何が起きたか
スタンフォード大学とArc Instituteの研究チームは、AIモデル「Evo」に細菌に感染するウイルス（バクテリオファージ）のゲノム設計を行わせました。The New York Timesが伝えた歩留まりの詳細によれば、Evoが提案した候補ゲノムは70万件。そこから有望なものだけを追い、285本をDNAとして化学合成して細菌に導入した結果、16本が増殖能を持つウイルスになりました（プレプリントでは合成ゲノム数を302本としています）。
Evoの作りは大規模言語モデルに近く、学習対象がテキストではなく生物データである点が違います。最初の学習では動物・植物・微生物・ウイルスにまたがるおよそ9兆塩基を読み込み、生命全体に共通するパターンを獲得。続いて約200万件のファージゲノム、さらにPhi X-174の11遺伝子とその近縁種およそ1万5000件で専門化させました。標的にしたphiX174は遺伝子11個・DNA約5000文字という、ゲノムとしては極小の対象です。
なぜ重要か
注目すべきは「AIが新しい生物学を発明した」ことではありません。オックスフォード大学のOliver Crook氏は、生まれたウイルスは天然種に非常に似ており同じ生物学に依存していると指摘し、他のウイルス群でもEvoが通用するかは未知だと述べています。合成DNAの草分けであるJ. Craig Venter氏に至っては、手法を「試行錯誤実験の高速版にすぎない」と評しました。
それでも意味があるのは、探索の単位が変わったからです。70万件の設計案を出し、285本だけ合成して16本当たる——この比率は、ドライ（計算）で候補を絞りウェット（実験）で検証するループが、人手の直感より広い空間を舐められることを示します。NYU Langone HealthのJef Boeke氏は、遺伝子の並び順や配置に人間が考えなかった「予想外」の変更が含まれていた点を評価し、AIの出来を「驚くほど良い」と述べました。マンチェスター大学のPatrick Cai氏は「重要なマイルストーン」と呼んでいます。
規制は追いついていない
技術より遅れているのがガードレールです。米国立衛生研究所（NIH）は7月下旬、病原体をより危険にする実験を禁じる高リスク生命科学研究の方針を出しましたが、コンピュータ上でウイルスDNAを設計するだけの計算作業は「懸念対象の実体が関わる場合を除き」対象外とされています。ジョンズ・ホプキンス健康安全保障センターのMoritz Hanke氏は、天然痘なら分類は明確でもAI生成ウイルスはそうではないとし、「見たことのないものの risk とは何か」と問い、研究と規制の間に「大きな断絶がある」と述べました。
実際に効いたのは自主規制でした。チームはEvoにヒトへ感染するウイルスも、動物・植物・真菌の関連病原体も学習させておらず、そもそもモデルがそれらのゲノムを生成できません。Hanke氏はこれを「かなり称賛に値する」と評価しています。公式ルールが求めていない制限を、当事者が先に引いた形です。
応用と限界
用途として挙がるのは、多剤耐性菌に対するファージ療法や、ウイルスを運び屋に使う遺伝子治療です。一方で細胞への飛躍は容易ではありません。E. coliのDNA量はphiX174のおよそ1000倍。Boeke氏は複雑さが「宇宙の素粒子数よりはるかに多い」水準へ跳ね上がると表現します。Ginkgo BioworksのCEO Jason Kelly氏は、AI生成ゲノムを自動ラボが連続検証してモデルに戻す体制を国家的優先事項にすべきだと主張しています。
💼 事業会社視点：これは自社にどう効くか
経営視点での含意は、生成AIの適用先が「言語」から「設計図そのもの」へ移り始めたことです。日本の製薬・化学・食品素材メーカーにとって、競争軸は候補分子の数ではなく、ドライ（計算設計）とウェット（実験検証）を往復する回転速度に移ります。70万→285→16という歩留まりは、逆に言えば「合成と評価のスループットが低い組織はAIの提案を消化しきれない」ことを意味します。研究開発を持つ企業の役員はまず、外注検討の前に自社の実験ターンアラウンド時間を測るべきです。
受託開発・SIerには具体的な需要が立ちます。Kelly氏が構想する「自動ラボが検証結果をモデルへ戻すループ」は、要はLIMS・実験ロボット・モデル再学習をつなぐシステム統合案件です。バイオ側の内製は難しく、データ基盤とMLOpsの経験がそのまま効く領域です。
SaaS・EC事業者にとっても他人事ではありません。この件の見どころは、NIHの7月の方針が計算のみの作業を対象外にしている空白を、研究チームが自主的な学習データ制限で埋め、それが外部から評価された点です。規制が追いつかない領域では「何をあえてやらないかを先に公開する」ことが信頼の資産になります。自社のAI利用方針にデュアルユース（軍民両用・悪用転用）の判断基準を書き、監査可能な形にしておくことは、いま着手できる実務です。