ジェネシス・ミッション：バイオ・創薬

この記事で分かること

ジェネシス・ミッション：バイオ・創薬

　日米両政府は2026年6月4日、米国の国家プロジェクト「ジェネシス・ミッション」で協力する意向表明書を交わしています。

　政府レベルの動きだけでなく、米国のOpenAI、Google、Microsoft、Nvidiaといったテック巨頭も最先端のAIモデルやインフラの提供で深く関与する方針を示しています。産学官、そして同盟国が一体となった、これまでにない規模の科学イノベーションの幕開けと言えます。

　前回は量子情報科学、核融合技術研究に関する記事でしたが、今回はバイオ・創薬での研究内容に関する記事となります。

バイオ・創薬での研究内容は何か

　ジェネシス・ミッションにおける「バイオ・創薬（バイオテクノロジー）」分野の研究開発は、国家の「健康安全保障（ヘルス・セキュリティ）」の向上と、近年世界的に課題となっている「創薬研究の効率低下」の打破を目的としています。

　米国の莫大な生物学的データと、NvidiaやOpenAIなどが提供する生成AI・計算基盤を融合させ、「生体分子の設計から臨床試験のシミュレーションまでをAIで超高速化する」ことが核となります。

1. 生物学特化の「大生物言語モデル（Bio-LLM）」の開発

　人間の言葉を理解するChatGPTのように、遺伝子（DNA/RNA）の配列やアミノ酸のパターンを「言語」として理解・生成するAI基盤モデルを開発します。

• 内容: 複雑な生命現象をデジタル上で解明し、特定の病気にのみ結合して効果を発揮する「未知の人工タンパク質」や「標的分子」をAIに一から設計（デザイン）させます。

2. 生体分子の「超高精度な構造・動態予測」

　従来の創薬では、病気の原因となるタンパク質の立体構造を特定するだけで何年もかかっていました。

• 内容: アルファフォールド（AlphaFold）などの技術をさらに進化させ、タンパク質が体内で「どのように形を変え、薬の候補物質とどう相互作用するか」という時間的な動き（動態）までをスパコン上で瞬時に予測します。これにより、効果が高く副作用の少ない化合物（薬の種）をピンポイントで見つけ出します。

3. AI駆動型の「自動合成・ロボット実験室（バイオフォージ）」

　AIが頭脳となり、ロボットが24時間体制で培養や物質合成を行う自律型のバイオラボを構築します。

• 内容: AIが設計した新薬候補の化合物を、ロボットが自動で合成し、細胞などを用いた初期テストまでを人間の手を介さずに実行。その実験結果を再びAIが学習して設計を修正するという、高速な実験サイクルを完全自動化します。

4. デジタルツインを活用した「個別化医療・臨床シミュレーション」

　患者一人ひとりのゲノムデータや生体データをコンピュータ上に再現する「医療デジタルツイン」を構築します。

• 内容: 開発中の新薬が、特定の遺伝子パターンを持つ患者に対して「どのように効くか」「どんな副作用が出るか」をバーチャル空間で事前シミュレーションします。これにより、臨床試験（治験）の成功率を劇的に高め、承認までの期間を大幅に短縮します。

日本のバイオ・創薬での研究内容の協力内容は何か

　ジェネシス・ミッションでの日本の役割は「バイオ・創薬（バイオテクノロジー）」分野において、「日本が持つ世界最高レベルの生体分子シミュレーション技術」と「質の高い医療・ゲノムデータ」を、米国のAI基盤に提供・融合させることにあります。

1. スパコン「富岳」による「タンパク質・分子動態」の計算協力

　新薬の候補となる分子が、体内のタンパク質とどのように結合し、どう動くかをシミュレーションする領域で協力します。

• 内容: 日本のスーパーコンピューター「富岳」が持つ、高度な細胞レベル・分子レベルのシミュレーション能力を米国側のAIシステムと共有します。米国のAIが設計した人工タンパク質や新薬候補を、「富岳」の計算力を使ってバーチャル空間で検証・最適化します。

2. 日本独自の「高品質なゲノム・臨床データ」の提供

　AIモデル（大生物言語モデルなど）の学習や予測精度を高めるため、データの提供側として貢献します。

• 内容: 国立がん研究センターや理化学研究所（理研）などが長年蓄積してきた、日本人の精緻な臨床データやゲノムデータを、安全性が確保された枠組み（セキュアな環境）を通じて共有します。これにより、アジア人に特有の疾患や、より精度の高い「個別化医療（医療デジタルツイン）」のAIモデル構築に協力します。

3. 「自律型バイオラボ（自動実験室）」の共同構築

　AIが設計した薬の候補物質を、ロボットが自動で合成・評価する「閉ループ（クローズドループ）型」の実験室を日米で共同開発します。

• 内容: 日本が強みを持つ精密なロボット制御技術や、理研などの自動実験ノウハウを、米国エネルギー省（DOE）傘下の国立研究所が主導するAI実験プラットフォームと統合します。

4. 日米の主要研究機関による共同チームの結成

　今回の合意に基づき、日本の12の主要機関から専門家が集まり、米国の12の国立研究所と直接タッグを組みます。

　内容: 日本側からは理化学研究所や東京大学などのバイオ・計算科学部門が参画し、米国の研究者や、プロジェクトを支えるOpenAI、Google、Nvidiaといったテック企業の開発チームと一体になって、がんや難病の革新的な治療薬・治療法の開発を進めます。

タンパク質の挙動はなぜスパコンでないとできないのか

　タンパク質の挙動（シミュレーション）にスーパーコンピューター（スパコン）が絶対に必要な理由は、一言で言えば「扱う世界のサイズ（原子の数）」と「時間の細かさ」が、普通のパソコンの限界を遥かに超えているからです。

1. 空間の壁：計算対象となる「原子の数」が桁違い

　タンパク質は、炭素、水素、酸素、窒素などの原子が数千〜数万個も複雑に連なった巨大な分子です。さらに、タンパク質は単体で動いているわけではなく、体内の「水（水分子）」の中で生きています。

　正確な挙動を計算するためには、タンパク質だけでなく、周囲を囲む数十万〜数百万個の水分子の動きもすべて同時に計算しなければなりません。

• 相互作用の爆発： すべての原子は、お互いに引っ張り合ったり反発し合ったりしています。原子の数が N個あると、計算量は大まかに N2 に比例して増えるため、原子数が10倍になれば、計算の難易度は100倍に跳ね上がります。

2. 時間の壁：1兆回を超える「気の遠くなる繰り返し計算」

　タンパク質の動きをシミュレーションする「分子動力学法（MD）」では、パラパラ漫画のように、時間を細かく区切って原子の位置を少しずつ動かしていきます。

• 時間の最小単位（フェムト秒）： 原子の振動はあまりにも速いため、パラパラ漫画の1コマ（タイムステップ）を1フェムト秒（100兆分の1秒、または 10^-15 秒）という極限の細かさで刻む必要があります。これより粗いと、原子同士が衝突してシミュレーションが破綻（爆発）してしまいます。
• 見たい挙動（ミリ秒）： しかし、薬がタンパク質に結合したり、タンパク質が形を変えたりする実際の意味のある挙動は、マイクロ秒（100万分の1秒）〜ミリ秒（1000分の1秒）の単位で起こります。

　1ミリ秒の挙動を見るためには、1フェムト秒の計算を「1兆回」も繰り返さなければなりません。普通のPCでやると、1回の計算に数秒かかった場合、1兆回を終えるのに数万年かかってしまいます。

3. 量子の壁：さらに精密な「化学反応」を計算する場合

　もし、薬とタンパク質が結合して「新しい化学結合が生まれる（または切れる）」という化学反応そのものを計算したい場合、難易度はさらに跳ね上がります。

　原子をただの「球」として扱う一般的なシミュレーション（古典力学）ではなく、電子の確率的な存在確率まで考慮する「量子力学（シュレーディンガー方程式）」を解く必要が出てきます。

　この計算量は原子数の3乗や4乗のペースで増加するため、現代の最速のスパコンであっても、ごく一部の領域を計算するのが限界なほど重い処理です。

普通のPC vs スパコン

特徴	普通の高性能PC（Core i9 / RTX 4090等）	スーパーコンピューター（「富岳」など）
得意な処理	1つまたは少数の重い処理を高速で行う	何万・何億もの単純な計算を同時に（並列で）行う
タンパク質計算	1つの画面で数個の分子の短い動きをレンダリングする程度。	数百万個の原子が数マイクロ秒間でどう動くかを数日で弾き出す。

　スパコンは、数万個以上のCPUやGPU（頭脳）を光ファイバーで超高速につなぎ、数百万個の原子の計算を「お前は右側の水を計算しろ」「俺はタンパク質の中心を計算する」と見事に分担（並列処理）させることで、数万年かかる計算を数日〜数週間に短縮しています。

　ジェネシス・ミッションで生成AIが加わるのは、この「スパコンでも時間がかかる兆単位の計算ステップ」を、AIの予測力（ディープラーニング）を使って省略し、さらに100倍、1000倍へと高速化するためです。

自律型バイオラボで評価はどのように行うのか

　自律型バイオラボ（自動実験室）における「評価」は、人間が顕微鏡を覗いたり数値を手入力したりするのではなく、「計測装置の自動化」と「AIによるデータ解析」を完全に融合させたシステムによって行われます。

　AIが仮説を立て、ロボットが実験し、その結果を自動で評価して次の実験にフィードバックする「クローズドループ（閉回路）システム」のなかで、評価は以下のようなステップと技術で行われます。

1. 評価データの自動計測（ハイスループット・スクリーニング）

　ロボットが細胞や化合物の入った容器（ウェルプレート）を、各種の自動計測センサーや分析装置に直接セットしてデータを回収します。

• 光学的な評価（イメージングAI）：自動顕微鏡やプレートリーダーを使い、細胞の形、数、死活状態、または蛍光タンパク質の光り方を撮影します。
• 分子レベルの評価（質量分析・クロマトグラフィー）：狙い通りの化合物やタンパク質がどれくらい生成されているか（純度や量）を、質量分析計（MS）などの装置に自動注入して精密に測定します。

2. 生成AI・機械学習による「画像・数値の自動解析」

　計測された膨大な生データ（画像や波形データ）は、即座に評価AIに送られます。

• 画像認識AIによる細胞評価：人間が見ても区別がつかないような「細胞のがん化の兆候」や「薬によるわずかな変化」を、ディープラーニングを用いた画像認識AIがピクセル単位で高精度に識別・数値化します。
• 活性度・毒性のスコア化：薬の候補物質が「どれだけ病気の原因を抑えられたか（有効性）」と「どれだけ正常な細胞を傷つけなかったか（安全性・毒性）」をAIが解析し、それぞれを自動でスコア（点数）化します。

3. ベイズ最適化による「合否判定と次の一手の決定」

　これが自律型ラボの最も革新的な部分です。AIは、得られた評価スコアをもとに「今回の実験は成功だったか、失敗だったか」を確率論的に判断（評価）します。

• 次に試すべき条件の自動算出：「ベイズ最適化」や「能動学習（アクティブラーニング）」と呼ばれるAI技術を使い、これまでの評価結果から「次にどの化合物の組み合わせを試せば、さらに高いスコアが出るか」を予測します。
• 実験の自動アップデート：評価が目標値に達していなければ、AIは自動で実験レシピを書き換え、ロボットに次の実験（第2ラウンド）を開始するよう命令を出します。

評価プロセスの流れ

1. ロボット： 培養した細胞に薬候補を注入
2. 自動装置： 顕微鏡写真や質量分析データを自動で撮影・計測
3. 解析AI： 画像や数値を分析し、有効性と毒性をスコア化（＝評価）
4. 頭脳AI： 評価をもとに「より良い条件」を計算し、次の実験レシピを作成

　ジェネシス・ミッションで日米が構築を目指すプラットフォームでは、この一連の「実験 ➡ 計測 ➡ 評価 ➡ 計画」のサイクルが24時間30日、人間の手を一切介さずに回り続けます。

　これにより、従来は研究者が数ヶ月かけていた評価と改善のプロセスを、わずか数日に短縮することが可能になります。