AIは人間が想像もできないほど効果的な抗体を開発している

南ロンドンにある古いビスケット工場では、巨大なミキサーや工業用オーブンがロボットアーム、インキュベーター、DNAシーケンシングマシンに置き換えられている。ジェームズ・フィールドと彼の会社LabGeniusは、甘いお菓子を作っているわけではない。AIを活用した革新的なアプローチで、新たな医療用抗体を開発しているのだ。

自然界において、抗体は病気に対する体の反応であり、免疫システムの最前線部隊として機能します。抗体は、異物に付着して体外に排出できるよう特殊な形状に作られたタンパク質鎖です。1980年代以降、製薬会社はがんなどの疾患の治療や移植臓器の拒絶反応の低減を目的として、合成抗体の開発に取り組んできました。

しかし、こうした抗体の設計は人間にとって時間のかかるプロセスだ。タンパク質設計者は、何百万通りものアミノ酸の組み合わせの中から、まさに正しい方法で折り畳まれる組み合わせを見つけ出し、それらをすべて実験的にテストしなければならない。治療の特性を改善するためにいくつかの変数を微調整しながら、それが他の点で悪化しないことを祈りながら。「新しい治療用抗体を作りたいなら、この無限の可能性を秘めた分子空間のどこかに、探し出したい分子が見つかるはずです」と、LabGeniusの創業者兼CEOであるフィールド氏は言う。

2012年、インペリアル・カレッジ・ロンドンで合成生物学の博士号取得を目指していた彼が会社を設立した。当時、DNAシーケンシング、コンピューター、ロボット工学のコストがすべて下がっていることに気づいたのだ。LabGeniusはこれら3つすべてを活用し、抗体発見プロセスを大幅に自動化している。バーモンジーにある研究所では、機械学習アルゴリズムが特定の疾患を標的とする抗体を設計し、その後、自動化されたロボットシステムがラボ内で抗体を作製・培養し、試験を実施し、データをアルゴリズムにフィードバックする。これらはすべて、人間の監督がほとんど必要なく行われる。病変細胞を培養し、抗体を増殖させ、DNAをシーケンシングするための部屋が用意されている。白衣を着た技術者たちがサンプルを準備し、コンピューターを叩く間、背後では機械が唸りをあげている。

人間の科学者は、特定の疾患に対処するための潜在的な抗体の探索空間を特定することから始めます。健康な細胞と病気の細胞を区別し、病気の細胞に付着し、免疫細胞を呼び寄せてその役割を終えることができるタンパク質が必要です。しかし、これらのタンパク質は、無限に存在する可能性のある選択肢の探索空間のどこにでも存在する可能性があります。LabGeniusは、その空間をはるかに迅速かつ効果的に探索できる機械学習モデルを開発しました。「人間がシステムに与える唯一の入力は、『これが健康な細胞の例です』『これが病気の細胞の例です』です」とフィールド氏は言います。「そして、システムがそれらを区別できる様々な[抗体]設計を探索するのです。」

このモデルは、10万種類の抗体候補からなる探索空間から700種類以上の初期候補を選択し、それらを自動的に設計、構築、テストすることで、より深く調査すべき有望な領域を見つけることを目指します。何千種類もの候補の中から最適な車を選ぶことを想像してみてください。まず大まかな色を選び、そこから具体的な色合いへと絞り込んでいくのです。

検査はほぼ完全に自動化されており、高性能機器がサンプルの準備と検査プロセスの様々な段階を経る作業に携わっています。抗体は遺伝子配列に基づいて作製され、その後、生物学的アッセイ（抗体が標的とする病変組織のサンプル）で検査されます。人間はプロセス全体を監督しますが、主な仕事はサンプルを機械から機械へと移動させることです。

「最初の700個の分子から実験結果が得られると、その情報はモデルにフィードバックされ、モデルによる分子空間の理解を洗練させるために活用されます」とフィールド氏は語る。言い換えれば、アルゴリズムは異なる抗体設計が治療効果にどのような変化をもたらすかという全体像を構築し始める。抗体設計を繰り返すごとにアルゴリズムは改善され、潜在的に有望な設計の活用と新たな領域の探索のバランスを慎重に取る。

「従来のタンパク質工学の課題は、少しでもうまくいくものを見つけると、すぐにその分子に非常に多くの小さな調整を加え、さらに改良できるかどうかを試そうとする傾向があることです」とフィールド氏は言う。こうした調整は、例えば抗体の大量生産の容易さなど、ある特性を改善するかもしれないが、選択性、毒性、効力など、他の多くの必要な特性に壊滅的な影響を与える。従来のアプローチは、見当違いなことに目を向けたり、全体像を見失ったりする可能性がある。つまり、少ししかうまくいかないものを際限なく最適化しようとすると、地図の全く別の場所に、はるかに優れた選択肢があるかもしれないのだ。

また、実行できるテストの数、つまりフィールド氏の言葉を借りれば「ゴールへのシュート数」にも制約があります。つまり、人間のタンパク質エンジニアは、うまくいくと分かっているものを探す傾向があるということです。「その結果、人間のタンパク質エンジニアが安全な場所を見つけるために用いるような、あらゆるヒューリスティクスや経験則が生まれます」とフィールド氏は言います。「しかし、その結果、すぐにドグマが蓄積されてしまうのです。」

LabGeniusのアプローチは、人間が思いつかなかったような予期せぬ解決策を、より迅速に生み出します。問題の設定から最初のバッチの完成まで、すべて機械学習モデルによって制御され、わずか6週間で完了します。LabGeniusはAtomicoやKindredといった企業から2,800万ドルを調達し、製薬会社との提携を開始し、コンサルティングのようなサービスを提供しています。フィールド氏は、この自動化アプローチは他の創薬プロセスにも展開可能であり、創薬における長く「職人技」的なプロセスをより合理化できると述べています。

フィールド氏によると、これは最終的により良いケアへの道筋となる。つまり、人間が設計した既存の抗体治療よりも効果が高く、副作用が少ない治療だ。「従来の方法では決して見つけられなかった分子が見つかるのです」と彼は言う。「それらは人間が思いつくような設計とは非常に異なっており、しばしば直感に反するものです。これにより、より優れた特性を持つ分子を発見できるようになり、最終的には患者の転帰改善につながるはずです。」

この記事は、WIRED UK マガジン 2023 年 9 月/10 月号に掲載されています。