AIは機能的なウイルスを設計できるようになった。私たちは心配すべきか?
AI Can Now Design Functional Viruses. Should We Worry? (spectrum.ieee.org)
要約
スタンフォード大学の研究者たちが、AIのゲノム言語モデルを用いて、ゼロから16種類の機能的なウイルス(バクテリオファージ)を設計・作成することに成功しました。この進歩は、抗生物質耐性を持つ細菌に対抗するためのカスタムファージ療法の可能性を示す一方で、AIが悪用されて生物兵器が作成されるリスクも浮上させています。
全文翻訳
AIは機能的なウイルスを設計できるようになった。私たちは心配すべきか?
16種類という数は多くない。しかし、6月8日にScience誌に掲載された16種類の細菌感染性ウイルスは、普通のウイルスではなかった。
これらは、下水流から採取されたり、土壌サンプルから掘り出されたりしたものではなく、通常そのようなものが見つかる場所から来たものではない。それらは、膨大なDNA配列データで訓練されたゲノム言語モデルによって「書かれた」ものだ。スタンフォード大学の研究者たちは、AIによって初めて完全に機能的なゲノムが生成された、この小さなウイルスをゼロから設計した。
そして、それらは機能した。設計されたウイルス(バクテリオファージ、またはファージと呼ばれる)は、カクテルとして投与された際、モデルとなった自然界のウイルスに対する耐性をすでに進化させていた大腸菌株に感染した。これは、自然界のファージの同等の混合物ではできなかったことだ。
この進歩は、抗生物質がもはや効果を発揮しない細菌感染症と戦うために、特注のファージ療法がオーダーメイドで作られる未来を垣間見せる。
ファージ療法は1世紀以上にわたって感染症の治療に使われてきたが、この分野は生物学的および商業的なハードルの組み合わせに苦しんできた。個々のファージはしばしば狭い範囲の細菌しか殺せず、耐性は急速に進化する可能性があり、自然界に存在するファージは特許を取得するのが難しい。
AI設計ファージは、これらの制限の一部を回避する方法を提供する。Brian Hie氏、スタンフォード大学の計算生物学者で、新しい研究を主導した人物は、共同研究者たちがすでに、実験室の大腸菌株を標的とするのではなく、病原性細菌を殺す能力を持つファージを作成するためにモデルを使用することに関心を示していると述べている。
しかし、同じAI手法は、医療やバイオテクノロジーのために開発されたシステムが、ほとんど変更なしに生物兵器に転用されるという、長年の懸念を鋭くする、他の種類の生物学的エージェントをオンデマンドで構築するための技術的障壁も低下させる。
「問題は、生成的なウイルスゲノム設計が存在するかどうかではなくなった」と、ジョンズ・ホプキンス・センター・フォー・ヘルス・セキュリティの2人のバイオセキュリティ専門家は、付随する解説で書いている。「それは、社会がその恩恵を展開させつつ、深刻な危害を可能にすることを防ぐ監督体制を構築できるかどうかだ。」
ファージはどのように作られたか
「ゼロから設計された」という言葉の裏には、長いエンジニアリングのパイプラインがある。
研究者たちは、200万以上のバクテリオファージゲノムを含むデータセットで訓練されたEvo 2基盤モデルを使用した。しかし、この実験のために、研究者たちは、よく研究されているバクテリオファージであるΦX174の再設計版である、構築したい特定の種類のファージにモデルをさらに集中させるために、ターゲットファージ自身の近縁種約15,000ゲノムの追加セットでファインチューニングを行った。
次に、計算上の制約と品質管理フィルターを追加して、AIによって生成されたΦX174様配列が機能的なファージを生み出す可能性を最大化した。このプロセスにより、302の候補ゲノムが得られた。
これらのうち17は合成できなかった。残りの285のうち、大多数は細菌を感染・殺傷するという、あらゆるファージの最も基本的な機能を果たせなかった。最終的に「再起動」できたのは16種類だけであった。これは、合成DNA配列から感染性のある細菌殺傷ファージに変換できることを意味する。
この結果は、機械が機能的なウイルスゲノムを書き込めることを示している。ただし、DNA文字数5,400、遺伝子数11個の比較的小さなゲノムではある。しかし、それらの16個の機能するファージを生み出すのにかかった苦労を考えると、AIが具体的に何に貢献したのか、そしてこの手法が真に危険なヒト病原体を生み出す前に何が変わる必要があるのかを問う価値がある。
「現時点では、まだかなりの作業が必要だと思います」と、カリフォルニア州パロアルトにあるArc Instituteで共同研究を行うHie氏は述べている。「現時点では、非常に才能のある学際的なチームが必要になるでしょう」と彼は言い、Hie氏のチームが市場価格を支払う必要があった場合、プロジェクトにかかると推定されるDNA合成コスト10万~20万ドルについては言うまでもない。(Twist Bioscienceは割引価格でサービスを提供した。)
Hie氏は続ける。「ラボで再起動したいすべてのウイルスは異なり、最適化が必要な異なる実験条件があります。ドメイン固有の専門知識が大量に必要です。」さらに、「AIシステムが提案した遺伝的変化が病原性の向上にどのように寄与するかについては、十分な理解がありません。」と付け加えている。
これらのAI設計ファージはどれくらい新しいのか?
AI設計ウイルスが将来何になるかを遠くまで見通す前に、これらのウイルスが実際にどれほどの新規性を示しているかを問う価値もある。
オックスフォード大学の計算生化学者であるOliver Crook氏が主導した、スタンフォード大学のデータに対する独立した分析によると、16個の実行可能なファージゲノムは、平均してΦX174テンプレートと約97パーセント同一であった。家系図に置くと、AI設計ウイルスは、そこから分岐するのではなく、ファージの多様性の既存の広がりの中に収まった、とCrook氏は結論づけた。
言い換えれば、モデルは主に馴染みのある遺伝物質を新しい組み合わせに並べ替えていたのだ。「私たちが非常に平易な視点で見ると、元のウイルスの兄弟姉妹が見えました」とCrook氏は言う。「彼らは根本的に新しい方法で振る舞ったり、以前は持っていなかった分子メカニズムを使用したりしているわけではありません。」
しかし、配列の新規性が物語のすべてを語っているわけではない。AIによって生成されたいくつかのファージは、ウイルスの振る舞いを最終的に決定する特性である、3次元タンパク質構造、増殖速度、感染動態においてΦX174とは異なっていた、とHie氏の研究室で進化設計ラボの大学院生であり、論文の筆頭著者である合成生物学者のSamuel King氏は指摘する。
例えば、設計されたウイルスの1つは、DNAを新しいウイルス粒子に詰め込む、異常に短縮されたタンパク質を運んでいた。AIはこのタンパク質を、進化的に遠いファージから借用し、周囲のDNAを再配線することでΦX174ゲノム骨格上で機能させた。注目すべきは、類似の遺伝子交換が、従来の遺伝子工学によってΦX174に導入された際に、実行不可能であることが以前に示されていたことだ。「それはかなり新しい構成です」とKing氏は言う。
スイスのボトナー免疫工学研究所の化学エンジニアで、ファージ療法会社Locus Biosciencesの共同設立者であるChase Beisel氏にとって、このような瞬間は、AI設計ファージの真の可能性がどこにあるかを示している。それは、自然界には存在しないウイルスを出現させることではなく、進化がこれまで行ってこなかった、そして科学者が決してテストを思いつかないかもしれない遺伝的変化の組み合わせを探求することである。
「それは配列空間を探求し、新しい属性を発見するための新しい方法です」と彼は言う。「それは長期的には非常に役立つでしょう。」
この記事は、2026年10月号に「AI設計ウイルスを心配すべきか?」として掲載されています。