英スタートアップ、実験を省く創薬AI 合成データで開発加速へ

英政府の支援を受けるスタートアップ、Potential Sciencesは、創薬に対して少し変わったアプローチを取っています。時間もコストもかかる湿式実験に大きく依存するのではなく、コンピューターが生成した生化学データでAIモデルを訓練しようというのです。合成データセットを使えば、物理的な実験だけに頼るよりはるかに速く化学空間を探索できる——というのが同社の賭けです。 創薬は昔から、実験室での作業のコストと難しさに縛られてきました。実験には時間がかかり、専用の機材が必要で、なかなかスケールしません。もしモデルがシミュレーションデータから学べるなら、研究者は現実の試験に踏み切る前に有望な化合物を絞り込めるようになります。必要な実験の数を減らし、初期段階の研究を加速できる可能性があります。このアプローチは、データが乏しかったり手に入れるのに高くついたりしがちな科学の世界で、AIを使ってボトルネックを近道する動きの広がりも反映しています。 ただし、明らかなリスクがあります。シミュレーションのデータは現実の生物を反映していないかもしれません。コンピューターが生成した例で訓練されたモデルは、もっともらしく見えても、生きたシステムで試すと失敗するパターンを学んでしまう可能性があります。これは計算生物学では長く指摘されてきた懸念であり、Potential Sciencesにとっての中心的な問いでもあります。同社は、合成データが美しい予測を生むだけでなく、実際の実験を導くのに十分役立つことを示す必要があります。 英政府の支援は、政策立案者がこのアイデアに可能性を感じていることをうかがわせますが、科学は最終的に結果で評価されます。うまくいけば、初期の創薬の進め方が変わるかもしれません。AIモデルが探索の多くを担い、実験室は最も信頼できる候補に集中する、という形です。うまくいかなければ、計算を速くしても生物学的な現実を完全には置き換えられないという教訓になるでしょう。つまりこのスタートアップは、技術的な手法と戦略的な問いの両方を試しているのです。現実が口を挟む前に、創薬のどこまでをベンチからコンピューターへ移せるのか、という問いを。