薬剤耐性の感染症は、2050年までに年間約1,000万人の死者を出すおそれがあるとされます。新しい抗生物質の探索が遅いのは、有望な分子が誰もきちんと読んでいないデータベースに埋もれていることも一因です。主要な公開タンパク質資源UniProtには、機能が分かっていない配列が何百万もあります。Google DeepMindは、生物学者が同社のエージェント型開発基盤Google Antigravityを使い、1回の作業セッションでこの資料を掘り起こす方法と、そのセッションから新しい抗菌ペプチドの候補が生まれ、現在実験室で検証されていることを示しました。
この作業では、研究者とAIエージェントが組みます。出発点はProtNLMです。アミノ酸配列からタンパク質の働きを予測するGoogleのモデルで、UniProtの名前のない何百万もの項目に機能の情報を付けてきました。実演では、研究者が細菌Streptococcus pseudopneumoniaeから新しい抗菌ペプチドを見つけるという目標を設定し、エージェントが何百万もの項目を一握りにまで絞り込みます。選ばれたのはLactococcin 972ファミリーの97アミノ酸のタンパク質で、エージェントはBLAST検索と、AlphaFoldデータベースの予測立体構造でその新規性を確かめました。構造は既知のバクテリオシンとよく一致しました。さらに近くの遺伝子を調べて仮説を支える輸送や調節の遺伝子を見つけ、文献を検討して細菌の細胞分裂を標的とする作用の仕組みを提案し、発現、感受性試験、毒性を含む実験手順を作成しました。
DeepMindが主張する価値は、1つの分子ではなく時間です。以前なら専用のスクリプト、書き出したファイル、別々のモデリングソフト、複数の専門家が必要だった作業が、科学者とエージェントの双方が書き込める共有の立体構造ビューアーを備えた1回の共同セッションになります。実験室での検証は高くつくため、実験の前に最も有力な候補まで絞り込めることが、節約の中身です。
私たちがコーディング基盤としてレビューしているAntigravityに注目する読者にとって、これはGoogleがそれをエージェント型の科学の作業台へ広げていることを示しています。研究所全体の流れとも重なります。マウス脳のアトラスを分析するOpenAIの何千ものGPT-Rosalindエージェントや、生物学でのAnthropicの客員研究プロジェクトです。どれも、エージェントは生物学データの裾野を人より速く読めるという賭けです。
限界はDeepMind自身の文章に明記されています。この候補は、構造とゲノムの証拠に支えられた生物学的にありうる手がかりにすぎません。呼吸器の病原体に対する作用は予測であって測定ではなく、同じ手順で見つかったほかの候補とともに実験室で検証中です。記事には的中率も所要時間も、エージェントなしで同じ探索にどれだけかかるかの比較もありません。実験の結果が出るまでは、これは発見ではなく作業の流れの実演です。