大規模ゲノムモデルでウイルスを設計、細菌に感染する実物の作製に成功

何が発表されたのか

スタンフォード大学の研究チームは、大規模ゲノムモデル「Evo 1」と「Evo 2」を用いて、細菌に感染するウイルス（バクテリオファージ）のゲノムを設計し、その一部が実際に機能することを確認した。研究成果は科学誌「Science」に掲載された。

対象となったのは大腸菌に感染する「ΦX174」というウイルスで、11個の遺伝子を持ち、約5,400塩基からなる比較的単純なゲノムを持つ。研究チームはモデルにバクテリオファージのDNAを追加学習させた上で、ΦX174の開始配列をプロンプトとして与え、ゲノム全体の出力を試みた。

大規模ゲノムモデルの仕組み

大規模ゲノムモデルは、人間の文章を学習して次の単語を予測する大規模言語モデルを、DNA配列に応用したものだ。DNAはA・T・C・Gの4文字で構成されるため一見シンプルに思えるが、ゲノムには「次の塩基が重要でない領域」が存在するなど、生物学的文脈の理解が必要となる。

モデルに大量のゲノム配列を学習させることで、遺伝子の構造や機能のまとまりを学習し、プロンプトに応じた配列を生成できる。しかし、複雑な真核生物のゲノムでは出力された配列の機能を予測することは難しく、研究チームは安全性を考慮して、複雑な細胞に感染するウイルスの配列は学習データから除外した。

設計されたウイルスの検証と特徴

研究チームは出力された配列の中から、スパイクタンパク質の同一性やゲノム長などの条件を満たす302配列を選び、そのうち285配列を化学合成して大腸菌に導入した。その結果、16配列が大腸菌の増殖を阻害し、ウイルスとして機能した。これは全体の約5.6%にあたる。

興味深いのは、元のΦX174に近い配列ほど生存率が高く、98%以上の同一性を持つ配列では46%が機能した点だ。その一方で、個々のウイルスには1つの遺伝子の欠失や新規遺伝子の追加、遠縁のウイルス由来の遺伝子への置換など、多様な変異が見られた。

研究チームは、1アミノ酸変異がウイルスを不活性化する確率を約20%と仮定し、AIの出力を分析した。25箇所以下の変異で2.3%しか生存できないはずの領域で、AIが生成したウイルスは高い生存率を示した。これはAIがランダム変異よりもはるかに高精度に、機能を保ったまま変異を導入できることを示している。

可能性とリスク

AIが設計したウイルス群は、ファージ療法への応用が期待される。抗生物質に耐性を持つ細菌に対して、複数のファージを組み合わせたカクテル療法が検討されているが、既存のファージでは抵抗性を獲得した細菌に効果がない場合がある。研究チームの実験では、AI生成のウイルス群が自然のファージカクテルよりも高い効果を示した。

一方で、この技術は悪用されるリスクもはらむ。現時点ではモデルに脊椎動物に感染するウイルスの配列が学習されていないが、十分な計算資源を持つ人物が同様の手法を用いれば、危険なウイルスを設計できる可能性がある。論文の著者らは、カスタムDNAの注文管理などを含む、この分野のガバナンス強化を訴えている。