スタンフォードのEvo 2モデルがバクテリオファージ配列を生成――16種の変異体が大腸菌殺滅活性を示す

スタンフォード大学の研究チームは、生成AIモデルEvo 2を用いてΦX174ファージの変異体DNAシーケンス約300種を設計・合成し、最終的に16種の変異体が実験室テストで大腸菌に対する殺滅能力を示したと発表した。この結果はモデルが生成した配列の活性スクリーニングから直接得られたものであり、AI設計の一部バクテリオファージが感染・溶菌プロセスを完遂できることを実証した。

事実の整理

研究は、構造がシンプルで遺伝的背景が明確な古典的モデルファージΦX174を出発点としている。チームはEvo 2が生成した配列を合成生物学的手法によって実際のファージ粒子へと変換し、その後感染実験を実施した。最初に合成した約300種の変異体のうち、活性スクリーニングを通過したのはわずか16種であり、これらは一定の配列多様性を保ちながら大腸菌を認識・攻撃する能力を示した。これらの事実はすべて実験的検証の段階に由来するものであり、臨床応用データは含まれていない。

メカニズムの解説

Evo 2モデルは膨大なゲノムデータで学習されており、DNA配列と機能との相関を捉えることができる。従来のタンパク質構造予測とは異なり、このモデルはDNA・RNA・タンパク質配列を対象とした生成的設計を行い、自然界に存在しない配列空間を探索する。研究によれば、モデルが生成した配列は単純な組み合わせではなく、生物学的法則に従っており、一部の変異体はバクテリオファージとしての機能を実現することに成功した。このプロセスはAIによる配列生成と合成生物学的検証を組み合わせ、モデル出力から活性粒子へと至る一連の流れを形成している。

産業への影響

開発者にとって、Evo 2は生成モデルが機能的な生物部品の発見を加速し、従来の試行錯誤サイクルを短縮できることを示した。企業ユーザーにとっては、多剤耐性菌問題への対応として、バクテリオファージ療法に関連する研究開発に新たなツールが提供される可能性がある。競争環境の面では、こうしたAIツールの登場が合成生物学分野をスクリーニング主導から設計主導へと転換させる可能性があるが、現時点ではまだ実験室段階にとどまっており、大規模な実用化には至っていない。

戦略的考察（分析）

現時点の実験結果を踏まえると、AI設計によるバクテリオファージの実現可能性は初歩的に実証されており、将来的には他の細菌標的へと応用が拡大する可能性がある。しかし、生成された配列が未知のリスクを内包していないか、また技術の悪用をどのように防ぐかについては、技術の発展と並行して評価し続ける必要がある。研究資料ではAIが生成した配列が倫理的・安全上の問題を生じさせる可能性があることが明示されており、慎重な姿勢が求められる。短期的には、さらなる実験室検証がこのアプローチをモデルから実際の応用へと発展させられるかどうかを左右することになる。

総じて、今回の研究はAIの生成能力とバクテリオファージの活性検証を組み合わせ、ゲノム設計に新たな道筋を示した。しかし同時に、生物安全に関する議論も浮上している。今後の展開は、さらなる実験データと規制の枠組みの整備にかかっている。