はじめに
2026年8月6日、学術誌「Science」に一本の論文が掲載されました。Stanford大学とArc Instituteの研究チームが、生成AIを使って「実際に機能するウイルス(バクテリオファージ)」をゲノムレベルでゼロから設計し、実験室で合成・動作確認までこぎつけたという内容です。これまでの生成AIは、文章や画像、コードといった「情報」を生み出すものでした。しかし今回の研究は、生成AIが設計図を書き、その設計図から実際に「動く生命体」が生まれるところまで到達した点で、これまでとは一線を画す出来事といえます。同じ号のScience誌には、この成果を評価しつつ「能力はできたが、それを安全に統治する仕組みがまだない」と警鐘を鳴らす識者の論考も掲載されました。本記事では、エンジニアの方はもちろん、生成AIの技術詳細には詳しくないビジネスパーソンや管理職の方にも分かるように、今回の研究内容と、そこから浮かび上がったガバナンス(統治)の課題を整理します。
何が起きたのか:Stanford・Arc Instituteの研究概要
生成AIモデル「Evo 2」とは
研究を主導したのは、Stanford大学化学工学のBrian Hie助教授(Arc Instituteのイノベーション・インベスティゲーターも兼任)と、同大学バイオエンジニアリング専攻の大学院生Samuel King氏です。2人が用いたのは、Hie氏らが開発した「Evo 2」と、その前身である「Evo」という2つの生成AIモデルです。ChatGPTやClaudeのような文章生成AIが単語の並びを予測するのに対し、Evoシリーズは塩基配列(DNA・RNAの並び)を予測・生成する「ゲノム言語モデル」です。学習データには約200万件のバクテリオファージ(細菌に感染するウイルス)のゲノム配列が使われた一方、人間・動物・植物に感染するウイルスの配列は意図的に学習データから除外されているとのことです。
バクテリオファージとは何か
バクテリオファージとは、その名の通り細菌だけを「食べる」ウイルスで、人間・動物・植物には感染しません。抗生物質が効かなくなった耐性菌に対する治療法として、世界各地の臨床現場ですでに実用化が進んでいますが、目の前の耐性菌にぴったり合うファージを探し当てる作業には時間がかかり、治療のタイミングを逃してしまうことも少なくありませんでした。今回のようにAIがゲノムを設計できれば、このプロセスを大幅に短縮できる可能性があります。
ΦX174から16種類の「新種」へ
研究チームは、ΦX174(ファイエックス174)と呼ばれる、約5,400塩基対・11遺伝子というウイルスの中でも非常にシンプルな部類のバクテリオファージを出発点に選びました。Evo 2にΦX174のごく一部の配列だけを与えると、そこから左から右へ一気通貫でゲノム全体を新規に生成します。この仕組みで生成された候補配列の中から、計算フレームワークを用いて数十万規模の候補を絞り込み、最終的に約300種類を化学合成し、大腸菌への効果を実験室で検証しました。その結果、16種類が実際に機能するバクテリオファージとして大腸菌を殺す能力を持つことが確認され、中には天然のΦX174を上回る性能を示したものもありました。これらの配列は、実験前には自然界に一つも存在していなかった「AIが生み出した新種」です。
耐性菌に強い「カクテル」療法への応用
研究チームがこの16種類を混合した「カクテル」を作成したところ、天然のΦX174に対してすでに耐性を獲得していた大腸菌の複数系統を打ち破ることに成功しました。抗生物質は使い続けるうちに細菌が耐性を獲得し効かなくなるという弱点を抱えていますが、遺伝的に多様な複数のファージを組み合わせることで、細菌側が同時にすべてに耐性を持つことを難しくできると考えられています。クライオ電子顕微鏡による解析では、AIが生成したファージの一つが、天然のものとは進化的に大きく異なるDNAパッケージングタンパク質を持っていたことも判明しており、AIが人類の知らない設計解を見つけ出した可能性を示しています。
なぜ「生成AI史上初」の出来事なのか
文章ではなくゲノムを「書く」AI
これまでの生成AIブームは、ChatGPTやClaude、GitHub Copilotのように、文章やコードといった「情報」を出力するものが中心でした。今回のEvo 2は、生物のゲノム配列という、それ自体が「実行可能なプログラム」でもある情報を生成し、それを化学合成・細菌への導入という物理的なプロセスを経て、実際に動作する生命体にまで変換した点が決定的に異なります。いわば、AIが書いたコードが、そのままハードウェアとして動き出したようなものだと考えると分かりやすいかもしれません。
医療分野への期待とリスクの両面
Hie氏らの研究チーム自身も、この技術を実際の病原菌との戦いに役立てられる可能性に期待を寄せています。耐性菌に対抗する新しい治療法の開発が長らく停滞してきた医療分野にとって、AIが数時間から数日で候補ゲノムを大量に生成できる意義は小さくありません。研究チームは今後、大腸菌以外の結核菌やMRSA(メチシリン耐性黄色ブドウ球菌)、緑膿菌といった医療現場で問題となっている耐性菌にも同様のアプローチを広げていく方針を示しています。一方で、同じ技術がバクテリオファージ以外の、人間や動植物に感染するウイルスの設計に応用された場合のリスクについても、研究チーム自身が論文内で言及しており、今後の研究では安全・セキュリティの専門家を設計プロセスの最初から関与させるべきだと提言しています。
専門家が指摘するバイオセキュリティのリスク
Johns Hopkins大学の警鐘:「能力はあるが、それを導く仕組みがない」
同じScience誌に掲載された関連論考で、Johns Hopkins大学Center for Health SecurityのThomas Inglesby氏とMoritz Hanke氏は、生成AIによってウイルスゲノムを構成する能力はすでに存在する一方で、それを安全な方向に導くガバナンス(統治の仕組み)はまだ存在しないと指摘しました。両氏は、今回の手法を人間・動物・植物に感染しうるウイルスの設計にまで広げることには明確に反対の立場を示しており、既存の対策では封じ込められない病原体が生まれるリスクを懸念しています。
「脅威は誇張されている」という反論
一方で、Imperial College Londonの合成ゲノム工学の専門家Tom Ellis氏は、今回の成果を評価しつつも、バクテリオファージのゲノムは生物学の中でも最も単純な部類であると指摘します。Ellis氏によれば、危険な病原体の配列を学習させたAIが理論上は有害な生物の設計を助ける可能性はあるものの、既存の病原体に対して「機能獲得(gain-of-function)」的な改変を加える従来手法の方がはるかに容易でリスクが高いといい、AIによるゲノム設計そのものへの脅威論は過大評価されているとの見解を示しています。専門家の間でも、リスクの大きさをめぐる評価は一致していないのが実情です。
DNA合成スクリーニングという「最後の関門」
King’s College LondonのFilippa Lentzos氏は、デジタルの設計図が物理的な分子に変換される「DNA合成」の段階こそが、最も重要な監視ポイントになると指摘しています。同氏は、モデルの開発・アクセス制限、研究倫理審査、DNA合成企業によるスクリーニング、実験室レベルのバイオセーフティという、複数の層を重ねた対策が必要だという考えを示しました。実際、Hie氏らの研究チームもEvo 2を無償・オープンソースで公開していますが、これは医療応用を加速させたいという狙いがある一方、誰でも改造して使える状態が続くことの是非についても議論を呼んでいます。
オープンソース公開という選択とその是非
Hie氏は、Evo 2をGitHub上で誰でも無料でダウンロードできる形で公開しています。既存の天然病原体の方がはるかに入手・製造しやすく、AIによる安全対策を組み込めない自然進化よりも、AIツールに安全機構を組み込める今回のアプローチの方がむしろ人類にとって有利だという立場を取っています。パンデミックや人為的な生物学的脅威への防御手段としてAIを活用できる可能性がある、という主張です。この賛否は、生成AIの「二重用途(デュアルユース)」問題そのものであり、便益とリスクをどう天秤にかけるかという極めて難しい判断を社会に突きつけています。
非専門家・ビジネスパーソンが知っておくべきこと
生成AIの「二重用途」問題は他人事ではない
バイオロジー領域の話だからと聞き流してしまいがちですが、「AIの能力がガバナンス(統治の仕組み)を追い越す」という構図は、生成AIやAIエージェントを業務に導入している、あるいはこれから導入しようとしているすべての企業に当てはまる普遍的な教訓です。強力なAIエージェントに業務プロセスの自律的な実行を任せる場面が増えるほど、同様に「できることが先行し、チェック体制が追いつかない」状況は起こり得ます。
自社のAIガバナンス体制を見直す3つの視点
今回の事例を自社に置き換えて考えるなら、押さえておきたい視点は大きく3つあります。1つ目は、AIにどこまでの自由度・実行権限を与えるかをあらかじめ設計すること。2つ目は、想定外の出力や誤用が起きた際に、それを検知・記録できる仕組みを用意しておくこと。3つ目は、社内の技術部門だけで完結させず、外部の専門家や第三者によるレビューをどの段階で挟むかを決めておくことです。AIエージェントに業務の実行権限を与える動きが広がっている今だからこそ、技術部門だけでなく経営層やリスク管理部門を交えて、こうしたガバナンス設計を議論しておく価値があるといえます。
まとめ
Stanford大学とArc Instituteによる今回の研究は、生成AIが「情報」だけでなく「機能する生命体」までも生み出せる時代の到来を示す象徴的な出来事でした。医療分野への貢献が期待される一方、同じ号のScience誌に掲載された専門家の論考は、技術の進歩に統治の仕組みが追いついていない現実を浮き彫りにしています。これはバイオテクノロジーに限った話ではなく、生成AIやAIエージェントを活用するすべての組織にとって、技術の可能性とリスクを併せて評価する姿勢の重要性を改めて示す事例だといえるでしょう。
