AIが見つけた酵素システム：候補探索から実験検証へ

既知の酵素の隣に、見落とされていた手掛かりがあった

DNAの配列データには、存在は記録されていても、働きが十分に分かっていない遺伝子がある。研究者は、既知のタンパク質との違いや、近くに並ぶ遺伝子を調べ、新しい仕組みの手掛かりを探す。大量の資料を読み終えることと、実験する価値がある違いを見つけることは、この仕事では別々の達成である。

9月23日のAnthropicの報告は、その違いを具体的に示した。Claudeが注目した、RNAをDNAへ写す逆転写酵素自体は以前の研究で知られていた。新しく捉えたのは、近くにあるDNAの反復配列と補助タンパク質を含む、関連したシステムの特徴だった。同社はこれをARTと呼び、機能の解明を続けている。

この事例から科学研究へのAI導入を考えるなら、問いは「AIが科学者になったか」だけでは足りない。AIが探索する候補を広げた結果、人が実験で確かめられる仮説へ、どれだけ効率よく絞れるようになったか。本稿は、配列の探索、文献に基づく仮説生成、装置を使う実験、研究評価を比較し、その受け渡しを研究の成果として測るべきだと考える。

ARTの探索で自動化された仕事と、残っている解明

Anthropicによれば、Claudeは20万件超の逆転写酵素を集め、3,500の候補システムを選び、20件を詳しく分析した。探索は約950のエージェントが21時間、2億1,000万トークンを使って進めたという。これらは同社の報告値であり、全候補を実験で確認した数ではない。

ARTに関する初期実験は、反復配列から短いRNAが作られることを示した。一方で、同社は主な機能が未解明であり、実験室での作業は人の研究者が行うと明記している。反復配列がCRISPRに似ているという観察から、遺伝子編集に使える完成した技術までを一続きの成果として扱うことはできない。

この差は、AIの貢献を小さくする理由にはならない。既知の酵素の周囲へ探索を広げ、未記載の組合せを研究対象として取り出せたなら、人が調べる対象は変わる。ただし、研究者へ渡す報告には、既知の事実、新しく見つけた関係、想定する機能、まだ確認していない点が必要になる。仮説の説得力だけを渡しても、次の実験を選べないからだ。

Co-Scientistは、仮説同士を比較して実験候補へ近づける

配列から異常な組合せを拾う探索に対し、GoogleのCo-Scientistの論文は、研究目標と既存文献から仮説を生成し、批判、順位付け、改良を反復する方式を示す。研究者は目標や制約を与え、途中で方向を修正できる。AI同士の比較は、提案を実験へ進める前に絞るための工程である。

論文は、薬剤転用、新しい治療標的、抗菌薬耐性の機序という三領域を扱い、急性骨髄性白血病の薬剤候補や組合せについて、試験管内の実験による検証を報告している。ここには、仮説を文章として評価する段階から、外部の観測で確かめる段階へ進んだ事例がある。細胞を使う実験の結果を、人への治療効果へ拡張することはできない。

ART探索と共通するのは、候補を作る工程と、採用できる根拠を増やす工程が分かれている点だ。違いは、前者が配列中の関係、後者が主に既存知識を結ぶ仮説を入口にすることにある。研究機関が選ぶべき方式も、未整理のデータに手掛かりがあるのか、文献をまたぐ説明や実験案が必要なのかによって変わる。

Co-Scientistの著者は、有料文献や陰性結果へのアクセス不足、元の文献の品質、幻覚、検証の初期性を限界として挙げる。AI内の順位が高くても、探索した資料に欠落があれば、その順位は欠落を含んだ判断になる。これは本稿の解釈だが、順位付けには候補の根拠だけでなく、探索した資料と未取得の資料も併せて残す価値がある。

実験装置へつなぐ自律性と、計算実験の自律性

外部の観測を得るには、仮説を実験手順へ変える仕事がある。Coscientistの研究は、化学情報や装置の文書を調べ、クラウド実験室や液体操作装置を使う課題を示した。ChemCrowも、化学用の道具をLLMへ接続し、合成などの課題を専門家の評価とともに検討している。装置や専用の道具は、文章の生成を外部で確かめる行為へ接続する。

接続先が計算環境なら、同じエージェントが実験の実行まで担う範囲を広げやすい。The AI Scientist-v2は、仮説、計算実験、分析、論文作成をつなぎ、三本の原稿をICLRのワークショップへ提出し、一本が採択基準を超えたと報告する。計算による研究工程をまとめて進める事例として読むべきで、実験室の全作業や生物学的発見の検証を自動化した証拠ではない。

この比較は、各システムの性能順位ではない。装置、試料、データ、採点方法が違うため、同じ「自律的」という説明でも引き受けている作業が異なることを示す。導入時には、AIが操作できるものと、担当者が最終的に確かめるものを、自分の研究工程へ対応付ける必要がある。

研究の知識、分析の実行、新しい発見を別々に測る

作業の違いは、評価にも現れる。LAB-Benchは、生物学研究に必要な文献、図、データベース、配列などの能力を多肢選択問題で測る。BixBenchは、生物学データを実際に分析し、自由回答で結果を解釈する仕事を扱う。前者の正答と、後者の分析工程の完了は同じ達成ではない。

ScienceAgentBenchは、査読済みの44論文から102課題を作り、プログラム、実行結果、費用を評価する。PaperBenchは、既存のAI研究をコード作成と実験実行から再現し、原著者と作った採点基準で評価する。いずれも、もっともらしい説明だけで科学的作業の完了を判定しないための方法を提供する。

これらの評価は、ARTの発見を否定する材料でも、現在のモデルの能力を一つの数字で表す材料でもない。評価に使ったモデル、試行回数、道具、研究領域が異なるからだ。本稿が導入へ持ち込みたいのは、知識を答える、分析を実行する、既知の結果を再現する、新しい仮説を検証する、という達成を分ける考え方である。

候補を探すAIに、既知の結果を再現する課題も与えれば、使った分析方法が基本的な条件を満たすか確認できる。それでも、新しい候補が正しいとは決まらない。再現課題は方法の点検、新規候補の実験は仮説の点検として、双方の記録を残すほうが、失敗の原因を追いやすい。

候補を増やすとき、実験と確認の負担も数える

研究への導入効果を確かめるなら、同じデータ、研究目標、時間・費用の条件で、人の通常手順、既存の検索・解析道具、AIを含む手順を比較したい。これは本稿が提案する評価方法であり、ARTやCo-Scientistに対して本誌が実施した試験ではない。用途によっては、決められた解析プログラムのほうが、安価で追跡しやすい基準になる。

各手順で、取り出した候補、重複、既知と判明した候補、却下理由、実験へ進めた候補を記録する。候補数だけを増やしても、専門家が読む報告や実験の待ち行列が増えれば、研究全体は速くならない。逆に、実験を増やさず有望な候補へ絞れた場合は、探索件数が小さくても価値がある。

時間には候補の探索だけでなく、資料の確認、手順の修正、実験待ち、再実験を含める。費用には推論と計算に加え、専門家の確認と実験資材を含める。Anthropicが示した21時間やトークン数は探索規模を理解する手掛かりだが、それだけで研究工程全体の費用対効果は決まらない。

検証を終えた候補についても、当初の仮説を支持した結果と、別の説明が必要になった結果を残す。陰性結果や修正された仮説が次の探索へ渡らなければ、AIは同じ有望そうな提案を繰り返し、人が再び棄却することになる。大量に仮説を作る能力を生かすには、棄却の根拠も再利用できる記録が必要だと考える。

発見報告を、次の実験を選ぶための記録にする

ART探索が示す変化は、研究者がすべての配列を自分で追わなくても、異常な組合せを研究対象として受け取れることにある。Co-Scientistは、既存知識を結ぶ仮説を比較し、実験へ進める別の方式を示す。どちらも、AIの文章が完成したところから先に、研究の価値を確かめる仕事が続く。

導入の最初の単位には、一つのタンパク質群の候補探索や、限定した現象の説明候補の比較が適していると本稿は考える。入力資料、既知の基準、確認する実験、担当者が明確なら、探索が広がったことと、確認負担が増えたことを同じ記録で評価できる。未取得の文献や不明な機能も、その記録の一部になる。

AIによる科学研究を前進として評価するには、生成した仮説を、誰が何を観測して支持・修正・棄却したかまで追う必要がある。ARTの機能解明が続いていることは、その区別を保つ具体例だ。発見を告げる報告と、次の実験を選べる報告が結び付くとき、AIの広い探索を研究者の限られた時間と設備へつなげられる。