ただし、標的別の成績には0～90％という大きな差があった。このため、26.7％や35.1％という平均値を、どのような標的にも通用する普遍的な能力と解釈するのは危険だ。

ウェットラボでの検証はどこまで独立していたか

設計された1,320個のタンパク質を調べたところ、354個が意図した標的に結合した。全体の割合は26.8％で、MBPという標的だけは結合分子が1つも得られなかった。

検証では、Adaptyv Bioが設計情報を匿名で受け取り、DNAを合成してタンパク質を発現させたうえで、表面プラズモン共鳴法（SPR）により結合を測定した。試験には反復測定と品質管理も含まれていた。また、Twist Bioscienceも別に設計を製造し、検証している。

これは、コンピューター上のシミュレーションやベンチマークだけでなく、実際の試料を使って評価した点で重要だ。一方で、確認されたのはあくまで「標的に結合した」という事実である。治療効果、細胞内での働き、毒性、体内での安定性などが確認されたわけではない。

Claudeはどのような手順で設計したのか

出発点となったのは、タンパク質設計の専門家が作成した約3万トークンの初期プロンプトだった。その後、Claudeは人間による追加介入をほとんど受けずに、次のような作業を進めたとされる。

• 標的タンパク質に関する情報を調査する
• 結合部位を選ぶ
• 公開されている構造予測・タンパク質設計ツールを呼び出す
• 複数の専門ツールを組み合わせて候補を生成する
• 候補を評価し、絞り込みと順位付けを行う

対象には、過去から使われてきたベンチマーク標的に加え、既知の例を単に再現しただけにならないよう、比較的新しいコンペティションの標的も2つ含まれていた。

つまり、Claudeが単独で新しい生物学の原理を発見したというより、調査、ツール操作、候補生成、評価という複数工程を一つのワークフローとして自動化したことが今回のポイントだ。

人間の専門家を上回ったのか

Anthropicは、少なくとも6つの標的で高親和性のバインダーが得られ、少なくとも4つでは過去に報告された親和性と同等以上の結果になったと説明している。一部の上位候補は、従来発表された最良の設計より数倍強く結合したという。

RBX1を標的にした試験では、Claudeの報告上のヒット率は約40％だった。これは過去のコンペティション参加者の3.7％を上回り、以前の優勝設計よりも良い結果だったとされる。

もっとも、こうした比較は、標的、設計条件、候補数、評価方法が完全に同一であるかを確認しなければ慎重に扱う必要がある。「人間に勝った」という見出しだけで、創薬全体におけるAIの優位性が証明されたと考えるべきではない。

「結合できる」と「薬になる」の間にある距離

バインダーが標的に結合することは、薬の候補として有望な第一歩だ。しかし、医薬品になるまでには、少なくとも次のような課題が残る。

• 目的の標的だけに作用する選択性
• 標的の機能を実際に阻害・変更できるか
• 体内で分解されずに安定するか
• 細胞や組織へ届くか
• 薬物動態や免疫原性に問題がないか
• 毒性がないか
• 大量生産できるか
• 動物試験や臨床試験で有効性と安全性が確認できるか

特に今回の結果は、主に細胞外の標的を扱ったものだと批判されている。細胞内のタンパク質を狙うのは、バインダーを細胞内へ届ける必要があるため、より難しい。Martin Shkreliは、報告された親和性の一部は製薬用途を示唆するには弱く、細胞内標的への対応も不十分だと指摘した。

これらは重要な限界だが、設計されたタンパク質の多くが実験室で標的に結合したという測定結果そのものを否定するものではない。

Anthropicが描く創薬への展望

Anthropicは、タンパク質バインダーの設計と化学データの分析を、将来的に創薬を高速化する「全モダリティ型」のエンドツーエンド研究基盤の一部として位置付けている。Claude Scienceも、文献調査、データ分析、計算ワークフロー、図表や原稿の作成などを一つの環境で支援する構想として発表されている。

同社は、創薬の障壁にはモデルの能力だけでなく、実験設備、研究運用、データ、規制、アクセス管理といった要素もあると説明している。最も高度な生命科学機能は現在も一般公開が制限されており、審査済みの研究者や企業向けのアクセス制度を設ける方針を示している。

自律化がもたらす安全上の課題

今回のワークフローは、正当な治療研究に必要な時間や専門知識を減らす可能性がある。一方で、同じ自律化が、病原体の設計、毒素関連の研究、その他のデュアルユース生物学にも応用され得る。

そのためAnthropicは、最も高性能なモデルで高度な生物学研究を制限し、一般公開ではなく、管理された審査済みアクセスを重視している。一般的な生物学の質問への過剰な制限を減らす取り組みを進める一方、ウイルス学、毒物学、分子設計などの高リスク領域にはなお制限を設けている。

今後のガバナンス上の焦点は、正当な創薬研究を妨げずに、危険な生物学的設計を具体的に支援しない仕組みをどう作るかにある。

結論

今回の実験は、Claudeが既存のタンパク質設計ツールを自律的に組み合わせ、従来の目安を上回る割合で、実験室で機能する候補を生み出せることを示した。とりわけ、14 of 15の標的でバインダーが得られ、1,320設計中354個が結合を示した点は、初期探索の自動化における注目すべき成果だ。

しかし、これは新薬の自律的な発見でも、細胞内標的の問題の解決でもない。バインダーから医薬品に至るまでには、機能評価、最適化、製造、前臨床試験、臨床試験、規制審査という長い道のりが残っている。今回の本当の意義は、AIが創薬を終わらせたことではなく、創薬の最初の探索工程を、より自律的かつ大規模に実行できる可能性を示したことにある。

ただし、標的別の成績には0～90％という大きな差があった。このため、26.7％や35.1％という平均値を、どのような標的にも通用する普遍的な能力と解釈するのは危険だ。

ウェットラボでの検証はどこまで独立していたか

設計された1,320個のタンパク質を調べたところ、354個が意図した標的に結合した。全体の割合は26.8％で、MBPという標的だけは結合分子が1つも得られなかった。

検証では、Adaptyv Bioが設計情報を匿名で受け取り、DNAを合成してタンパク質を発現させたうえで、表面プラズモン共鳴法（SPR）により結合を測定した。試験には反復測定と品質管理も含まれていた。また、Twist Bioscienceも別に設計を製造し、検証している。

これは、コンピューター上のシミュレーションやベンチマークだけでなく、実際の試料を使って評価した点で重要だ。一方で、確認されたのはあくまで「標的に結合した」という事実である。治療効果、細胞内での働き、毒性、体内での安定性などが確認されたわけではない。

Claudeはどのような手順で設計したのか

出発点となったのは、タンパク質設計の専門家が作成した約3万トークンの初期プロンプトだった。その後、Claudeは人間による追加介入をほとんど受けずに、次のような作業を進めたとされる。

• 標的タンパク質に関する情報を調査する
• 結合部位を選ぶ
• 公開されている構造予測・タンパク質設計ツールを呼び出す
• 複数の専門ツールを組み合わせて候補を生成する
• 候補を評価し、絞り込みと順位付けを行う

対象には、過去から使われてきたベンチマーク標的に加え、既知の例を単に再現しただけにならないよう、比較的新しいコンペティションの標的も2つ含まれていた。

つまり、Claudeが単独で新しい生物学の原理を発見したというより、調査、ツール操作、候補生成、評価という複数工程を一つのワークフローとして自動化したことが今回のポイントだ。

人間の専門家を上回ったのか

Anthropicは、少なくとも6つの標的で高親和性のバインダーが得られ、少なくとも4つでは過去に報告された親和性と同等以上の結果になったと説明している。一部の上位候補は、従来発表された最良の設計より数倍強く結合したという。

RBX1を標的にした試験では、Claudeの報告上のヒット率は約40％だった。これは過去のコンペティション参加者の3.7％を上回り、以前の優勝設計よりも良い結果だったとされる。

もっとも、こうした比較は、標的、設計条件、候補数、評価方法が完全に同一であるかを確認しなければ慎重に扱う必要がある。「人間に勝った」という見出しだけで、創薬全体におけるAIの優位性が証明されたと考えるべきではない。

「結合できる」と「薬になる」の間にある距離

バインダーが標的に結合することは、薬の候補として有望な第一歩だ。しかし、医薬品になるまでには、少なくとも次のような課題が残る。

• 目的の標的だけに作用する選択性
• 標的の機能を実際に阻害・変更できるか
• 体内で分解されずに安定するか
• 細胞や組織へ届くか
• 薬物動態や免疫原性に問題がないか
• 毒性がないか
• 大量生産できるか
• 動物試験や臨床試験で有効性と安全性が確認できるか

特に今回の結果は、主に細胞外の標的を扱ったものだと批判されている。細胞内のタンパク質を狙うのは、バインダーを細胞内へ届ける必要があるため、より難しい。Martin Shkreliは、報告された親和性の一部は製薬用途を示唆するには弱く、細胞内標的への対応も不十分だと指摘した。

これらは重要な限界だが、設計されたタンパク質の多くが実験室で標的に結合したという測定結果そのものを否定するものではない。

Anthropicが描く創薬への展望

Anthropicは、タンパク質バインダーの設計と化学データの分析を、将来的に創薬を高速化する「全モダリティ型」のエンドツーエンド研究基盤の一部として位置付けている。Claude Scienceも、文献調査、データ分析、計算ワークフロー、図表や原稿の作成などを一つの環境で支援する構想として発表されている。

同社は、創薬の障壁にはモデルの能力だけでなく、実験設備、研究運用、データ、規制、アクセス管理といった要素もあると説明している。最も高度な生命科学機能は現在も一般公開が制限されており、審査済みの研究者や企業向けのアクセス制度を設ける方針を示している。

自律化がもたらす安全上の課題

今回のワークフローは、正当な治療研究に必要な時間や専門知識を減らす可能性がある。一方で、同じ自律化が、病原体の設計、毒素関連の研究、その他のデュアルユース生物学にも応用され得る。

そのためAnthropicは、最も高性能なモデルで高度な生物学研究を制限し、一般公開ではなく、管理された審査済みアクセスを重視している。一般的な生物学の質問への過剰な制限を減らす取り組みを進める一方、ウイルス学、毒物学、分子設計などの高リスク領域にはなお制限を設けている。

今後のガバナンス上の焦点は、正当な創薬研究を妨げずに、危険な生物学的設計を具体的に支援しない仕組みをどう作るかにある。

結論

今回の実験は、Claudeが既存のタンパク質設計ツールを自律的に組み合わせ、従来の目安を上回る割合で、実験室で機能する候補を生み出せることを示した。とりわけ、14 of 15の標的でバインダーが得られ、1,320設計中354個が結合を示した点は、初期探索の自動化における注目すべき成果だ。

しかし、これは新薬の自律的な発見でも、細胞内標的の問題の解決でもない。バインダーから医薬品に至るまでには、機能評価、最適化、製造、前臨床試験、臨床試験、規制審査という長い道のりが残っている。今回の本当の意義は、AIが創薬を終わらせたことではなく、創薬の最初の探索工程を、より自律的かつ大規模に実行できる可能性を示したことにある。