科学者の副業：AIと量子コンピューティングで新規ペプチドを生成

従来の創薬における高コストと長い開発サイクルの前に、希少疾患や顧みられない患者層の治療ニーズは、大手製薬企業によってしばしば後回しにされてきた。今、一群の科学者たちが新たな道を切り開こうとしている——人工知能（AI）と量子コンピューティングの組み合わせを活用し、極めて低コストで新規ペプチド分子を生成することで、こうした「市場の空白」領域に希望の光をもたらそうとするものだ。一見「副業」とも思えるこの研究が、近日『WIRED』誌に掲載され、業界の注目を集めている。

量子コンピューティング＋AI：創薬の「新たなエンジン」

ペプチド分子は低分子薬と生物製剤の中間に位置し、高い特異性と低毒性を持つ。しかし天然ペプチドは酵素によって分解されやすく、半減期が短いという欠点がある。計算によって安定かつ生物活性を持つペプチドを設計することは、薬物化学における長年の難題だった。従来の手法は大量の実験的スクリーニングに依存しており、効率が低かった。今回の研究チームは量子コンピューティングとAIを革新的に組み合わせた：量子コンピューティングは量子ビットの重ね合わせとエンタングルメントの特性を利用し、広大な化学空間を並列探索することで最適分子構造に迅速に近づく。一方AIは深層学習により既存データベースからペプチド配列と活性の関係を学習し、量子探索の方向性を導く。両者は相互補完し、設計プロセスを数カ月から数日へと短縮する。

「これは単なる技術の積み重ねではなく、思考の転換です——高価なハイスループットスクリーニングはもはや必要なく、AIがどこを計算すべきかを教え、量子コンピューターが最も有効な可能性のある分子を算出するのです。」——研究責任者 Isabella Ward

「副業」の背後にある現実の困難

注目すべきは、この研究が大手製薬企業や政府資金によって主導されたものではなく、科学者たちが余暇を利用し、自己資金で完成させたものだという点だ。研究チームは複数の大学とスタートアップ企業から集まり、希少疾患の創薬における「市場の失敗」に共同で着目した——世界に約7,000種類存在する希少疾患のうち、承認された治療法があるのはわずか5%に過ぎない。患者数が少なく商業的リターンが低いため、製薬企業は投資に消極的だ。一方ペプチド分子は適度な分子量を持ち、合成・改変が容易なことから、低コスト創薬の理想的な候補となっている。AIと量子コンピューティングを通じ、研究者たちは特定の標的（希少疾患関連変異タンパク質など）に対する候補ペプチドを迅速に設計し、その後実験室で検証することで、早期探索コストを大幅に削減できる。

しかし、現実の課題は依然として深刻だ。現在の量子コンピューティングハードウェアはNISQ（ノイズのある中規模量子）時代にとどまっており、量子ビット数が限られエラー率が高いため、実際の分子シミュレーションに直接適用するには精度が不十分だ。研究チームはハイブリッド計算（量子＋古典）と誤差緩和技術を用いてシミュレーター上で初期結果を得たが、実際のハードウェア上で大規模なペプチド設計を実行するには、さらに数年間の技術進歩が必要だ。さらに、計算された分子から臨床薬物に至るまでには、合成、in vitro/in vivo試験、臨床試験という長い過程を経る必要があり、候補分子の約90%は早期段階で失敗に終わる。

編集後記：イノベーションには「本業外」の活動が必要だ

この「副業」研究は、深い矛盾を映し出している：最もイノベーションを必要とする領域が、商業的インセンティブを最も欠いているということだ。希少疾患の創薬が持つ高リスク・低リターンの構造は、市場を自然と遠ざける。AIと量子コンピューティングの組み合わせは、リスクを低下させる可能性を提示している——まず計算によって探索経路を大幅に短縮し、その後最も有望な分子の検証にリソースを集中させるというものだ。この「計算先行」モデルは、タンパク質構造予測（AlphaFoldなど）においてすでに実証されており、今それがペプチド設計へと拡張されるのは、自然な次のステップと言えるだろう。

もちろん、その即時的な影響力を過大評価すべきではない。量子コンピューティングはまだ初期段階にあり、AIモデルには高品質なデータが必要だが、希少疾患領域ではデータが希少だ。しかし真のブレークスルーはしばしば「余暇時間」のひらめきから始まる——科学者がKPIや論文のためではなく、現実世界で顧みられない問題の解決のために研究するとき、破壊的イノベーションが生まれる可能性がある。おそらく私たちは、このような「副業」をもっと奨励すべきだろう：ツールを自由に組み合わせ、好奇心に導かれ、計算技術が人類の最も脆弱な健康の領域に希望の光を灯せるように。

本記事はWIREDより編訳