スタンフォード大学のEvo 2 AIがバクテリオファージを設計、大腸菌を精密攻撃

近日、スタンフォード大学の研究チームが画期的な成果を発表した。生成AIモデルEvo 2を活用し、約300種のバクテリオファージの設計・合成に成功し、そのうち16種が実験室テストで大腸菌に対する強力な殺菌能力を示したというものだ。この研究はAIのゲノム設計分野における実用的価値を実証するだけでなく、深刻化する抗生物質耐性問題にも新たな希望をもたらしている。

AIの配列から活性バクテリオファージへ

この研究の核心はバクテリオファージΦX174を対象としている。このファージは構造が単純で遺伝的背景が明確なため、分子生物学研究の古典的モデルとして長く位置づけられてきた。研究チームは膨大なゲノムデータで訓練された大規模言語モデルEvo 2を用いて、ΦX174の変異体DNA配列を一連生成した。その後、合成生物学技術によってこれらの配列を実際のバクテリオファージに変換し、大腸菌への感染・溶菌能力を実験室で検証した。

実験は順風満帆ではなかった。最初に合成した約300個のバクテリオファージ変異体のすべてが正常に機能したわけではない。系統的な活性スクリーニングを経て、研究チームは最終的に16個の優れた候補ファージを絞り込んだ。これらは大腸菌を効率よく認識・攻撃できるだけでなく、一定の配列多様性も示しており、今後の最適化に豊富な素材を提供している。

この研究の注目点は、AIが既知の配列を単純に組み合わせるのではなく、自然界にまだ存在しない「ゲノム空間」を探索できることであり、機能的な生物部品の発見を加速させるものだ。

Evo 2：ゲノム設計の「言語モデル」

Evo 2はArc Institute、スタンフォード大学、NVIDIAなどの機関が共同開発した、DNA・RNA・タンパク質配列を対象に訓練された生成AIモデルだ。従来のタンパク質構造予測ツールとは異なり、Evo 2の核心的能力はゲノムの「文法」と「意味」を「理解」し、生物学的法則に合致したDNA配列を必要に応じて生成することにある。以前にもCRISPR-Cas9関連タンパク質やトランスポゾン要素の設計に活用されており、今回のバクテリオファージ研究はさらにその応用範囲を広げた。

人間の言語と比較すると、遺伝子言語の複雑性は高く、大量の非コード領域や調節要素が存在する。Evo 2は数十億にのぼる進化的配列の学習を通じて、配列と機能の間に潜む関連性を捉え、予測可能な機能を持つDNAを生成できる。この「生成的設計」モデルは、生物工学における「試行錯誤駆動」の従来のパラダイムを根本的に変える可能性を秘めている。

ファージ療法：耐性菌に対抗する新たな希望

多剤耐性菌が世界規模で急速に拡大するなか、抗生物質の限界がますます明らかになっている。細菌に専門的に感染するウイルスであるバクテリオファージが、医療界で再び注目を集めている。バクテリオファージは高い特異性を持ち、通常は特定の細菌のみを攻撃するため、広域抗生物質のように人体の正常な腸内細菌叢を破壊することがない。しかし従来のバクテリオファージのスクリーニングと改変には時間とコストがかかり、臨床応用が制限されてきた。

AI技術の介入によって、ファージ療法に新たな活力が注入された。AIでバクテリオファージの配列を迅速に生成・最適化することで、研究者はかつて数か月かかっていた設計作業を数日以内に完了できるようになる。スタンフォードチームの成果は、AIによるバクテリオファージ設計の実現可能性と有効性を証明しただけでなく、将来的には特定の耐性菌株に対応するオーダーメイドの「精密除菌ソリューション」が実現できることを示唆している。

編集後記：AIによる生物設計が現実へ

AIによるタンパク質構造予測から完全なゲノムの設計まで、合成生物学は深層学習が牽引する革命的な変革を経験している。スタンフォード大学のこの研究の意義は、殺菌活性を持つバクテリオファージの製造に成功したことだけでなく、「AI→DNA→生命」というクローズドループのプロセスが迅速に検証可能であることを示した点にある。現時点ではオフターゲット効果や体内安定性といった課題が残るものの、モデルの進化と実験的検証能力の向上とともに、AI設計の生物システムが実験室や臨床の場で活用される機会はますます増えていくと予測できる。

もちろん、慎重な姿勢も必要だ。AIが生成した配列に未知のリスクが潜んでいないか？この種の技術が悪用されないためにはどうすればよいか？これらの倫理的・安全上の問題は、技術の発展と並行して考えていく必要がある。今回の大腸菌への「精密攻撃」は、AI生物学時代の成功したリハーサルと呼んで差し支えないだろう。

本稿はAI Newsより編訳。