AIツールが未確認抗生物質を強化、実験で 85% が有効

ペンシルベニア大学の研究チームは、不完全な抗生物質候補を AI で強化する「ApexGO」という新手法を開発しました。従来の AI 手法が大量のデータベースから働きそうな分子を探すのに対し、ApexGO は少数の有望だが不完全なペプチドから始め、予測アルゴリズムで変革を評価し、段階的に強力な分子へと改良します。この手法は、César de la Fuente 教授と Jacob R. Gardner 准教授らによって Nature Machine Intelligence に発表されました。 実験の結果、AI が生成した分子の 85% が実験室レベルで細菌の成長を抑制することに成功しました。また、72% は元となったペプチドを上回る効果を示し、マウス実験では、ApexGO が設計した抗菌ペプチドが、耐性菌に対する最後の手段として使われるポリミキシン B と同等の細菌減少効果を発揮しました。これは、AI がコンピュータモデル内で最適化しただけでなく、実際の生体実験でも高い精度を発揮したことを示しています。 この技術は、従来の偶然に依存した抗生物質発見（ペニシリンの発見など）に代わる、体系的なアプローチを提供します。ペプチドの組み合わせは膨大であり、人間が試行錯誤で全ての可能性を調べることは不可能ですが、ApexGO はベイジアン最適化技術を活用して、有望な領域と新たな発見の可能性がある領域のバランスを取りながら、効率的に分子を探索します。数ヶ月の計算で数百の候補を見出したため、時間がかければ数千の候補が得られる可能性があります。 ただし、開発された分子はまだ初期段階であり、人間への投与に至るには、安全性、安定性、体内での持続性などのさらなる最適化が必要です。この技術は抗生物質の開発加速だけでなく、免疫調節や腫瘍標的など、他の生物学的機能を持つペプチドの設計にも応用できる可能性があります。世界的な抗生物質耐性の問題に対し、ApexGO はアイデアから実用候補までの時間を劇的に短縮する重要なステップとなります。