バイオ・創薬の全プロセスを加速するLLM：Anthropicが示すAI駆動型創薬の実証成果
創薬パイプライン全体におけるAIエージェントの統合とマルチモーダルアプローチ
Anthropicのライフサイエンスチームは、BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Groupといった主要バイオテック企業・組織との共同研究を通じ、創薬の初期標的探索から分子設計、製造プロセス、規制当局への提出書類作成、さらには臨床試験計画の最適化に至るまで、あらゆるボトルネックに対するAIエージェントの適用実証を進めている。
従来のAI創薬は「初期分子の候補提案」に限定されがちであったが、本取り組みでは、LLMや専用のコード実行環境（Claude Code等）を基盤とした自律型エージェントシステムが、ウェットラボ（湿式実験）の生データと直接連携している点が特徴である。例えば、Generate Biomedicinesとの共同研究では、CAR T-cell療法（キメラ抗原受容体T細胞療法）におけるシグナリングドメインのリファクタリング（再設計）を実施。エージェント群が既知の文献や実験データをもとに設計提案を行い、標準品と比較して約70%短縮されつつも、受容体発現量が約10倍、腫瘍細胞殺傷効率が向上したコンパクトなドメインをわずか2週間という初期サイクルで創出した。
自律的分子生成と生体物性の最適化におけるエンジニアリング
分子設計の高度化において、単一の物性だけでなく「複数の相反するトレードオフ（結合親和性・熱安定性・凝集耐性など）」を同時に解決する能力が問われる。Divergence Labsとの食物アレルギー治療薬（IgEディスラプター）開発では、Claudeが約1万時間相当の計算リソースを活用し、およそ35,000種類もの抗体デザインを約1ヶ月で自律的に生成・フィルタリングした。
- ディスラプター・アンカーの2腕設計: 自由浮遊型IgEを中和するだけでなく、免疫細胞に結合した（バウンド）IgEを引き剥がすための複雑な立体構造設計を自動化。
- 実測データに基づくメトリクスの修正: BigHat Biosciencesとの共同作業では、実験装置の生データ（ロウデータ）から熱安定性や凝集性の評価指標そのものに矛盾があることを見抜き、AIと研究者が協働して評価プロトコルとメトリクスを再定義。結果として、結合親和性が10倍以上高く、熱安定性および凝集耐性が劇的に改善されたリード分子の獲得に成功した。
また、Envedaにおける製造文書の品質管理（コンプライアンス監査）や規制当局向けドラフト作成の自動化では、1,000ページを超えるドキュメントの査読時間を89%削減（25時間以上から3時間未満へ短縮）しつつ、人間のレビューアが見落とした不備をも検出するなど、非臨床・オペレーション領域における圧倒的な省力化も実証されている。
開発者・エンジニア視点での考察
-
コードインターフェース（Claude Code等）を「研究開発のハブ」とするアーキテクチャの確立: 単なるチャットインターフェースとしての利用を超え、実験ノート（ELN）、データパイプライン、自動化ラボのAPIとLLMを緊密に結合させることで、生物学者や化学者が自らカスタムツールを即座に構築・実行できるエコシステムが実務レベルで機能している。
-
探索空間の自律的拡大と「人間による意思決定（Human-in-the-Loop）」の境界線: 数万規模の分子デザインを自律生成・スクリーニングするパイプラインにおいて、LLMはパラメータの微調整や過剰な反復試行に陥る傾向がある。そのため、どの実験パスを切り捨てるべきかといった「戦略的取捨選択」のフェーズにおいては、依然として人間のオペレーターによるコンテキストに基づいた判断が不可欠であり、協調の分業デザインが重要となる。
-
生データからのメトリクス再定義能力: AIは既存のアルゴリズムに従うだけでなく、実験の生データを解析して「評価指標（メトリクス）自体が誤っている可能性」に気づき、プロトコルの変更を提案できるメタ推論能力を示している。これは創薬以外の複雑なハードサイエンス領域（材料科学や触媒開発など）のワークフロー自動化においても、極めて高い転用価値を持つ。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
