AIで抗菌分子探索を「年単位から時間単位」へ──OpenAIがCodexとChatGPTの研究利用事例を公開

OpenAIが、CodexとChatGPTを使って新しい抗菌分子候補を探す研究事例を公開しました。ペンシルベニア大学のCésar de la Fuente氏の研究室では、生物のゲノムやタンパク質配列をAIで探索し、抗菌薬候補の初期探索を年単位から時間単位へ短縮できる可能性を示しています。

薬剤耐性菌は世界的な課題です。OpenAIの記事では、2021年に約500万人の死亡が細菌性抗菌薬耐性に関連し、2050年までに年間負担がほぼ倍増する可能性があるという研究も引用されています。

生物を「情報システム」として読む

De la Fuente氏の研究室は、DNAの塩基配列やタンパク質・ペプチドのアミノ酸配列を、機能分子を生む情報として扱います。深層学習モデルで膨大なゲノム・タンパク質データを調べ、感染性微生物に作用する可能性がある分子候補を絞り込みます。

CodexとChatGPTの役割

研究室では、独自AIモデルに加えて、CodexとChatGPTを仮説整理、コード作成、データセットの前処理、分析結果の解釈に使っています。生物学、化学、コンピュータ科学、工学が交差する研究では、専門外の概念や実装を橋渡しする支援が価値を持ちます。

重要なのは、AIが研究者を置き換えるというより、探索空間を広げ、反復速度を上げる点です。候補分子が見つかっても、実験によるグラウンドトゥルース検証が不可欠であり、薬として承認されるまでには多くの段階が残ります。

ビジネスへの含意

ライフサイエンス企業にとって、AIは創薬の初期探索、文献調査、データ処理、実験計画の補助で導入余地があります。研究DXの投資判断では、モデルそのものだけでなく、実験データの品質、研究者のワークフロー、知財管理、検証設備との接続が成果を左右します。

同時に、医療・創薬領域では過度な期待は禁物です。AIが有望候補を示しても、安全性、有効性、製造可能性、規制対応は別問題です。企業は「探索の高速化」と「薬になる確率」を分けて評価する必要があります。

参考：OpenAI公式 / The Lancet AMR論文