OpenAIが生命科学にもたらす革新：AIと生物学の融合

はじめに：AIが切り拓く生命科学の未来

こんにちは、アンドリュー・メインです。今回はOpenAI Podcastの特別エピソードとして、研究リーダーのジョイ・ジャオ氏と製品リーダーのユンユン・ワン氏をお迎えし、「OpenAI for Life Sciences（生命科学におけるOpenAI）」について深く掘り下げていきます。最新のAIモデルが生物学や医学分野でどのような可能性を拓いているのか、そしてこれらの最先端技術を責任ある形で展開するために何が必要かを探ります。

ジョイ・ジャオ氏は、AIの活用により「これまで不可能だと思われていたような、新たなレベルの難易度や発見に到達できる」と語ります。また、ユンユン・ワン氏は、「非常に優れた専門レベルの知識を、より多くの人々の手に届けることができる」と強調しています。OpenAIのライフサイエンスチームのスローガンの一つは、「試験時間の計算をスケールさせ、全ての病気を治療する」というものであり、この大きな目標に向けて日々研究が進められています。

生命科学研究を加速するOpenAIの進化

OpenAIは、基本的なAPIから始まり、対話型のChatGPT、そしてコード生成能力を持つCodexへと進化してきました。現在、より多くの科学者や生命科学分野の研究者がこれらのシステムに取り組んでおり、その働き方をサポートするためにツールの進化が求められています。

ユンユン・ワン氏は、新たに構築・展開されている「ライフサイエンスモデルシリーズ」について大きな期待を寄せています。これは、生化学に特化したモデルシリーズであり、非常に複雑な生命科学研究のワークフローに焦点を当てています。特に、ゲノミクスやタンパク質の理解から始まる「メカニズム的理解（mechanistic understanding）」の追加に注力しており、早期発見のユースケース（早期段階での課題発見や解決）に焦点を当てています。

研究のボトルネックを解消するAI

研究の初期段階におけるボトルネックは、思考時間や計算処理能力、そしてより高性能なAIモデルの活用によって大幅に改善できると考えられています。また、AIモデルを実際の研究ワークフローに組み込むための「モデルオーケストレーション（model orchestration）」も重要な要素です。

OpenAIの技術は、様々な製品プラットフォームで活用されています。

• ChatGPT: 多くの優れた文献合成ワークフロー（複数の文献から情報を統合し、新たな知見を導き出すプロセス）がChatGPT上で実現されています。これにより、研究者は効率的に論文を調査し、要約することが可能です。
• Codex: 長期的な「エージェント的ワークフロー（agentic workflows）」（AIが自律的に一連のタスクを計画・実行するプロセス）のフロンティアを押し広げ、研究者を強力に支援しています。

企業向けプラグインによる再現性と効率化

エンタープライズ（企業）向けのユースケースでは、「再現性（reproducibility）」と「繰り返し性（repeatability）」が非常に重要となります。OpenAIでは、これを克服するために特定のトランスレーショナルバイオ（translational bio）ユーザー（基礎研究の成果を臨床応用につなげる研究者）向けの「ライフサイエンス研究プラグイン」を開発し、提供しています。

このプラグインには50以上の「スキル」が含まれており、これらは本質的にテンプレート化された繰り返しのワークフローです。例えば、様々な論文を横断して証拠を照合・検索したり、パスウェイ解析（生体内の特定の経路やネットワークを解析すること）を行ったりするなど、頻繁に行われる定型作業をワンクリックで実行できるオプションが提供されます。これにより、専門的な目的でのスケーリングと、全ての基礎生物学研究における汎用性のバランスを取っています。

AIを「生化学の専門家」へ

ジョイ・ジャオ氏は、現在のモデルはツール（例：オープンソースのタンパク質構造予測アルゴリズム）を使用することで、かなりの進歩を遂げられると考えています。この場合、モデルは通常の計算生物学者（computational biologist）のように、ツールを実行し、その出力を確認し、入力を微調整するといった作業を行います。

しかし、モデルをさらに強力にするのは、それをより「生化学の専門家」へと進化させることです。この種の直感と専門知識があれば、ツールをよりインテリジェントに活用し、より迅速に正しい答えにたどり着くことができると語っています。

研究者のキャリアとAIの貢献

ジョイ・ジャオ氏は、自身の経歴がもともと生命科学分野にあったと話します。ハーバード大学でシステム生物学の博士号を取得しましたが、学術界のペースが自分には遅すぎると感じたそうです。実験室で物理的に作業し、少量の液体をピペットで移すといった作業は、より速いペースで、自分の速度を直接制御できる環境を求めていた彼女には合わなかったといいます。そこでソフトウェア業界へと転身し、最終的にOpenAIに辿り着きました。彼女にとって、これはAIで過去の自分を加速させるという、ある種の「円環の旅（full circle moment）」であり、AIがこの分野でどのような進歩を遂げられるかを楽しみにしています。

ユンユン・ワン氏もジョイ・ジャオ氏も、ピペッティングのような手作業を自動化し、二度と自分たちが行う必要がなくなることへのモチベーションを語っています。

Ginkgo Bioworksとの協業事例：GPT-5による生物実験の加速

OpenAIはGinkgo Bioworksと協力し、AIシステム（GPT-5）とロボットラボを組み合わせることで、生物実験を大幅に加速するプロジェクトを行いました。

ジョイ・ジャオ氏によると、2023年7月に始まったこのプロジェクトでは、GPT-5のトレーニングが完了したばかりで、モデルが生物学的なタスクをこなせるかどうかは不確実でした。当時のトレーニングデータは、検証可能な解がある数学やコンピューターサイエンスが中心で、生物学のデータは少なかったためです。しかし、GPT-5が設計した最初の実験で、非ゼロ量のタンパク質が生成されたという結果が出た時には、非常に驚いたそうです。

わずか約半年という期間で、「私たちのモデルが科学を加速できるのはごく当たり前のことだ」と感じられるまでに進歩したことは、本当に驚くべきことだと述べています。

ユンユン・ワン氏も、この実験が「可能性の芸術（art of the possible）」を示していると評価しています。高スループットの実験データ（一度に大量のデータを処理できる実験から得られるデータ）の取り込みは非常に難しく、計算負荷が高いです。多くの科学的ワークフローにおいて、科学的進歩の真のボトルネックは「人間」によるものであるため、AIによる加速は非常に重要だといえるでしょう。

まとめ：AIが拓く生命科学の新たな時代

OpenAIの取り組みは、AIが生命科学研究のボトルネックを解消し、発見の速度を劇的に加速する可能性を示しています。専門知識の民主化、複雑なワークフローの自動化、そしてGinkgo Bioworksとの協業のような具体的な成功事例を通じて、AIは既に生物学と医学のフロンティアを押し広げています。

ピペッティングのような日常的なラボ作業の自動化から、GPT-5による画期的な実験デザインまで、AIは生命科学のあらゆる側面に深い影響を与え始めています。今後もOpenAIが生命科学分野にもたらすであろう革新に、大いに期待が寄せられます。

参考動画: https://www.youtube.com/watch?v=UZyH0nx5zgI