AIがウイルスのゲノムを「創造」する時代が来た#
スタンフォード大学の研究チームが、大規模ゲノムモデル（Large Genome Model）を活用してバクテリアに感染するウイルスのゲノムを設計することに成功した。これまでAIによる生物学的設計はタンパク質が中心だったが、今回はウイルスゲノム全体の生成という新たな段階に踏み込んだ研究として注目されている。
大規模ゲノムモデルとは何か#
大規模言語モデル（LLM）が大量の人間の文章データから「次の単語」を予測することを学習するように、大規模ゲノムモデルはDNA配列を学習データとして「次の塩基」を予測するアーキテクチャを採用している。DNAはA・T・C・Gの4文字しか使わないため一見シンプルだが、ゲノムには「次の塩基が非常に重要な領域」と「何でも良い領域」が混在しており、モデルはその生物学的文脈を自ら学習する必要がある。
今回使用されたモデルは「Evo 1」と「Evo 2」と呼ばれる。研究チームはあらかじめ、脊椎動物などの複雑な細胞を標的とするウイルスの配列はモデルの学習データに含めないという安全上の対策を講じていた。
テスト対象：ΦX174とは#
実験のモデルウイルスとして選ばれたのは「ΦX174（ファイX174）」という大腸菌（E. coli）に感染するウイルスだ。このウイルスには以下のような特徴がある。
- 遺伝子数：11個
- ゲノムサイズ：約5,400塩基
- 特徴：全11遺伝子の機能が特定済みで、感染サイクルも詳しく解明されている
- 末端配列：ゲノムの末尾が常に同じ短い配列で終わるため、プロンプトとして活用しやすい
モデルには200万塩基超のバクテリオファージ（バクテリア感染ウイルス）DNA配列で追加学習させ、さらにΦX174が属する「Microviridae」ファミリーの配列でファインチューニングを実施した。
実験の流れと結果#
プロンプト設計と出力フィルタリング#
ΦX174末端の4〜9塩基をプロンプトとして与えることで最適な出力が得られることが判明した。ただし、生成された配列をそのまま使うのではなく、以下の条件でフィルタリングを実施した。
- スパイクタンパク質の遺伝子が本物と60%以上の同一性を持つこと
- ゲノム長が4,000〜6,000塩基の範囲内であること
- 同じ塩基が10塩基超連続しないこと
- GCペアとATペアの出現頻度が異常でないこと
このフィルタリングを経て残った302配列のうち285配列を化学合成し、大腸菌に導入して動作検証を行った。
機能したウイルスの数#
285配列のうち、実際に大腸菌の増殖を抑制したのは16配列（約5.6%）。そのうち9配列はAIが出力したままの配列で、残り7配列はバクテリア内で追加変異を獲得したものだった。
さらに、ΦX174との配列類似度が98%以上の出力に限定すると、機能率は**46%**に上昇した。
注目点：「同じようで、異なる」ウイルスたち#
機能したウイルスの多くはΦX174と同じ遺伝子セットを持っていたが、個体レベルでは顕著な差異も確認された。
- ウイルスタンパク質の1つを完全に失い、ゲノム全体の変化で補償したもの
- まったく新しい遺伝子を追加したもの
- ΦX174の遺伝子を遠縁ウイルスの遺伝子に置き換えたもの
- 遺伝子の長さが元より長くなったもの・短くなったもの
ΦX174は本来、アミノ酸1個を変えるだけで平均20%の確率でウイルスが不活性化するほど変異に脆弱なウイルスとして知られている。そのような制約の中で、AIはこれらの特徴的な変異体を設計した。
なぜこの研究が重要か#
今回設計されたウイルスはすべてバクテリア感染性であり、人間に感染するものではない。しかし研究チーム自身が論文内で言及しているのが将来のリスクだ。現時点では脊椎動物を標的とするウイルス設計には技術的限界があるものの、研究者たちは「脊椎動物を標的にできるAIが開発された場合に備え、今から準備を始めるべきだ」と提言している。
まとめ#
大規模ゲノムモデル「Evo 1/2」を使ったこの研究は、AIがウイルスゲノム全体を設計できることを実証した初期段階の重要な事例だ。機能ウイルスの生成率は5.6%（高類似度に絞れば46%）という数字は、まだ改善の余地があることを示している一方で、AIによるゲノム設計の実用可能性を明確に示した。
筆者の見解： バクテリオファージ研究にとどまる現段階では直接的な危険は小さいが、研究チームが自ら警鐘を鳴らしている点は真剣に受け止めるべきだろう。AI技術の進化とバイオセキュリティの議論は、もはや並走させなければならないフェーズに入っている。
