マイクロソフト、生物学AI研究システム「Quine」発表 膵がんで化合物を優先順位付け

発表された「Quine」の全体像

マイクロソフト・リサーチは2026年9月29日、生物学の複雑さに対応するためのAI研究システム「Quine」を発表しました。Quineは、生物学の「ワールドモデル」と、モデルを科学ツール・論文・実験現場・研究者につなぐ「ハーネス」の2つを柱としています。単一の予測モデルではなく、研究プロセス全体を支える仕組みとして設計されている点が特徴です。同社は20年以上にわたり、計算科学と生物学の交差点で研究を続けてきたと説明しています。

Quineの背景として、原文は「生物学はモデルやツールが引く境界のようには分かれていない」という問題意識を挙げています。遺伝子はタンパク質に影響し、タンパク質は細胞内で相互作用し、細胞は組織をつくります。実験結果は科学者が次に問う内容を変えていくため、個別データセットや個別タスクの高性能モデルだけでは難しいというのが同社の見立てです。

同社は、大規模機械学習、とくに反復的に問題を解く汎用基盤モデルや推論モデルの進展が新しい可能性を示していると述べています。人間の言語向けに開発された手法の多くが、生物学のさまざまな側面に適応できることも根拠として挙げられています。

何が技術的に新しいのか

Quineの中核は、配列・構造・機能・細胞状態・画像といった複数の生物学的モダリティとスケールにまたがる共有表現を学習するワールドモデルです。原文はワールドモデルを、生物システムの状態を表現し、介入に対する状態の変化を予測し、その帰結を複数ステップ先まで推論できるシステムと定義しています。単一領域の専門モデルを並べるのではなく、モダリティをまたいで学習することで、一方の証拠をもう一方の予測に活かせるとしています。

原文は、このマルチモーダル設計が性能を薄めるのではなく、むしろ汎化を助け、より広い生物学的推論タスクを支えると述べています。また、ワールドモデルは完全である必要はなく、生物学を完全にモデル化できるものでもないが、実験設計に役立つ情報を与えられればよいとしています。この立場は、実験を置き換えるのではなく、限られた実験資源をどこに使うかを絞る用途を想定していることを示します。

膵がんでの検証結果

具体的な例が膵管腺癌(PDAC)の研究です。PDACは最も一般的な膵がんの形態で、治療が特に難しいことでも知られます。ブロード研究所の研究者らとともに、患者由来のex vivo(生体外)モデルを用いて、腫瘍の挙動や薬剤反応が遺伝学だけでなく転写レベルの細胞状態にも依存するという仮説を検証してきました。

Quineは、腫瘍細胞を治療上意味のある状態間で移行させる可能性に基づき、数千の化合物を予測・優先順位付けするために使われました。古典型から基底型への遷移を対象とした実験では、Quineが上位にランクした化合物が、複数のアッセイで最大の意図したシフトを生んだとしています。化合物探索空間の絞り込みから実験で検証する数個の候補の選定までが1週末で完了し、数カ月分の実験作業と研究コストを節約できる可能性があるということです。

逆方向の遷移(基底型から古典型)はより難しく、Quineは利用可能な化合物では効果が弱いと予測していました。さらに実験では、Quineが複数の化合物について、古典型・基底型とは異なる第三の表現型へ細胞を一貫して移行させると予測し、それが実験でも確認されたとしています。これは膵がんの細胞状態の地形が単純な古典型-基底型の軸より豊かであることを示唆すると述べられています。今後の取り組みでは、新たに統合したRNAデータセットとタスクを用いて、状態遷移の予測強化や、科学者が仮説を優先するのに役立つ較正済みの信頼度推定の提供を進める方針です。

研究専用という位置づけ

マイクロソフトは、Quineを研究用の実験的技術と位置づけ、臨床・医療用途には使えないと明記しています。出力は不完全または不正確な可能性があり、資格を持つ研究者によるレビューと、適切な科学的・実験的検証が必要だとしています。アクセスも段階的に広げる方針で、初期はQuine Fellowsプログラムと選定された研究コラボレーションに限定され、継続的な内部レビューと組み込みの安全策で監督を維持するとしています。

Quine Fellowsプログラムでは、科学者の一群がシステムにアクセスし、自身の研究を加速するとともに科学的フィードバックを提供する機会を得ます。将来的にはMicrosoft Discoveryのような製品を通じてアクセスを広げることを想定しているという説明です。膵がん以外にも、タンパク質工学、ゲノミクス、バイオイメージングといった領域で活用してきたと述べられています。

原文は、ベンチマークやリーダーボードの順位よりも、実際の科学の現場で役立つかどうかを本当の試金石としています。証拠が不完全なとき、これまで誰も問うたことのない問いに直面したときに役立つか、問いから発見までの道を短くできるかが基準だという考え方です。