スタンフォード大学の研究室で、研究者たちはバクテリアで満たされたペトリ皿の上に透明な斑点が広がっていくのを観察していた——それは、彼らが完全にコンピュータの中だけで構築したものが、まさに生命を得たという紛れもない兆候だった。そのバクテリアを一掃していた生物は自然界から採取されたものではない。コンピュータモデル「Evo」によって生成され、その後化学的にゼロから合成されたAI設計ウイルスであり、その結果は今やスタンフォードの地下実験室をはるかに超える問いを投げかけている。
Summary
主なポイント
- スタンフォード大学とArc Instituteが開発したAIモデル「Evo」は、70万通りのウイルスゲノム候補を提案し、そのうち285個が化学合成され、16個が複製しバクテリアを殺すことができるウイルスを生み出した。
- Evoはまず、数百万種の動物・植物・微生物・ウイルスから得られたおよそ9兆塩基のデータで訓練され、その後バクテリオファージPhi X-174の11個の遺伝子と約1万5,000個の関連ゲノムに特化して学習した。
- AI生成ウイルスは自然界のウイルスと同等の強さを持ち、一部は自然のファージPhi X-174そのものよりも速く複製した。
- 現在の米国国立衛生研究所（NIH）のバイオセーフティ規則は、病原体をより危険にする実験を禁止しているが、「懸念対象（entity of concern）」を伴わない限り、純粋に計算機上で行われるウイルス設計は明確には対象としていない。
- ジョンズ・ホプキンス大学ヘルスセキュリティセンターのMoritz Hankeを含む専門家たちは、AIが現在可能にしていることと、それを規制しようとするルールとの間に広がるギャップを警告している。
AIモデルEvoが細菌用の新規ウイルスゲノムを設計
Evoは、大規模言語モデルの遺伝子版のように機能し、ChatGPTが文章中の次の単語を予測するのと同じ要領でDNA配列を予測する。ただし言語ではなく、生命の遺伝コードそのものに書き込まれたパターンを学習した。スタンフォード大学とArc Instituteを拠点とするチームは、この種のパターン認識が、個々のタンパク質や抗生物質の設計を超えて、実際に機能するウイルスを生み出せるかどうかを確かめようとした。
Evoはどのように訓練されたか
モデルの「教育」は2段階で行われた。Evoの初期訓練では、動物・植物・微生物・ウイルス界にまたがる数百万種の生物から得られた約9兆塩基のデータが用いられ、生命の系統樹全体に共通するパターンを吸収した。その広範な基盤の上に、2回目の専門的な訓練が続き、今度はバクテリオファージPhi X-174の11個の遺伝子と、その最も近縁な約1万5,000個のゲノムに的を絞った。スタンフォード大学の博士課程学生で論文共著者のSamuel Kingにとって、このように訓練を重ねることはごく自然な選択に思えたという。「次の明らかな一歩のように感じました」と彼は語る。
70万候補から16個の機能するウイルスへ
訓練を終えたEvoは、70万通りのウイルスゲノム候補を提案した。研究者たちはその膨大な候補群から最も有望なものを絞り込み、285個の配列をDNAとして化学合成し、それらをバクテリアに挿入して何が起こるかを観察した。そのうち16個の配列が、複製能力を持ち、そして決定的な点として、標的バクテリアである大腸菌を殺す能力を持つウイルスを生み出した。Kingと同僚たちは、ペトリ皿の上に透明な斑点が現れるのを見て、ファージが機能していることに夜明け前の時間帯に気づいたという。「透明な斑点が出始めていて、本当に興奮しました」とKingは語る。スタンフォード大学のBrian Hie助教によれば、より大きなチームが結果を目にしたとき、「部屋は自然発生的に拍手に包まれた」という。
AI設計ウイルスは実験室で実際どう機能したか
実験から生まれた16個のウイルスは、壊れやすい実験室の珍品ではなかった。自然界に存在するウイルスと同等の性能を示し、場合によってはそれらを上回った——この結果は、研究に関与していなかった研究者たちさえ驚かせた。
ロバスト性、速度、そして科学的マイルストーン
設計されたウイルスは自然のウイルスと同等のロバスト性を示し、一部はPhi X-174そのものよりも速く複製した。「既存のものの病弱なバージョンというわけではありません」と、研究には参加していないオックスフォード大学のタンパク質化学者Oliver Crookは語る。マンチェスター大学の合成生物学者Patrick Caiは、この研究を「重要なマイルストーン」と呼び、「その意義はファージをはるかに超えています——ゲノム言語モデルが進化によってコード化された設計原理を学び始めていることを示しており、AI支援によるゲノム記述への扉を開くものです」と付け加えた。ポンペウ・ファブラ大学の合成生物学研究室に所属するMarc Güellは、これを「非常に重要な転換点」と表現し、その理由として「初めて、私たちはコンピュータ上で生物学を設計し始めている」と述べた。
とはいえ、Crookは期待を抑えることにも注意を払った。AIは根本的に新しいものを発明したわけではなく、得られたウイルスは自然種と非常によく似ており、まったく新しい仕組みではなく同じ基礎的な生物学に依存している。Evoが他のウイルスファミリーでも同じことを成し遂げられるかどうかは、依然として未解決の問題だ。このアプローチが一般化できるのであれば、とCrookは言う、それは医学やバイオテクノロジーにとって真に有用なツールを生み出しうる。「多くの科学は、技術としてのウイルスに依存しています」。参考までに、チームが扱ったファージのゲノムは約5,400塩基対であるのに対し、最小の生細胞でも約50万塩基対、人間のゲノムは約30億塩基対に達する——この差を踏まえ、Hieは単純な生物を設計することは「おそらく非常に大変だが、不可能ではない」とし、チームが「間違いなくその実現に向けて取り組むことに関心を持っている」と述べている。
計算機上のウイルス設計をめぐるバイオセーフティの抜け穴
このブレイクスルーは、AIモデルが画面上で生成できるものに対して、米国のバイオセーフティ政策がまだ追いついていないタイミングで起きた。そのミスマッチこそが、人工知能に導かれたウイルスゲノム合成をめぐる議論の中心にある。
米国のバイオセーフティ規則がカバーしていないもの
7月下旬、国立衛生研究所（NIH）は高リスク生命科学研究に関する方針を発表し、より危険な病原体変異株の作成を禁止した。しかし、ウイルスDNAをコンピュータ上で設計するだけで、実際に構築はしないといった、完全に計算機上で行われる作業は、同機関によれば「懸念対象（entity of concern）を伴わない限り」対象外となる。この区別は、明らかに危険と分類されている天然痘のようなものには適用しやすい。一方で、問題のウイルスが既知の病原体リストではなくAIモデルから生み出された場合には、状況ははるかに不透明になる。まさにその種の曖昧さが、バイオセーフティ規制とAIをめぐる政策が追いつこうともがく中での議論を形作っている。
予防措置と専門家の警告
スタンフォード大学とArc Instituteのチームは、規制当局が追いつくのを待たなかった。訓練フェーズを通じて、Evoは人に感染するウイルスや、動物・植物・菌類に影響を与える関連病原体に関する情報には一切触れなかった——つまり、このモデルはそもそもそれらの遺伝配列を生成できない。「私たちの意図は、単に最大限の注意を払うことでした」とBrian Hieは語る。ジョンズ・ホプキンス大学ヘルスセキュリティセンターのMoritz Hankeは、この決定を「非常に称賛に値する」と評価した。特に、そうすることを義務づける公式なルールが存在しない中での判断だったからだ。「彼らは、何をすべきかについてどこからも指針を得ていないのですから」と彼は言う。
Hankeと、同じくジョンズ・ホプキンス大学のThomas Inglesbyは、学術誌Scienceに掲載された論文と併載のコメントの中でさらに踏み込み、この成果は「緊急のバイオセーフティおよびバイオセキュリティ上の問題」を提起していると警告した。彼らが主張する本当の論点は、今後ウイルスゲノムの生成的設計が存在するかどうかではなく——それは明らかにすでに存在している——それが「深刻な被害を引き起こすことなく」利用できるかどうかだ。Hankeは懸念を率直に述べた。「私がこれまで見たことのないもののリスクは何なのか？」と彼は問い、科学の進歩の速さと安全策の整備の遅さとの間に「巨大な断絶」があると表現した。彼の最悪のシナリオは、想像するのは難しくない。「『ねえ、ゲノム言語モデル、もっと感染力が高くなるように、あるいはもっと致死的になるように改変したインフルエンザゲノムを作ってくれ』と言えてしまうかもしれないのです。」
なぜ重要か：9兆塩基の訓練データとPhi X-174に特化した追補的な学習ラウンドを用いて、Evoが数カ月で16個の機能するバクテリオファージを設計できたのと同じ計算上の近道は、汎用的な手法である。基盤となる技術のどこにも、それを無害な細菌キラーに限定する要素はない。まさにそこがHankeとInglesbyが指摘しているギャップだ。政策よりも速いペースで進歩する研究手法が、合成生物学研究の分野で、新薬の設計と新たなリスクの設計との境界をますます曖昧にしている。
現時点では、研究者たちは、自分たちが講じた安全策——人に感染するウイルスのデータを除外し、バクテリオファージのみに取り組み、すべてを安全な実験室内で実施する——によって、この技術を害ではなく利益の方向に大きく向けられていると述べている。Hieは、このアプローチには新薬や治療法、特に抗生物質耐性感染症に対するファージ療法などを通じて「人間の健康を大きく向上させる」可能性があると主張する。その約束がPhi X-174以外でも成り立つのか、そして次のバージョンの実験がより制御の難しい標的を狙う前に規制当局が動くのか——この2つの問いが、AI設計ウイルスの今後を規定することになりそうだ。
FAQ
AI設計ウイルスは実験室試験でどの程度有効でしたか？
合成された285個のウイルスゲノム配列のうち、16個が実験室内で複製し、バクテリアを殺すことができるウイルスを生み出しました。
AIモデルEvoの訓練にはどのようなデータが使われましたか？
Evoはまず、数百万種の動物・植物・微生物・ウイルスから得られた約9兆塩基のデータで訓練され、その後、ファージPhi X-174の11個の遺伝子と約1万5,000個の関連ゲノムに特化して学習しました。
現在の米国のバイオセーフティ政策がAI設計ウイルスを規制していないのはなぜですか？
純粋に計算機上で行われるウイルスDNA設計は、「懸念対象（entity of concern）」を伴わない限り、現在の米国NIHの方針では対象外とされており、そのためAI設計ウイルスに対する規制上の空白が生じています。
Evoの訓練中に科学者たちはどのような予防措置を講じましたか？
人に感染するウイルスや関連病原体に関するデータを除外し、AIが潜在的に有害な人感染性ウイルスゲノムを生成できないようにしました。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”AI設計ウイルスは実験室試験でどの程度有効でしたか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”合成された285個のウイルスゲノム配列のうち、16個が実験室内で複製し、バクテリアを殺すことができるウイルスを生み出しました。”}},{“@type”:”Question”,”name”:”AIモデルEvoの訓練にはどのようなデータが使われましたか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Evoはまず、数百万種の動物・植物・微生物・ウイルスから得られた約9兆塩基のデータで訓練され、その後、ファージPhi X-174の11個の遺伝子と約1万5,000個の関連ゲノムに特化して学習しました。”}},{“@type”:”Question”,”name”:”現在の米国のバイオセーフティ政策がAI設計ウイルスを規制していないのはなぜですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”純粋に計算機上で行われるウイルスDNA設計は、「懸念対象（entity of concern）」を伴わない限り、現在の米国NIHの方針では対象外とされており、そのためAI設計ウイルスに対する規制上の空白が生じています。”}},{“@type”:”Question”,”name”:”Evoの訓練中に科学者たちはどのような予防措置を講じましたか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”人に感染するウイルスや関連病原体に関するデータを除外し、AIが潜在的に有害な人感染性ウイルスゲノムを生成できないようにしました。”}}]}
本記事は人工知能の支援を受けて作成され、編集部による確認を経ています。
