探索すれば、最も多くの情報が得られるか（つまり、不確実性が最も高く、かつ良い結果が期待できそうな領域はどこか）を、確率的に予測します。そして、その予測に基づいて次の実験条件を提案するのです。

このアプローチは、闇雲に実験を繰り返したり、研究者の勘に頼ったりするよりも、はるかに少ない試行回数で目標に到達することを可能にします。例えば、CRISPR遺伝子編集技術の効率を最大化するためのガイドRNA配列の設計や、有用物質を生産する微生物の最適な培養条件（温度、栄養源の濃度など）の探索といった、従来は膨大な試行錯誤を必要とした課題に応用されています。

機械学習との融合は、DBTLサイクルの個々のステップを効率化するだけではありません。将来的には、実験ロボットとAIを組み合わせることで、設計から構築、試験、学習に至るサイクル全体を完全に自動化する「自律的科学発見プラットフォーム」の実現も視野に入っています。AIが仮説を立て、実験計画を立案し、ロボットがそれを実行し、得られたデータをAIが再び解析して次の仮説を立てる、というループが自律的に回り続けるのです。これは、単に実験が速くなるという話ではなく、「科学のやり方」そのものが変わる可能性を秘めています。合成生物学は、機械学習という強力なパートナーを得て、その発見と創造のスピードを新たな次元へと引き上げようとしているのです。

数学という普遍言語で描く生命の未来

本記事を通じて、私たちは生命科学が20世紀半ばから現代に至るまでに遂げた、壮大な知的変革の道のりをたどってきました。その物語は、生命を「解読」することから始まり、「分析」を経て、そして「創造」するという、一貫した論理的な流れの上に成り立っています。

その革命の狼煙は、生命が「情報」として記述されているという発見でした。DNAという一次元のデジタルコードは、情報理論と制御理論という数学のレンズを通して、その論理的な構造や動的な制御の仕組みを私たちに開示しました。生命は、もはや単なる物質の集合体ではなく、精巧な情報処理システムとして理解されるようになったのです。

しかし、物語はそれで終わりませんでした。一次元のコードとしての理解だけでは不十分だったんですね。そのコードが実際に機能するためには、三次元空間内でどのように折りたたまれ、配置されるかという「形」の情報が不可欠だったのです。ゲノムは、静的なテキストではなく、動的な三次元機械でした。この複雑な機械の構造を解き明かすために、私たちは幾何学やトポロジーといった、より高度な数学の言語を必要としました。数学は、複雑な接触データの中から、意味のある構造という名の秩序を見つけ出すための、強力な羅針盤となったのです。

そして、情報と形に関する深い知識を武器に、人類は初めて、生命を「設計する」という領域に足を踏み入れたのです。合成生物学は、プログラミング言語でDNAを記述し、制御理論でノイズに打ち勝つ回路を構築し、機械学習で開発サイクルそのものを最適化するという、全く新しい工学分野を創出しました。ここで数学は、もはや分析のための道具ではなく、創造のための設計言語そのものへと昇華したのです。

これら三つの段階は、それぞれ独立した分野ではなく、深く結びついています。。Celloのような設計ツールが機能するためには、オペロンのような制御部品の原理と、DNAの物理的な文脈、すなわち三次元構造への理解が不可欠です。この壮大な物語全体を貫いているのが、数学という普遍的な言語に他なりません。

私たちは今、生命科学の歴史において、かつてないほど特別な時代を生きています。数千年の間、人類にとって生命とは、観察し、分類し、受け入れるべき「与えられたもの」でした。しかし今、私たちは初めて、生命を「設計可能なもの」として扱い始めています。この変革の中心には、常に数学がありました。

未来に目を向ければ、この流れはさらに加速していくことでしょう。人工知能や量子コンピューターといった最新の計算技術との融合は、バーチャル細胞上での完全なシミュレーションや、生命システムの設計の完全自動化を現実のものとするかもしれません。そして、その先にある究極の目標は、単に機能する生命システムを作ることではなく、その性能を「保証」することです。私たちが設計した遺伝子回路が、「どのような環境下で、どのくらいの確率で、期待通りの性能を発揮するか」を、自動車の燃費表示のように明記できるようになった時、合成生物学は真に成熟した工学分野となるでしょう。

生命の設計図を読み、その形を理解し、そして新たな一節を書き加える。この人類の新たな能力は、医療や環境、エネルギーといった分野に計り知れない恩恵をもたらす可能性を秘めています。しかし同時に、それは生命そのものの定義を問い直し、深い倫理的な考察を求める、重大な責任を伴うものでもあります。数学という言語で生命の未来を描くこの壮大な物語は、まだ始まったばかりです。

引用文献

  1. 遺伝子の正体, http://spider.art.coocan.jp/biology2/genetics2012_3.htm
  2. 【SKIPの知財教室（IP Hack ®）】じっくり®ヒストリー DNAの「二重らせん構造」を明らかにした ジェームズ・ワトソン（フランシス・クリックとともにDNAの研究を行い, https://skiplaw.jp/ip-hack/12098/
  3. 「二重らせん」のワトソンとクリックを告発する理由 | MRのための読書論 | ミクスOnline, https://www.mixonline.jp/tabid55.html?artid=37584
  4. シャノンの情報理論の概要と参考図書 - Deus Ex Machina, https://deus-ex-machina-ism.com/?p=15426
  5. 情報エントロピーの魔術師: クロード・シャノンとAIへの遺産｜たー - note, https://note.com/joyous_echium468/n/n71f09edf985f
  6. 第3回 遺伝子の構成 - 原核生物遺伝子 - UMIN SQUAREサービス, https://square.umin.ac.jp/haramaki/yakudai/meneki/042408all.pdf
  7. 1718夜 『ハエ・マウス・ヒト』 フランソワ・ジャコブ - 松岡正剛の千夜千冊, https://1000ya.isis.ne.jp/1718.html
  8. オペロン - Wikipedia, https://en.wikipedia.org/wiki/JA:%E3%82%AA%E3%83%9A%E3%83%AD%E3%83%B3
  9. オペロン構造の進化過程の実証実験に成功 - 東京大学 大学院理学系研究科・理学部, https://www.s.u-tokyo.ac.jp/ja/info/7738/
  10. ジャック・ルシアン・モノー（1910-1976） - かずさDNA研究所, https://www.kazusa.or.jp/dnaftb/33/bio.html
  11. miniMDS: 3D structural inference from high-resolution Hi-C data - ResearchGate, https://www.researchgate.net/publication/323663935_miniMDS_3D_structural_inference_from_high-resolution_Hi-C_data
  12. miniMDS: 3D structural inference from high-resolution Hi-C data - PubMed, https://pubmed.ncbi.nlm.nih.gov/28882003/
  13. miniMDS | Mahony Lab, https://mahonylab.org/software/minimds/
  14. EVRC: reconstruction of chromosome 3D structure models using error-vector resultant algorithm with clustering coefficient | Bioinformatics | Oxford Academic, https://academic.oup.com/bioinformatics/article/39/11/btad638/7320013
  15. miniMDS: 3D structural inference from high-resolution Hi-C data - Oxford Academic, https://academic.oup.com/bioinformatics/article/33/14/i261/3953988
  16. EVRC: Reconstruction of chromosome 3D structure models using Error-Vector Resultant algorithm with Clustering coefficient | bioRxiv, https://www.biorxiv.org/content/10.1101/2023.05.11.540436.full
  17. Topological methods for genomics: present and future directions - PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC5624534/
  18. The shape of things to come: Topological data analysis and biology, from molecules to organisms - PubMed, https://pubmed.ncbi.nlm.nih.gov/32246730/
  19. The shape of things to come: Topological data analysis and biology, from molecules to organisms - PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC7383827/
  20. The importance of the whole: Topological data analysis for the network neuroscientist - PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC6663305/
  21. Topological Data Analysis Generates High-Resolution, Genome-wide Maps of Human Recombination - PubMed, https://pubmed.ncbi.nlm.nih.gov/27345159/
  22. Topological data analysis generates high-resolution, genome-wide maps of human recombination - PubMed Central, https://pmc.ncbi.nlm.nih.gov/articles/PMC4965322/
  23. Genetic circuit design automation - PubMed, https://pubmed.ncbi.nlm.nih.gov/27034378/
  24. (PDF) Genetic circuit design automation with Cello 2.0 - ResearchGate, https://www.researchgate.net/publication/358801979_Genetic_circuit_design_automation_with_Cello_20
  25. Resources: Cello: Genetic circuit design automation - Bioinformatics.org, https://www.bioinformatics.org/forums/forum.php?forum_id=12288
  26. MIT Open Access Articles Genetic circuit design automation with Cello 2.0, https://dspace.mit.edu/bitstream/handle/1721.1/148592/Cello%202.0%20Manuscript.pdf?sequence=2&isAllowed=y
  27. Automated Design of Robust Genetic Circuits: Structural Variants and Parameter Uncertainty, https://pmc.ncbi.nlm.nih.gov/articles/PMC8689692/
  28. Construction of a Genetic Toggle Switch in Escherichia coli - ResearchGate, https://www.researchgate.net/publication/12654725_Construction_of_a_Genetic_Toggle_Switch_in_Escherichia_coli
  29. Construction of a genetic toggle switch in Escherichia coli - PubMed, https://pubmed.ncbi.nlm.nih.gov/10659857/
  30. Gardner2000 - genetic toggle switch in E.coli | BioModels, https://www.ebi.ac.uk/biomodels/BIOMD0000000507
  31. Construction of a genetic toggle switch in Escherichia coli - Wiki FKKT, https://wiki.fkkt.uni-lj.si/index.php/Construction_of_a_genetic_toggle_switch_in_Escherichia_coli
  32. Genetic Toggle Switch - Wolfram Demonstrations Project, https://demonstrations.wolfram.com/GeneticToggleSwitch
  33. A synthetic oscillatory network of transcriptional regulators | Request PDF - ResearchGate, https://www.researchgate.net/publication/281580060_A_synthetic_oscillatory_network_of_transcriptional_regulators
  34. A synthetic oscillatory network of transcriptional regulators - PubMed, https://pubmed.ncbi.nlm.nih.gov/10659856/
  35. A synthetic oscillatory network of transcriptional regulators - SciSpace, https://scispace.com/pdf/a-synthetic-oscillatory-network-of-transcriptional-1c0xh9y2s2.pdf
  36. arXiv:1808.00595v2 [q-bio.MN] 31 Dec 2018, https://arxiv.org/pdf/1808.00595
  37. A Synthetic Oscillatory Network of Transciptional Regulators - Physiome Model Repository, https://models.physiomeproject.org/e/48/elowitz_leibler_2000.cellml/view
  38. Antithetic Integral Feedback Ensures Robust Perfect Adaptation in Noisy Biomolecular Networks - PubMed, https://pubmed.ncbi.nlm.nih.gov/27136686/
  39. Realizing Antithetic Integral Feedback Control in Mammalian Cells | Request PDF, https://www.researchgate.net/publication/378743908_Realizing_Antithetic_Integral_Feedback_Control_in_Mammalian_Cells
  40. Antithetic Integral Feedback: A new motif for robust perfect adaptation in noisy biomolecular networks | bioRxiv, https://www.biorxiv.org/content/10.1101/024919v3.full-text
  41. Cascaded Antithetic Integral Feedback Motifs for Robust Stability and Performance Improvement - bioRxiv, https://www.biorxiv.org/content/10.1101/2024.07.31.605983v1.full.pdf
Facebook

https://www.facebook.com/eeitarooo

-生物学

© 2025 RWE