主要成果
東京大学の上田宏生特任講師(千葉大学健康疾患オミクスセンター特任准教授兼担)と鈴木勉教授らの研究グループは、tRNA(転移RNA)の種類、存在量、および修飾状態を統合的に解析する新技術を開発しました。本手法の最大の特徴は、ナノポア直接RNAシーケンスで得られる電流シグナルを深層学習で直接解析することにあり、大腸菌が持つ全48種類のtRNAを98.2%の精度で分類することに成功しました。
技術・詳細
研究グループは、深層学習モデル「tyCooNN」を構築し、tRNAごとの電流シグナルの特徴を学習させた「ナノtRNA分類器(nano tRNA classifier)」を開発しました。従来の解析では、電流シグナルを一度塩基配列に変換する「ベースコール」という工程が必要でしたが、本分類器はこの工程を介さず、電流パターンから直接tRNAの種類を識別します。
また、定量面においては、精製したtRNAを等モル数で混合した標準試料を用いることで、tRNA種ごとに異なる読み取り効率の偏りを補正する絶対定量法を確立しました。これにより、異なるtRNA種の間で存在量を共通の基準で比較することが可能となり、実際に大腸菌を用いて、生育段階や栄養条件に伴うtRNA組成の変動を捉えることに成功しています。
さらに、特定のRNA修飾の有無を1分子レベルで判別する手法も開発されました。特定の修飾を持つ分子と持たない分子の電流シグナルを学習させることで、各tRNA種における修飾率の推定を実現しています。
背景・業界の文脈
tRNAは、mRNA(メッセンジャーRNA)の遺伝暗号をアミノ酸に対応させる重要な役割を担っており、その量や修飾状態はタンパク質合成の速度、精度、mRNAの安定性、およびタンパク質の品質維持に深く関与しています。しかし、tRNAは互いに配列が酷似している上、多数の化学修飾を含んでいるため、従来のシーケンス解析では種類の正確な識別や定量を行うことが困難であるという課題がありました。
今後の展望
本研究成果は、tRNAの種類・量・修飾状態という三つの要素を統合的に解析できる基盤技術となります。これにより、細胞内でのタンパク質合成の制御メカニズムの解明や、疾患との関連性を詳細に調べるための強力なツールとなることが期待されます。なお、本研究の成果は2026年11月9日付の学術誌「Nature Communications」に掲載されました。
元記事: https://www.nikkei.com/article/DGXZRSP715197_S6A111C2000000/
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録(週刊・技術動向レポート)
ご登録いただくと、Troy-Technical から週刊で技術動向レポート(メールマガジン)をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます(各メール下部のリンクから)。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます



