OpenAI Codex と ChatGPT が抗菌分子の発見を加速

TL;DR

OpenAI は、研究者が Codex と ChatGPT を活用して、抗菌分子の初期段階の発見を加速していると発表しました。候補リストの生成にかかる時間は、従来の数年から数時間に短縮されています。

AI駆動の生物学的「コード」探索が発見プロセスを短縮

生物工学の César de la Fuente 氏の研究室では、DNA およびタンパク質配列を情報システムとして扱い、深層学習モデルを訓練して、膨大なゲノムおよびプロテオームデータベースにおける機能的パターンを認識させています。AI を用いてこれらのデータセットをスキャンすることで、従来の発見プロセスが数年かかるのに対し、数時間で実験検証に適した候補分子の絞り込みが可能になります。

研究ワークフロー全体に Codex と ChatGPT を統合

仮説の生成 – ChatGPT はブレインストーミングのパートナーとして、研究チームが研究課題を立案・精緻化するのを支援します。
コードの作成と改善 – Codex は自然言語のプロンプトを実行可能なスクリプトに変換し、プログラミング経験が限られた生物学者が大規模なデータセットを処理・分析できるようにします。
データの取り扱い – AI ツールがゲノムおよびタンパク質データをダウンロード、整理、前処理し、手動でのデータ整備作業を削減します。
多分野間のコミュニケーション – ChatGPT は用語の説明、他の分野の手法の要約、さらには研究者の母国語への翻訳を提供し、生物学、化学、コンピュータサイエンス、工学の間の障壁を低減します。

「Codex と ChatGPT はそのギャップを埋める助けとなり、生物学者がプログラムを作成できるようにし、プログラマーが生物学的課題に取り組めるようにします。」 – César de la Fuente

AI予測から実験的検証へ

AIで同定された候補は、依然として厳格な実験プロセスを通過する必要があります：

in-vitro 効果 – ターゲット微生物を殺す能力を確認し、最小有効濃度を決定する。
細胞毒性 – 人間の細胞に対する毒性を評価する。
医薬化学的最適化 – 効力、安全性、安定性を向上させる。
薬物動態および耐性プロファイリング – 劑量、分布、耐性発生の可能性を評価する。
製造可能性および規制審査 – 臨床試験前にスケーラブルな生産と規制適合を確保する。

de la Fuente 氏は、AIの予測は「現実の実験」に結びついて初めて有用であると強調し、各段階で実験室での検証の必要性を強調しています。

AIによって可能になった多分野連携

研究室のメンバーは生物学、化学、コンピュータサイエンス、工学の分野にまたがっています。AIツールは専門知識の門檻を下げ、メンバーが以下を可能にします：

不慣れな文献を迅速にレビューする。
深いプログラミング訓練なしにコードを生成・テストする。
異なる視点を統合する共有 ChatGPT ワークスペースでアイデアを共有する。

「私たちの ChatGPT ワークスペースには、私たちが取り組もうとしている問題について異なる考え方を持つさまざまな人々からの入力が寄せられています。」 – César de la Fuente

限界と安全対策

AIは仮説の生成やデータ処理を加速しますが、研究者たちはすべての出力が正確性について二重チェックされる必要があると警告しています。実験的検証なしにAIに過度に依存すると、誤った道に進む可能性があります。

広範な意義

生物学的配列をアルファベットと捉え、大規模言語モデルを用いて機能的パターンを解読するこのアプローチは、薬物発見の新しいパラダイムを示しています：AIを先頭に据えた候補スクリーニングの後、ターゲットの実験室検証を行うものです。このワークフローが広く採用されれば、新規抗菌薬がテストプロセスに到達するスピードが劇的に向上し、抗菌薬耐性という世界的な緊急課題に対処できるようになるでしょう。

今後の展望

de la Fuente 氏は、AIを、望遠鏡や顕微鏡といった科学的道具の長い伝統の最新の延長として位置づけています。AIモデルと実験生物学の継続的な共進化により、「生命のコード」に対する理解が深まり、かつてはアクセスできなかった治療的可能性が開かれるでしょう。