高出力絶対定量法の開発によるシグナル伝達経路定量マップの構築

研究代表者
松本雅記
新潟大学大学院　医歯学総合研究科
https://omics.med.niigata-u.ac.jp/

研究概要

細胞の増殖や運命決定などの本質的な生命現象は、細胞外刺激が引き起こす細胞内シグナル伝達によって規定されています。これまでシグナル伝達経路を構成するタンパク質が多数同定されていますが、多くの経路は同一あるいは類似した因子を共有しており、いかなる原理に基づいてシグナル経路のアウトプットの多様性が生み出されているはほとんどわかっていません。このような課題に挑むためにはシグナル伝達を数理モデルに落とし込んで理解するシステム生物学的な研究が有効ですが、個々の細胞システムにおけるシグナル伝達経路の定量的な情報の不足が大きな障壁となっています。わたくしたちは、これまでタンパク質の発現量を精密に絶対定量するための技術であるiMPAQT法【Matsumoto et al. Nature Methods 2017, Matsumoto and Nakayama Current Opinin. 】を開発してきました。このiMPAQT法やリン酸化プロテオミクスの技術などを組み合わせることで、EGFシグナル経路などの構成成分の絶対定量やシグナル伝達のダイナミクス計測が可能になりつつあります。しかしながら、より包括的かつ正確な情報を得るためには、iMPAQT法が有するいくつかの技術的限界を完全に克服することが必要です。そこで、本研究では、人工遺伝子合成と超多重化したペプチド定量タグを用いることで大規模に濃度既知の内部標準ペプチドを取得する技術と、DIA (data-independent acquisition)と呼ばれる質量分析技術を改変し高出力なタンパク質絶対定量技術を確立・統合することで、様々な細胞システムにおける広範なシグナル伝達経路の全体構造を定量的に記述するプラットフォームの構築を試みます。様々なシグナル伝達経路の構造や刺激応答のダイナミクスが正確に計測可能になれば、シグナル伝達の特異性や多様性を生み出す動作原理の理解が深まることが期待されます。

参考文献

  1. Hosokawa H, Romero-Wolf M, Yui MA, Ungerbäck J, Quiloan MLG, Matsumoto M, Nakayama KI, Tanaka T, Rothenberg EV. Bcl11b sets pro-T cell fate bysite-specific cofactor recruitment and by repressing Id2 and Zbtb16. Nature Immunol. 19: 1427-1440, 2018.
  2. Hosokawa H, Ungerbäck J, Wang X, Matsumoto M, Nakayama KI, Cohen SM, Tanaka T, Rothenberg EV. Transcription factor PU.1 represses and activates gene expression in early T cells by redirecting partner transcription factor binding. Immunity 49: 782, 2018.
  3. Moriya Y, Kawano S, Okuda S, Watanabe Y, Matsumoto M, Takami T, Kobayashi D, Yamanouchi Y, Araki N, Yoshizawa AC, Tabata T, Iwasaki M, Sugiyama N, Tanaka S, Goto S, Ishihama Y. The jPOST environment: an integrated proteomics data repository and database. Nucleic Acids Res., 47(D1): D1218-D1224, 2018.
  4. Morita M, Sato T, Nomura M, Sakamoto Y, Inoue Y, Tanaka R, Ito S, Kurosawa K, Yamaguchi K, Sugiura Y, Takizaki H, Yamashita Y, Katakura R, Sato I, Kawai M, Okada Y, Watanabe H, Kondoh G, Matsumoto S, Kishimoto A, Obata M, Matsumoto M, Fukuhara T, Motohashi H, Suematsu M, Komatsu M, Nakayama KI, Watanabe T, Soga T, Shima H, Maemondo M, Tanuma N. PKM1 confers metabolic advantages and promotes cell-autonomous tumor cell growth. Cancer Cell 33: 355-367.e7, 2018.
  5. Matsumoto M, Nakayama KI. The promise of targeted proteomics for quantitative network biology. Curr. Opin. Biotechnol. 54: 88-97, 2018.
  6. Nakatsumi H, Matsumoto M, Nakayama KI. Noncanonical pathway for regulation of CCL2 expression by an mTORC1-FOXK1 axis promotes recruitment of tumor-associated macrophages. Cell Rep. 21: 2471-2486, 2017.
  7. Yachie N; Robotic Biology Consortium (Inc. Matsumoto M), Natsume T. Robotic crowd biology with Maholo LabDroids. Nature Biotechnol. 35: 310-312, 2017.
  8. Matsumoto M, Matsuzaki F, Oshikawa K, Goshima N, Mori M, Kawamura Y, Ogawa K, Fukuda E, Nakatsumi H, Natsume T, Fukui K, Horimoto K, Nagashima T, Funayama R, Nakayama K, Nakayama KI. A large-scale targeted proteomics assay resource based on an in vitro human proteome. Nature Methods 14: 251-258, 2017.
  9. Matsumoto A, †Pasut A, †Matsumoto M (†equally contributed), †Yamashita R, Fung J, Monteleone E, Saghatelian A, Nakayama KI, Clohessy JG, Pandolfi PP. mTORC1 and muscle regeneration are regulated by the LINC00961-encoded SPAR polypeptide. Nature 541: 228-232, 2017.
  10. Hatano A, Matsumoto M, Nakayama KI. Phosphoproteomics analyses show subnetwork systems in T-cell receptor signaling. Genes Cells 21: 1095-1112, 2016.

このページの先頭へ