Individual regulation of kinetochore-microtubule attachment revealed by a novel chromosome analysis technology

点击翻译按钮获取中文摘要

本年度は、①機械学習による染色体同定モデルの構築と②個々の染色体の動態解析を行った。染色体同定モデルの構築について、これまで使用していた学習モデルでは、達成できる予測性に限界があることが判明したため、学習モデルの変更を行った。さらに、学習するデータの情報量（データの圧縮の仕方、サンプル数の変更）を増加させ、再度学習を行った。結果、1つの卵母細胞内において、5-10種の染色体を高確率（85-100%）で判定できることがわかった。本結果はdCasによる蛍光標識と機械学習によるアプローチが染色体同定に極めて有用であることを示唆している。個々の染色体の動態解析について、卵母細胞内に存在する20種の染色体のうち、10種の染色体（1,2,3,8,9,17,18,19番, X）の動態解析を行った。結果、小さな染色体（17,18,19番）は大きな染色体（1,2,3,X）に比べ、紡錘体の内側に局在することが判明した。また、核膜崩壊から1-3時間においてサイズ依存的な局在傾向が確立していき、その後anaphaseまでその傾向が維持されることが明らかになった。さらに、個々の染色体の動原体の挙動を調べると、小さな染色体ほど微小管の接合が早期に開始される可能性が判明した。この結果は、個々の染色体ごとに制御に差が存在することを示唆している。次に、動原体たんぱく質Ndc80の微小管接合部位の変異体を発現させたところ、サイズ依存的な局在が減弱された。この結果は、微小管接合の重要性を示唆している。