LabHub

ブログ

AI 生物学 & 創薬 2026 完全ガイド — AlphaFold 3・RoseTTAFold・ESM Atlas・Boltz・Chai-1・RFdiffusion・Isomorphic Labs・Recursion・Insilico 徹底解説

2026-05-16 · 42 分で読めます · #ai-biology#drug-discovery#alphafold#rosettafold#esm#boltz#chai#rfdiffusion#isomorphic-labs#recursion#insilico-medicine#japanese

한국어English日本語

プロローグ — 2024 年ノーベル化学賞が意味するもの

2024 年 10 月 9 日、スウェーデン王立科学アカデミーは化学賞の受賞者を発表した。David Baker(ワシントン大学)、Demis Hassabis(DeepMind CEO)、John Jumper(DeepMind シニアディレクター)。半分は Baker のタンパク質設計(de novo protein design)、もう半分は Hassabis と Jumper が作った AlphaFold 2 のタンパク質構造予測に贈られた。

これは単なる学術的な評価以上の意味を持つ。AI が 50 年来の生物学の未解決問題(protein folding problem)を解いたという公式宣言であり、同時にその AI を産業化した企業(DeepMind、Isomorphic Labs、Generate:Biomedicines、Recursion、Insilico Medicine など)が創薬の未来を描き直しているという合図でもあった。

「タンパク質構造予測は死んだ。本当のゲームはこれからだ。」 — ある分子生物学者がノーベル賞発表直後に X に残した言葉だ。AlphaFold 2 が静的構造予測を解いたとすれば、次のステージは動的な相互作用・薬物結合・新規タンパク質設計だ。そして 2026 年現在、これらがすべて同時に爆発している。

本記事で扱うこと:

  1. AI 生物学の地図 — 2026 年の陣営
  2. タンパク質構造予測の歴史 — Anfinsen から AlphaFold まで
  3. AlphaFold 2・3・Server — DeepMind の系譜
  4. RoseTTAFold シリーズ — Baker Lab の答え
  5. ESM-2、ESM-3、ESM Atlas — Meta から EvolutionaryScale へ
  6. Boltz-1、Boltz-2 — MIT のオープン再現
  7. Chai-1、Protenix — 新しい後発勢
  8. ColabFold、OmegaFold — アクセシビリティ革命
  9. RFdiffusion + ProteinMPNN — タンパク質設計の新パラダイム
  10. 抗体設計 — AbDesign、IgFold、Absci
  11. 低分子 + ドッキング — MolMIM、DiffDock、NeuralPLexer
  12. Isomorphic Labs — DeepMind の創薬子会社
  13. Recursion Pharmaceuticals + Exscientia 合併
  14. Insilico Medicine — 生成 AI 創薬のパイオニア
  15. Schrödinger、Atomwise、BenevolentAI、Cradle
  16. ゲノミクス AI — DeepVariant、Enformer、Geneformer、scGPT
  17. 細胞イメージング AI — Cell Painting、JUMP-CP、CellPose
  18. 臨床試験 AI — Saama、Unlearn.ai
  19. バイオ基盤モデル — BioGPT、GeneGPT、NACL
  20. 韓国の AI バイオ — Standigm、Deep Bio、Syntekabio
  21. 日本の AI バイオ — Preferred Networks、Elix、MOLCURE
  22. データセットとベンチマーク — PDB、UniProt、ChEMBL、AlphaFold DB
  23. シミュレーション基盤 — GROMACS、AMBER、DESMOND
  24. 倫理と規制 — 安全性評価の新たな基準
  25. 参考資料

1. AI 生物学の地図 — 2026 年の陣営

2026 年 5 月時点で、AI 生物学はおおむね 5 つの陣営に分かれる。

1) 構造予測陣営(Structure Prediction) 与えられたタンパク質の配列から 3D 構造を予測する。AlphaFold 2/3、RoseTTAFold、ESMFold、Boltz、Chai-1、OmegaFold、ColabFold、Protenix がここに属する。2024 年に AlphaFold 3 がタンパク質だけでなく DNA・RNA・リガンド・イオンまで同時にモデル化したことで、ゲームは一段階上がった。

2) タンパク質設計陣営(Protein Design) 「望む機能を持つタンパク質をゼロから作ろう」という流れ。RFdiffusion、ProteinMPNN、ESM3(生成可能版)、Chroma、Genie などが代表的だ。Baker Lab と Generate:Biomedicines がこの陣営の二本柱。

3) 創薬企業陣営(Drug Discovery Companies) 実際に臨床パイプラインを走らせる会社たち。Isomorphic Labs(Alphabet)、Recursion(Exscientia 合併)、Insilico Medicine、Schrödinger、Atomwise、BenevolentAI、Cradle、Absci、Generate:Biomedicines がここに属する。

4) ゲノム + 単一細胞陣営(Genomics + Single-cell) DNA 配列、遺伝子発現、細胞状態をモデル化する。DeepVariant(バリアントコール)、Enformer(発現予測)、Geneformer と scGPT(単一細胞基盤モデル)、AlphaMissense(変異影響予測)が代表。

5) イメージング + 表現型陣営(Imaging + Phenotypic) 細胞画像から薬の効果を直接読み取る。Recursion の「Maps」プラットフォーム、JUMP-CP 公開データセット、CellPose・CellProfiler のような解析ツールが核となる。

これら 5 つの陣営は互いに重なる。Recursion はイメージング + 設計 + 創薬をすべて手がける。EvolutionaryScale は ESM3 で予測 + 設計を同時に行う。だからある会社を「どの陣営」に当てはめるかよりも、それぞれの会社がどの問題を解こうとしているのかを見るべきだ。

2. タンパク質構造予測の歴史 — Anfinsen から AlphaFold まで

まずは短い歴史から。タンパク質構造予測は 50 年来の問題だった。

1972 年: Christian Anfinsen、ノーベル化学賞受賞。「タンパク質の三次元構造は、その一次元アミノ酸配列によって決定される」という仮説(Anfinsen dogma)を実験で証明する。この仮説が正しいなら、理論的には配列だけで構造を予測できるはずだ。

1994 年〜 2020 年: CASP(Critical Assessment of protein Structure Prediction)が隔年で開催される。従来手法(homology modeling、threading、fragment assembly、Rosetta など)が漸進的に改善されたが、GDT-TS(構造精度指標)は 60〜70 のボックスを抜け出せなかった。

2018 年 CASP13: DeepMind 初の AlphaFold 1 が GDT-TS 58.9 を記録し、2 位グループを 6 点差で引き離す。アカデミアが衝撃を受けた。

2020 年 12 月 CASP14: AlphaFold 2 が GDT-TS 92.4 を記録。実質的に実験レベル(〜95)に到達。CASP14 主催者の John Moult は「タンパク質構造予測問題は largely solved」と宣言した。

2021 年 7 月: AlphaFold 2 のコードと重みがオープンソースで公開。同時に AlphaFold DB が始動 — まずヒトプロテオーム(約 20,000 タンパク質)を公開し、2022 年には 2 億以上の予測構造へと拡張した。

2021 年 7 月: David Baker チームが RoseTTAFold を発表。AlphaFold 2 と同時期、同程度の精度。attention ベースの 3 トラック(配列、距離、座標)アーキテクチャ。

2022 年 11 月: Meta AI(FAIR)が ESMFold と ESM Atlas を公開。6 億以上のメタゲノムタンパク質構造を予測して公開。多重配列アラインメント(MSA)なしで言語モデルだけで素早く予測する。

2024 年 5 月: AlphaFold 3 発表。タンパク質だけでなく DNA・RNA・小分子(リガンド)・イオンまで同時にモデル化。ただしモデルは非公開で、AlphaFold Server という Web インターフェース経由でのみ提供。

2024 年 10 月: ノーベル化学賞 — David Baker(半分)、Demis Hassabis + John Jumper(半分)。

2024 年 5 月〜 2025 年: MIT の Boltz-1、Chai Discovery の Chai-1、ByteDance の Protenix が AlphaFold 3 級のオープンモデルを順次公開。

2025 年 6 月: EvolutionaryScale の ESM-3 が登場。生成モデルへ進化(ESMFold = 予測、ESM-3 = 予測 + 生成)。

2026 年現在: Boltz-2 リリース、AlphaFold 4 の噂、RFdiffusion All-Atom の臨床候補化合物が登場。そして構造予測そのものはもはや差別化ポイントではないことが明確になった。

3. AlphaFold 2・3・Server — DeepMind の系譜

AlphaFold 2(2021)のアーキテクチャの核心。

AlphaFold 2 は静的構造予測に特化している。動的コンフォメーション、結合状態の変化、低分子との相互作用には別のツールが必要だった。

AlphaFold 3(2024)はその限界を正面から突破した。

この非公開ポリシーはアカデミアで大きな論争を引き起こした。DeepMind の立場は明確だった。「Isomorphic Labs(姉妹会社)が商用利用する必要があるためモデルは非公開」。結果として、MIT、Chai Discovery、ByteDance が即座にオープン再現に着手し、1 年以内にほぼ同等のモデルが公開された。

AlphaFold Server は 2024 年 5 月にローンチ。誰でも Google アカウントでログインして配列を入力すれば、24 時間以内に構造を受け取れる。学術利用は爆発的だった。ただし:

2026 年現在、AlphaFold DB は約 2 億 1,400 万の構造を無料で提供している。ヒトプロテオームだけでなく、UniProt に登録されたほぼすべてのタンパク質について予測が用意されている。

4. RoseTTAFold シリーズ — Baker Lab の答え

ワシントン大学の David Baker 研究室(ノーベル賞受賞)は、タンパク質構造予測と設計の両方で DeepMind のライバル関係にある。彼らの答えが RoseTTAFold シリーズだ。

RoseTTAFold(2021)

RoseTTAFold2(2023)

RoseTTAFold All-Atom(RFAA、2023)

RFdiffusion(2023、設計用)

RFdiffusion All-Atom(2024)

Baker Lab の価値提案は明確だ:「オープン、設計、応用」。すべてのモデルを公開し、単純な予測を超えた設計ツールも併せて提供する。

5. ESM-2、ESM-3、ESM Atlas — Meta から EvolutionaryScale へ

ESM(Evolutionary Scale Modeling) シリーズは Meta AI(旧 FAIR)のタンパク質言語モデルプロジェクトだった。

ESM-1、ESM-2(2019-2022)

ESMFold(2022)

ESM Atlas(2022)

2024 年: Meta が FAIR タンパク質チームをスピンアウト。EvolutionaryScale として独立企業化。Alex Rives(ESM の筆頭著者)が共同創業者。

ESM-3(2024、EvolutionaryScale)

EvolutionaryScale は ESM-3 を使い、蛍光タンパク質の進化シミュレーション実験(esmGFP)を発表した — 約 5 億年分の進化軌跡を圧縮して新しい GFP 変異体を設計した。

6. Boltz-1、Boltz-2 — MIT のオープン再現

AlphaFold 3 が非公開になると、MIT の Regina Barzilay グループと共同研究者は 2024 年 5 月に Boltz-1 を発表した。

Boltz-1(2024)

Boltz-2(2025)

Boltz の意義は単純だ:「AlphaFold 3 が使えなくても Boltz-2 は使える。」 製薬会社の社内 R&D、学術研究、商用応用、すべてに無料で利用できる。

以下は Boltz-2 をコマンドラインから呼び出す例。

# Boltz-2 のインストール(PyPI)
pip install boltz

# 入力 FASTA の準備
cat > target.fasta <<EOF
>protein|name=kinase
MKTLLLTLVVVTIVCLDLGYTEEEEYNEELEKKMEEILSKLEKK
EOF

# 単一タンパク質構造の予測
boltz predict target.fasta --use_msa_server --out_dir results/

# 結果 — results/predictions/target/ 配下に PDB と mmCIF が出力される

YAML 入力でタンパク質-リガンド複合体もサポート。

version: 1
sequences:
  - protein:
      id: A
      sequence: MKTLLLTLVVVTIVCLDLGYTEEEEYNEELEKKMEEILSKLEKK
  - ligand:
      id: B
      smiles: "CC(=O)OC1=CC=CC=C1C(=O)O"  # アスピリン
properties:
  - affinity:
      binder: B

GPU 1 枚(A100 80GB)で中程度のサイズのタンパク質を 1〜5 分で処理する。

7. Chai-1、Protenix — 新しい後発勢

Chai Discovery は 2024 年秋に登場した新興スタートアップで、AlphaFold 3 級のモデルを自社開発した。

Chai-1(2024)

Chai-1r(2025)

Protenix(ByteDance、2024)

これら 3 モデル(Boltz、Chai、Protenix)のおかげで、2025 年春には事実上 AlphaFold 3 級のオープンモデルが 3 つ存在することになった。DeepMind の非公開ポリシーが逆説的にオープン生態系を加速させたのだ。

8. ColabFold、OmegaFold — アクセシビリティ革命

AlphaFold 2 が公開されたとはいえ、実行には高価な GPU と巨大な MSA データベース(BFD、Uniref30 など数 TB)が必要だった。これを誰でも使えるようにしたのが ColabFold だ。

ColabFold(2022)

OmegaFold(2022)

ColabFold の意義は民主化だ。ノーベル賞級の技術がノートパソコンで動く。2025 年現在、ColabFold は AlphaFold 3、Boltz-2、Chai-1 まで段階的に統合中だ。

9. RFdiffusion + ProteinMPNN — タンパク質設計の新パラダイム

ここまでは予測(prediction)の話だった。次は設計(design)へ。

伝統的なタンパク質設計は Rosetta のような物理ベースシミュレーションで試みられてきた。可能な側鎖の組み合わせを評価し、エネルギーの低い構造を探す方式。遅く、新しいタンパク質フォールドを作りにくかった。

RFdiffusion(Baker Lab、2023)がゲームを変えた。

ProteinMPNN(Baker Lab、2022)

RFdiffusion + ProteinMPNN パイプラインの実際のワークフロー:

  1. 標的タンパク質の結合位置を選ぶ
  2. RFdiffusion でその位置に結合できるバックボーンを 1 万個生成
  3. ProteinMPNN で各バックボーンに配列を与える(バックボーン 1 つあたり 8 つずつ)
  4. AlphaFold 2 でその配列を再度折りたたみ、バックボーンと一致するか検証
  5. 上位 100 個を wet lab で発現させ、結合親和性を測定

このパイプラインによって、2024 年だけで 10 以上の新しい結合タンパク質が前臨床/臨床段階に到達した。

RFdiffusion All-Atom(2024)は、バックボーンだけでなく側鎖とリガンドまで一度に設計する。例えば薬物分子の周りに正確にフィットする酵素を設計できる。

10. 抗体設計 — AbDesign、IgFold、Absci

抗体(antibody)は最も重要なバイオ医薬品カテゴリ(2024 年売上高約 2,000 億ドル)だ。そのため抗体設計 AI は独立した大きな市場を形成する。

IgFold(Johns Hopkins、2022)

ABodyBuilder(Oxford OPIG、2024)

AbDesign / RFdiffusion-Ab(Baker Lab、2024)

Absci(ナスダック上場、2021)

Generate:Biomedicines(2022 年スピンアウト、2024 年シリーズ C で 2 億 7,000 万ドル)

抗体設計の中心 KPI は affinity(結合親和性、Kd 値)と developability(開発可能性 — 凝集、粘度、免疫原性)。この 2 軸を同時に最適化するのが AI の課題だ。

11. 低分子 + ドッキング — MolMIM、DiffDock、NeuralPLexer

タンパク質ではなく低分子(small molecule) の側面でも AI が急速に入ってきた。

SMILES と SELFIES

Mol-BERT、ChemBERTa、MoLFormer(2020-2022)

MolMIM(NVIDIA、2024)

DiffDock(MIT、2023)

NeuralPLexer(2024、Caltech)

AlphaFold 3 + Boltz-2 + Chai-1 も結局は低分子の結合を予測するため、ドッキング分野と構造予測分野は実質的に統合されつつある。

12. Isomorphic Labs — DeepMind の創薬子会社

Isomorphic Labs は 2021 年 11 月に Alphabet が分社化した創薬子会社。Demis Hassabis が CEO を兼務する。

ミッション:「Re-imagining drug discovery through AI」。AlphaFold を創薬の基本ツールとして使う。

戦略:

技術スタック:

非公開ポリシー: Isomorphic の存在こそが AlphaFold 3 非公開の理由だ。もし AF3 がオープンだったら、すべての製薬大手が自社で使っただろうし、Isomorphic のビジネスモデルは弱まっていただろう。

2025 年の現状: 最初の IND-enabling 候補の到達が間近。2026 年中に初の第 1 相試験入りが目標。

13. Recursion Pharmaceuticals + Exscientia 合併

Recursion(ナスダック RXRX)はソルトレイクシティの AI 創薬会社。2021 年に IPO。

コア技術:

2024 年 1 月: Exscientia 買収を発表(約 7 億ドル)。Exscientia は英国の AI 創薬会社で、自社分子設計プラットフォームに強み。合併によりイメージング + 分子設計を 1 社に統合。

パイプライン:

ビジョン:

14. Insilico Medicine — 生成 AI 創薬のパイオニア

Insilico Medicine は香港・ニューヨーク・上海に本社を構える AI 創薬会社。2014 年設立。2025 年 IPO を進行中(香港証券取引所)。

コア技術:

ヒット作:

パイプライン: 30 以上のプログラム、7 以上の臨床資産。

2025 年動向:

Insilico の価値提案は明確だ:「AI が発見し、AI が設計し、人間が検証する。」 時間とコストを半分にする。

15. Schrödinger、Atomwise、BenevolentAI、Cradle

Schrödinger(ナスダック SDGR)

Atomwise

BenevolentAI(ロンドン証券取引所 BAI)

Cradle

EvolutionaryScale(第 5 章ですでに扱った)

16. ゲノミクス AI — DeepVariant、Enformer、Geneformer、scGPT

タンパク質だけでなく DNA・RNA・遺伝子発現も AI の大きな領域だ。

DeepVariant(Google、2018)

Enformer(DeepMind + Calico、2021)

AlphaMissense(DeepMind、2023)

Geneformer(MIT Broad、2023)

scGPT(University of Toronto + Wang Lab、2023)

Universal Cell Embeddings (UCE)(スタンフォード、2023)

これらのモデルは GTEx、Tabula Sapiens、Human Cell Atlas のような公開データセットで学習する。

17. 細胞イメージング AI — Cell Painting、JUMP-CP、CellPose

Cell Painting は蛍光染色 + 自動化顕微鏡をベースとした phenotypic profiling 手法だ。1 つの化合物を細胞に処理した後、5 チャネルの蛍光画像を自動撮影し、約 1,500 の形態学的特徴量を抽出する。

JUMP-CP(2023、Broad + 製薬大手コンソーシアム)

CellPose(Janelia、2021)

CellProfiler(Broad)

Recursion Maps

この分野の核心は「表現型ファースト」のアプローチ。標的が分かっていなくても、細胞表現型が正常化する化合物を先に見つける。

18. 臨床試験 AI — Saama、Unlearn.ai

新薬は発見と同程度に臨床試験のコストが大きい(平均臨床コストは約 19 億ドル)。この段階でも AI が入る。

Saama Technologies

Unlearn.ai

TriNetX

Owkin(パリ)

臨床試験 AI の核心価値は時間短縮だ。臨床 1 段階を 1 年短縮できれば 1 億ドル以上の節約が可能。

19. バイオ基盤モデル — BioGPT、GeneGPT、NACL

自然言語側のバイオ基盤モデルも活発だ。

BioGPT(Microsoft、2022)

GeneGPT(NCBI、2023)

NACL biomedical Llamas(NIH NACL、2024)

Med-PaLM(Google、2022-2024)

Med-Gemini(Google、2024)

これらのモデルの共通課題はハルシネーション(hallucination)制御だ。医学的正確性が生命に直結するため、強力な RAG と人間の検証が必須。

20. 韓国の AI バイオ — Standigm、Deep Bio、Syntekabio

韓国の AI バイオエコシステムは急成長中だ。

Standigm(スタンダイム)

Deep Bio(ディープバイオ)

Syntekabio(シンテカバイオ、KOSDAQ 上場)

JLK Inspection(ジェイエルケイ)

Macrogen(マクロジェン)

Lunit(ルニット)

投資動向: 2024 年韓国の AI バイオ分野投資は約 5,000 億ウォン。グローバル対比では小さいが、政府支援(保健福祉部のデータ事業)が活発。

21. 日本の AI バイオ — Preferred Networks、Elix、MOLCURE

日本も AI バイオに積極的だ。

Preferred Networks

Elix Inc

MOLCURE

Healios

Spiber

日本の強み: 化学 + 精密工学 + 大学研究が強いが、IPO 市場は米国対比で弱い。PFN や Elix のような企業がグローバル化の可能性を見せている。

22. データセットとベンチマーク — PDB、UniProt、ChEMBL、AlphaFold DB

AI 生物学を支える中核データセットたち。

PDB(Protein Data Bank、1971-)

UniProt

ChEMBL(EMBL-EBI)

AlphaFold DB

ESM Atlas

The Human Cell Atlas

JUMP-CP(第 17 章を参照)

Open Targets(GSK + Sanofi + Bristol Myers Squibb + ...)

ClinicalTrials.gov + clinicaltrialsregister.eu

データの多様性と品質が AI モデルの限界を決める。2026 年現在、最大のボトルネックは wet lab 検証データの不足だ。

23. シミュレーション基盤 — GROMACS、AMBER、DESMOND

AI は静的構造の予測には強いが、動的挙動(dynamics)は依然として分子動力学(molecular dynamics、MD)が強い。

GROMACS(スウェーデン KTH など)

AMBER(UCSF + Rutgers など)

NAMD(University of Illinois)

DESMOND(Schrödinger 商用)

OpenMM(スタンフォード)

ML potential の台頭:

GPU 基盤としては NVIDIA H100 / B100、AMD MI300、Google TPU がいずれも使われる。Recursion の BioHive-2 は H100 約 600 枚で構成。

24. 倫理と規制 — 安全性評価の新たな基準

AI 生物学の発展は同時に悪用懸念も増幅させる。

Dual-use 懸念:

規制動向:

オープン vs クローズ:

バイオセキュリティ評価:

2026 年現在、この分野の規制フレームワークはまだ形成途上だ。AI 安全コミュニティ(MIRI、ARC、METR)とバイオ安全コミュニティ(NTI、Johns Hopkins CHS)の協力が増えている。

25. まとめ — 2026 年から 2030 年まで

2024 年のノーベル賞は AI 生物学に対するアカデミアの承認だった。2026 年現在、その下流効果が産業へと広がりつつある。

予想される流れ(2026-2030):

  1. AI 発見 + AI 設計薬の初の FDA 承認 — 2027〜2029 年に可能。Insilico の INS018_055 が最有力候補の 1 つ
  2. タンパク質設計ツールのクラウド SaaS の一般化 — 創薬化学者が RFdiffusion を Excel のように使う時代
  3. 単一細胞 + 表現型 + 構造の統合基盤モデル — Recursion Maps、ESM3、Geneformer が合流する流れ
  4. 個別化抗体 — 患者ごとの抗原に合わせて設計された治療薬
  5. 製薬大手と AI 企業の統合 — Recursion-Exscientia のような合併がさらに起きる可能性
  6. dual-use 規制の強化 — リスク設計検出フィルタの義務化の可能性

ノーベル賞発表直後、Demis Hassabis は X に短く書いた。 「This is just the beginning.」タンパク質フォールディング問題は解けたが、生物学全体で見れば AI はまだ 1 パーセントすら進んでいない。動的挙動、細胞レベルのシミュレーション、組織モデル、人体モデルまで — 行く道は長く、その道こそが今後 10 年で最大の科学 + ビジネス機会だ。

26. 参考資料

主要論文:

データベースとサービス:

企業と公式サイト:

ノーベル賞関連:

基礎ツール:

結びに。 AI はタンパク質フォールディング問題を解いたが、生物学はフォールディングの先にある。動的相互作用、細胞レベル、組織レベル、人体レベル — 本当に難しい問題はすべてその境界の向こうにある。だからこそこの分野はこれからの 10 年が最もエキサイティングだ。コンピュータ科学者にとっては輝かしい時代であり、生物学者にとっては道具が初めて十分強力になった時代だ。両分野に幸運を。

コメント

まだコメントはありません。

ログインするとコメントできます