画期的なAI活用で新たな抗菌ペプチドを発見
スタンフォード大学バイオエンジニアリング学部の研究チームが、深層学習を活用して大腸菌（Escherichia coli）を効率的に殺菌する新たな抗菌ペプチド「AMP-1」の設計に成功しました。Nature Biotechnology誌に掲載されたこの研究は、従来の薬剤開発プロセスを最大90%短縮し、新たな抗菌剤開発に革命をもたらす可能性があります。
2023年時点で抗生物質耐性菌による死者は年間120万人に達すると推計されており、新規抗菌剤の開発が急務となっています。今回の成果は、AI創薬という新たなアプローチでこの課題に挑んだものです。
AIが導いたペプチド設計のプロセス
研究チームは、Transformerアーキテクチャを基盤とした独自の深層学習モデル「AntibioticAI」を開発しました。このモデルには、既知の約5,000種類の抗菌ペプチドとその活性データが学習用データセットとして使用されました。
特筆すべきは、AIが単に既存のペプチドを組み合わせるだけでなく、自然界に存在しない全く新しい配列を生成した点です。これまでにないαヘリックス構造とβシート構造の組み合わせが特徴で、従来の実験ベースのスクリーニングでは発見が困難でした。
実験室での検証とその結果
AIが設計した20種類の候補ペプチドのうち、特に「AMP-1」と名付けられた化合物が顕著な効果を示しました。in vitro試験では、臨床分離株を含む多剤耐性大腸菌（MDR-E. coli）に対して、最小発育阻止濃度（MIC）が1.56μg/mLという高い抗菌活性が確認されました。
さらに驚くべきは、哺乳類細胞に対する毒性が極めて低い点です。HEK293細胞を用いた試験では、500μg/mLの濃度でも有意な細胞死が観察されませんでした。これは既存のポリミキシン系抗菌剤と比較して約10倍の安全性マージンに相当します。
従来手法との比較と優位性
従来の抗菌ペプチド開発では、自然由来のペプチドを改変するアプローチが主流でした。これに対しAI創薬の場合、以下のような利点があります：
- 開発期間の短縮：従来2-3年かかっていた候補物質探索が数週間に
- コスト削減：高通量スクリーニングに比べ実験コストが1/10以下に
- 構造の多様性：自然界の制約を受けない分子設計が可能
ただし、AIが生成する分子の物性予測精度にはまだ改良の余地があり、研究チームは物性予測アルゴリズムの改善に取り組んでいます。
臨床応用に向けた課題
現在の主な課題は以下の3点です：
- 体内安定性：血中半減期の延長が必要
- 投与方法：経口バイオアベイラビリティの向上
- 大規模生産：固相合成法の最適化
研究チームは、ペプチドのD型アミノ酸置換やPEG修飾による改良を進めています。2025年までに非臨床試験を開始し、2028年までの治験開始を目標としています。
医療AIの未来像
本研究を主導したアマンダ・シン准教授は「AI創薬は抗菌剤開発だけでなく、がん治療薬や神経変性疾患治療薬の開発にも応用可能」と述べています。実際、同研究チームはすでにアルツハイマー病治療標的の探索にも同技術を応用中です。
スタンフォード大学テクノロジーライセンシングオフィスは、本技術に関連する5件の特許を出願済みです。バイオテック企業数社との共同開発も進行しており、近い将来の実用化が期待されています。
業界専門家の見解
FDA元首席科学官のスコット・ゴットリーブ氏は「AI創薬は規制当局にとっても新たな挑戦」と指摘します。特に、AIが生成する分子の創製プロセスをどう評価するかが議論の的となっています。
一方、抗菌薬耐性対策連盟（AMR Alliance）の技術ディレクターは「製薬業界全体がAIツールの導入を加速すべき」と評価。2024年下半期には主要製薬企業10社が共同でAI創薬ガイドラインを策定する予定です。
この技術の進展は、抗生物質開発の停滞（過去30年間で新クラスは2つのみ）を打破する希望の光といえるでしょう。
コメント