何が起きたか
スタンフォード大学とArc Instituteの研究者らが、AIに「これまで存在しなかったウイルス」を設計させ、実際に機能させました。対象はバクテリオファージ（細菌にのみ感染するウイルス）です。ゲノムが小さく合成・改変がしやすいこと、そしてヒトには感染しないことから、実験材料として選ばれています。
使われたのは計算生物学向けの基盤モデル「Evo 1」「Evo 2」。動物・植物・微生物・細菌・ウイルスなど、生命のあらゆるドメインにまたがる数百万規模のゲノムで学習し、遺伝子の並び方、保存された配列、機能を成立させるための生物学的な制約といった進化のパターンを捉えています。
設計の足がかりになったのが、大腸菌に感染するファージ「Phi X-174」です。ただしこれを複製したわけではありません。「大腸菌に感染できる遺伝子アーキテクチャとはどういうものか」の手本として使い、そこから数千の全く新しいゲノムを生成させました。遺伝子構成や調節エレメントの有無などを基準に有望なものを絞り込み、300個を分子レベルで一から合成して大腸菌に導入。結果、完全に機能するファージになったのは16個でした。
なぜ重要か
ウイルスをゼロから合成する技術自体は数年前から存在します。抗ウイルス薬やワクチンの開発・評価のために使われてきました。ただしそれは、既知の病原体やその変異体を「再現する」作業が中心でした。今回の違いは、既知配列の複製ではなく、未発表・未知の配列を新規に生み出した点にあります。
生まれた16種は、菌を認識し、DNAを送り込み、複製し、新しいウイルス粒子を作って正しく組み立てる——という機能の骨格は保ちながら、実際のDNA配列は自然界のファージとかなり異なっていました。遺伝子構成も調節エレメントもゲノムサイズもばらつきがあり、感染が速いもの、複製能力が違うものが混在しています。つまりAIは「動作原理を写した」のであって「配列を写した」のではありません。
耐性菌にどう効いたか
実務的に重い意味を持つのは耐性菌の実験です。Phi X-174に対してすでに耐性を獲得した大腸菌株に、AI設計ファージの混合物と、Phi X-174に近い自然界のファージの混合物をそれぞれ当てました。AI由来のウイルスは細菌の耐性を素早く突破し、感染を成立させています。研究者はこれを「急速に進化する細菌病原体に対する、AI生成ファージ療法への道筋」と表現しました。病原体とほぼ同じ速度で進化できる個別化治療、という発想です。
同時に開いた扉
この成果は当然、悪用のリスクと表裏一体です。研究者ら自身が、新しい病気や高い毒性を持つ物質、あるいは新たなパンデミックを引き起こしうる病原体の設計に技術が転用される懸念に言及しています。AIによる生成物が「情報」ではなく「実際に増殖する物理的な存在」になり得ることを、今回の16種は実証してしまいました。
💼 事業会社視点：これは自社にどう効くか
日本企業にとって、この話は「バイオの遠いニュース」ではありません。第一に、製薬・食品・畜産・化粧品といったAI活用が遅れがちな領域で、生成AIが文書生成ではなく設計そのものを担う段階に入った実例が出た、ということです。国内製薬・アグリ企業の経営層は、Evo系のような生物学基盤モデルを自社の探索プロセスのどこに差し込めるか、パートナー選定を含めて今期中に評価に着手すべき段階に来ています。300個合成して16個という歩留まりは、裏を返せば「湿式実験の検証能力」が競争優位になるという意味で、CRO/CDMOや受託研究を持つ企業には追い風です。
第二に、これは全産業のリスク管理案件でもあります。研究者自身が生物兵器への転用懸念を明言している以上、生成AIを扱うSaaS・受託開発企業は、自社モデルやAPIが「物理世界で増殖するもの」の設計に使われうるかという観点をAI利用ポリシーに組み込む必要が出てきます。テキスト前提の従来ガイドラインでは射程が足りません。
第三に、示唆はより一般的です。AIが自然界の配列を写さずに機能する構造を生み出したという事実は、設計知識をブラックボックスとして持っていた業界——素材、化学、機械設計——にも同じ波が来ることを意味します。「うちの設計ノウハウは模倣されない」という前提を、経営会議の議題として一度崩してみることをおすすめします。