これまでの創薬では、タンパク質の静的な三次元構造を読む考え方が中心でした。
しかし今回の研究は、タンパク質がどう動くかに焦点を当てています。

そのため、創薬の考え方そのものが変わる可能性があります。
つまり、薬が効く相手を「形」だけでなく「動き」から捉える時代に入ったことを示します。

MITが示した新発想「VibeGen」の中身

MITの研究チームは2026年3月24日、科学誌『Matter』でAIモデル「VibeGen」を発表しました。

VibeGenの特徴は、従来とは逆の発想です。
これまでは「この配列がどんな形になるか」を考えてきました。
一方でVibeGenは、「こう動くタンパク質を作るには、どんな配列が必要か」を先に考えます。

これは、タンパク質設計の入口を変える発想です。
そのため、目的とする機能に合う分子を、より直接的に探せる可能性があります。

2つのAIが協調して配列を作る仕組み

VibeGenは、拡散モデルと呼ばれる生成AIの仕組みを使います。
拡散モデルとは、画像生成AIでも使われる方式です。
ノイズから少しずつ目的に近い答えを作る手法です。

また、この仕組みでは2つのAIが役割分担します。
1つは配列候補を作る「デザイナー」です。
もう1つは、その候補が狙った動きに合うかを確かめる「プレディクター」です。

さらに、この2つは一度きりでは終わりません。
候補を出し、評価し、また作り直す流れを繰り返します。
こうした中で、指定した動きに合うタンパク質配列を絞り込んでいきます。

「生命の本質は動きにある」という研究者の視点

研究を率いたMITのMarkus Buehler教授は、生命の本質は構造だけではなく、動きの中にあるという考えを示しました。

この考え方は、今回の研究の核心です。
タンパク質は固まった物体ではありません。
実際には揺れ、曲がり、開き、閉じながら働きます。

そのため、形だけを見ても分からない働きがあります。
一方で動きまで設計できれば、機能そのものに近づけます。
ここが今回の研究が注目される理由です。

自然界にない配列も作れた意味

MIT側は、物理に基づく分子シミュレーションでVibeGenの出力を検証しました。
その結果、生成したタンパク質が狙い通りの動きを示したと説明しています。

さらに重要なのは、生成された配列の多くが自然界に存在しない新規配列だった点です。

また、異なる複数の配列でも、同じ動きの目標を満たせることが確認されました。
これは機能的縮退性と呼ばれます。
難しく見えますが、同じ働きを別の設計で実現できる性質です。

ASUが切り開いた「一晩で解析」の意味

ASUのMatthias Heyden准教授のチームは3月27日、『Science Advances』で補完的な研究成果を発表しました。

この研究は、タンパク質のコンフォメーション遷移を効率よく捉える手法です。
コンフォメーション遷移とは、タンパク質の立体構造がゆっくり切り替わる現象です。
つまり、機能と深く結びつく形の変化です。

ASUチームは、数十億分の1秒規模の短いシミュレーションから、こうした変化に必要な情報を取り出せると示しました。

低周波振動と構造変化の関係をどう捉えたのか

Heyden准教授は、タンパク質のコンフォメーション遷移が低周波振動と連動するという長年の仮説を復活させたと説明しています。

低周波振動とは、タンパク質全体がゆっくり大きく揺れる動きです。
細かな原子の震えではなく、分子全体のまとまった運動に近いものです。

実際に論文では、こうした非調和な低周波振動が、タンパク質の大きな構造変化を追うための自然な手がかりになると示しました。

そのため、短時間のシミュレーションでも、長時間かかる変化を効率よく探索できる可能性が高まります。

スーパーコンピュータ「Sol」が変えた計算速度

ASUチームは、スーパーコンピュータSolのGPUを活用しました。
GPUは画像処理向けで知られますが、科学計算にも強い半導体です。

その結果、従来は数週間から数か月かかっていた解析を、1日以内で進められるようになったとしています。

これは単なる高速化ではありません。
創薬では、候補分子を何度も試す必要があります。
そのため、解析時間の短縮は研究の回転数そのものを押し上げます。

なぜタンパク質の「動き」が創薬で重要なのか

AlphaFoldのような既存AIは、静的構造予測を大きく進歩させました。
しかし、薬の標的は形だけでは説明しきれません。

特に重要なのがアロステリック効果です。
これは、タンパク質の一方の部位に何かが結合すると、離れた別の部位の性質が変わる現象です。
つまり、局所の変化が全体の働きに波及する仕組みです。

この効果は、静止画のような構造だけでは捉えにくい面があります。
一方で、タンパク質がどう揺れ、どう形を変えるかまで見れば理解しやすくなります。
そのため、「動き」を扱う研究は創薬に直結します。

これまでの設計タンパク質が抱えていた限界

ASU側の説明では、これまで設計されたタンパク質は、自然界のものに比べて硬く、単調である傾向がありました。

タンパク質は本来、柔らかく動くことで働きを発揮します。
しかし人工設計では、安定性を重視するあまり、動きの幅が乏しくなりやすい面がありました。

そのため、形を作れるだけでは十分ではありません。
実際に働ける分子を作るには、動けることも同じくらい重要です。
今回の2つの研究は、その壁を正面から扱っています。

期待される応用はどこまで広がるのか

まず期待されるのは、より精度の高い薬剤設計です。
標的の動きに合わせて結合を考えられれば、副作用を抑えつつ効率よく作用する薬の開発につながります。

また、環境変化に応じて働きを変える適応型酵素の設計にも道が開きます。
酵素とは、体内や産業で化学反応を助けるタンパク質です。
さらに、特定の化合物を見つける化学センサーの開発も視野に入ります。

一方で、AI学習用データの質も変わります。
配列、構造、動態をまとめて扱えるようになれば、次世代のタンパク質AIの性能向上にもつながります。
つまり、今回の成果は単独の技術ではなく、研究基盤そのものを強くする可能性があります。

2つの研究が同時期に出た意味

MITのVibeGenとASUの高速シミュレーション手法は、別々の研究です。
しかし両者は、タンパク質の動きをどう設計し、どう理解するかという同じ根本課題に向かっています。

MITは、望ましい動きを持つタンパク質を作る側から攻めました。
一方でASUは、タンパク質が持つ動きを読み解く側から前進しました。

この2つがそろうと、設計と検証の循環が強くなります。
つまり、作って終わりでも、測って終わりでもありません。
動きの理解と設計がつながることで、創薬の精度が一段と高まる可能性があります。

創薬の次のフロンティアは「動的な機能」

今回の研究が示したのは、創薬が静的な構造から動的な機能へ進みつつあるという流れです。

これまで届きにくかった難治性疾患の標的も、動きまで含めて理解できれば攻略の糸口が増えるかもしれません。
また、医療だけでなく、新しい機能材料やバイオ素材の開発にも波及する可能性があります。

しかし、実用化までは今後の検証が欠かせません。
それでも、タンパク質の「形」ではなく「動き」を設計対象にしたという点で、今回の成果は明確な転換点です。
分子はじっとしていません。そこに踏み込んだ研究が、いよいよ本格化してきました。

ソース

MIT News
Matter
Arizona State University News
Science

投稿 MITとASUがタンパク質の動き設計を解明　創薬を変える新研究 は 仕事終わりの小節 に最初に表示されました。

このケースは、AIを活用して個別化mRNA癌ワクチンを設計した実例として報じられました。
また、研究者はこの取り組みを犬向けとしては史上初の個別化癌ワクチンと説明しています。

一方で、この結果は単一の症例であり、臨床試験による科学的証明はまだ必要です。
しかし、AIとmRNA技術を組み合わせた個別化医療の可能性を示す重要な例として議論が広がっています。

AIを使った個別化癌ワクチン設計の背景

今回の取り組みの中心人物は、オーストラリア・シドニーのテック起業家ポール・コニンガムです。

コニンガムはコンサルティング会社「Core Intelligence」を経営し、機械学習とデータサイエンス分野で約17年の経験を持っています。

2019年、彼は保護施設からロージーという犬を引き取りました。
ロージーはスタッフォードシャー・ブル・テリアとシャー・ペイのミックス犬です。

しかし2024年、ロージーは肥満細胞腫（Mast Cell Tumor）と診断されました。

肥満細胞腫とは、犬で比較的多い皮膚がんの一種です。
進行すると全身へ広がる可能性があります。

従来の治療として

• 手術
• 化学療法
• 免疫療法

などが試されました。

しかし、腫瘍の進行を遅らせる効果はあったものの、腫瘍の縮小は確認できませんでした。

獣医師はロージーの余命を「1〜6か月」と診断しました。

ChatGPTとAlphaFoldを使った治療設計

そこでコニンガムは、自身の専門分野であるAI技術を利用した治療開発を試みました。

まず彼はChatGPTをリサーチアシスタントとして利用しました。

ChatGPTは、治療開発のプロセス設計や研究情報の整理を支援しました。

治療の基本的な流れは次の通りです。

1. 腫瘍組織の採取
2. 腫瘍DNAの配列解析
3. 正常細胞との比較
4. 癌を引き起こす遺伝子変異の特定
5. ネオ抗原（がん特有の抗原）の選定
6. mRNAワクチンの設計

ここで重要な概念がネオ抗原（Neoantigen）です。

ネオ抗原とはがん細胞にだけ存在するタンパク質断片のことです。

免疫系はこれを認識すると、がん細胞を攻撃します。

さらにコニンガムは、Google DeepMindのAIシステム
AlphaFoldを利用しました。

AlphaFoldは

• タンパク質の3D構造を予測するAI

として知られています。

このAIを使い、腫瘍変異が作るタンパク質の立体構造をモデル化しました。

その後、独自の機械学習アルゴリズムで最も有効と考えられるネオ抗原を選択しました。

コニンガムは次のように説明しています。

「私たちは腫瘍を採取し、DNAを解析し、組織をデータへ変換しました。そしてDNAの問題点を見つけ、それに基づいて治療法を開発しました。ChatGPTはその全過程を支援してくれました。」

実在研究機関がワクチン製造を支援

このプロジェクトには、複数の研究機関が関与しました。

主な協力機関は次の通りです。

• ニューサウスウェールズ大学（UNSW）ラマチオッティ・ゲノミクスセンター
• UNSW RNAインスティテュート

UNSW RNAインスティテュートのディレクターパール・ソーダーソンは、コニンガムの解析データを基に約2か月以内にオーダーメイドmRNAワクチンを製造しました。

ソーダーソンは次のように述べています。

「犬のために個別化されたがんワクチンが設計されたのはこれが初めてです。」

ワクチン投与後に腫瘍が劇的縮小

ワクチンの投与は、クイーンズランド大学の研究者レイチェル・アラヴェナによって実施されました。

アラヴェナは実験的獣医治療の倫理承認を保持しています。

治療スケジュールは以下の通りです。

• 2025年12月：初回投与
• その後：ブースター接種

その結果、約1か月以内に最大腫瘍が劇的に縮小しました。

最も大きかった腫瘍は

テニスボール大 → 最大75％縮小

という結果になりました。

UNSWの計算生物学准教授マーティン・スミスは当時の反応をこう語っています。

「まるで『なんてこった、効いたぞ！』という感じでした。」

個別化mRNA癌ワクチンとは何か

今回使われた技術は個別化mRNA癌ワクチンです。

これは、患者ごとに異なるがん遺伝子を分析し、その人専用のワクチンを設計する医療技術です。

通常のワクチンは

• 特定の病原体

に対して作られます。

しかし個別化癌ワクチンは

• 患者の腫瘍遺伝子

を基に設計されます。

つまり

完全オーダーメイドの免疫療法です。

この分野では現在、製薬企業

• モデルナ
• メルク

がヒト患者を対象とした第3相臨床試験を実施しています。

研究者が指摘する重要な注意点

研究者たちは、この結果について慎重な姿勢も示しています。

理由は明確です。

今回の結果は「単一症例の逸話的結果」だからです。

つまり

• 臨床試験
• 対照実験

がまだ行われていません。

そのため、この治療法が一般的に有効かどうかはまだ科学的に証明されていません。

現在コニンガムは、もう一つ存在する腫瘍を解析しています。

この腫瘍は最初のワクチンに反応しませんでした。

研究者は

• なぜ耐性が生じたのか
• どの遺伝子変異が関係するのか

を調査しています。

AIとmRNAが切り開く個別化医療の未来

今回の事例は、AIとmRNA技術の融合が医療に与える可能性を象徴しています。

ソーダーソンは次のように述べています。

「最終的には、この技術を人間の治療に役立てるつもりです。」

さらにこう続けました。

「ロージーが示しているのは、個別化医療がmRNA技術によって、非常に効果的で時間的制約のある方法で実現できる可能性です。」

つまり、このケースは

• AI
• ゲノム解析
• mRNAワクチン

という3つの技術の融合を示しています。

もし臨床研究で効果が確認されれば、将来がん治療の根本的なパラダイムが変わる可能性もあります。

ただし現時点では研究段階の実験的治療であり、今後の科学的検証が不可欠です。

ソース

The Australian
UNSW
awesomeagents.ai
X（グレッグ・ブロックマン投稿）

投稿 AI設計mRNAワクチンで犬の癌腫瘍が75％縮小｜ChatGPTとAlphaFoldによる個別化癌治療 は 仕事終わりの小節 に最初に表示されました。