新薬開発の初期段階で時間とコストの大部分を占める「標的タンパク質に結合する分子の設計」。このプロセスに、生成AI「Claude」が挑み、人間の専門家が用意した条件に基づいて自律的にタンパク質を設計し、15種類の標的のうち14種類で結合に成功したと報告されました。
AIによるタンパク質設計の概要
従来の創薬プロセスとその課題
多くの医薬品は、体内の特定のタンパク質（標的）に結合し、その働きをブロックしたり調整したりすることで効果を発揮します。このため新薬開発では、まず標的に「ぴったり結合する」分子を見つける、あるいは設計することが重要な第一歩となります。
しかし従来は、専門家が膨大な候補分子を一つひとつ評価しながら絞り込む必要があり、1つの標的に対しても数週間から数カ月単位の作業が発生していました。こうした負担は、新薬候補の探索スピードを大きく制限する要因となってきました。
Claudeが挑んだ「de novo（デノボ）設計」とは
今回テストされたのは、「de novo（デノボ）デザイン」と呼ばれるアプローチです。これは既存の分子を少しずつ改良するのではなく、標的となるタンパク質とその性質に関する情報をもとに、ゼロから新しいタンパク質（タンパク質バインダー）を設計する手法を指します。
人間の専門家が「どの標的に、どのような条件で結合させたいか」といった設計プロンプトを作成し、その指示をClaudeに与えたところ、Claudeは自律的に分子構造を提案し、標的に結合し得る新規タンパク質を次々と設計しました。
15標的中14で結合に成功した意味
テストでは、15種類の異なるタンパク質標的に対してClaudeがデザインしたタンパク質が実際に結合できるかどうかが検証されました。その結果、15のうち14の標的で、Claudeが設計した分子が結合を示したとされています。
すべての標的で完全に最適な結合が得られたわけではないものの、「ほぼすべての標的に対して機能するバインダーを自律設計できた」という事実は、AIが創薬のごく初期段階を大きく自動化できる可能性を示しています。
企業連携による実証と創薬へのインパクト
Adaptyv Bio・Twist Bioscienceとの共同検証
AIがコンピューター上で「設計」に成功したとしても、それが実験室レベルで本当に働くかどうかは別問題です。そこで今回のプロジェクトでは、バイオテクノロジー企業のAdaptyv BioとTwist Bioscienceがパートナーとして参加しました。
これらの企業は、Claudeが設計したタンパク質配列をもとに、実際にタンパク質を合成・構築し、その結合能や機能を独立して検証しました。AIと実験企業が役割を分担することで、「設計〜実証」のサイクルを高速に回す取り組みが実現した形です。
時間とコスト削減のポテンシャル
もしこのアプローチが広く実用化されれば、これまで1標的あたり数週間～数カ月かかっていた分子設計作業の多くを、AIが短時間で代替できるようになる可能性があります。専門家は、AIが提案した候補の評価と絞り込み、さらなる改良に集中できるようになり、全体として新薬候補探索のスピードアップとコスト削減が期待されます。
加えて、AIは人間の直感では思いつきにくい構造や組み合わせを提案できるため、従来の方法では見落としていた「意外な有望候補」が見つかる可能性もあります。
今後の課題と安全性への配慮
一方で、AIが生成する分子はその数が膨大になり得るため、「どの候補を優先的に実験するか」の選別や、オフターゲット作用（狙っていない場所への影響）・毒性などの安全性評価はこれまで以上に重要になります。
AIはあくまで設計支援ツールであり、最終的な判断は生物学・薬理学・臨床の知見を持つ人間が行う必要があります。こうした「人間とAIの協働体制」をどう設計していくかが、今後の実用化フェーズでの大きなテーマとなりそうです。
創薬の未来とAIの役割
ターゲット探索から個別化医療まで広がる応用
今回焦点となったのは「標的に結合するタンパク質の設計」ですが、AIが貢献し得る領域はそれだけではありません。疾患ごとの新たな標的候補の探索や、既存薬の再活用、患者ごとの遺伝情報に合わせた個別化医療など、創薬・医療のさまざまなプロセスでAI活用が進むと見られています。
とくにタンパク質バインダーの設計は、抗体医薬や細胞療法、ドラッグデリバリーシステムなど多様な分野に波及するため、今回の結果は幅広い応用のスタート地点と位置づけることができます。
研究者や製薬企業にとってのチャンス
研究者や製薬企業にとって、AIによるde novo設計は「試せる仮説の数」を飛躍的に増やす手段になり得ます。AIが生成した多数の候補から、理論的に有望なものを選び出して実験に回すことで、これまで以上に多様なアイデアを検証できるようになる可能性があります。
今後は、AIモデルの性能向上だけでなく、実験自動化プラットフォームやロボット研究室との連携により、「設計 → 合成 → 評価 → 改良」のサイクルをどこまで自動化・高速化できるかが注目されます。
まとめ
Claudeが15の標的タンパク質のうち14に結合する新規タンパク質バインダーを自律設計し、Adaptyv BioとTwist Bioscienceがそれを実験的に検証した今回の取り組みは、生成AIが創薬のフロントラインに踏み出した象徴的な事例といえます。まだ初期段階ではあるものの、時間とコストのかかる分子設計をAIが支援することで、新薬候補探索のスピードと多様性を大きく押し広げる可能性が示されました。今後は、安全性評価や実用化プロセスを含め、人間の専門知とAIをどう組み合わせるかが、創薬イノベーションの鍵になっていきそうです。
