人工知能
AI薬物探索がバイオテクノロジーのM&Aスーパサイクルを引き起こす
Securities.io を Google の優先ソースに追加
AI駆動バイオテクノロジーの新時代
製薬業界は当初、化学産業の卓越性に基づいて築かれ、ますます有用な製品、特に医療用途のものを創出してきました。最初は、ウィローバークからのアスピリンや熱帯樹木からのキニーネなど、自然の化学化合物を分離・精製することが中心でした。
その後、自然界に存在しない全く新しい化合物を創り出し、医薬品に変えるようになりました。しかし、このアプローチは過去数十年で失敗し始めています。
最も作りやすい、または見つけやすい化学物質はすでに発見されており、他の分子はしばしば不安定すぎる、毒性が高すぎる、製造が難しすぎるなど、十分に優れていません。
その結果、製薬業界はバイオテクノロジーに転向し、ホルモン、タンパク質、DNA・RNA といった生体分子を医薬品に転用しています。これにより、人工インスリン、モノクローナル療法、遺伝子療法など、数多くの画期的な進歩がもたらされました。
しかし、ここでも進展は停滞し始めています。低垂れた果実はすでに摘み取られ、最も活発なバイオロジカル製剤はすでに特定・把握されており、治療が難しい疾患を治すためのより複雑で解明が困難な生物学的メカニズムが残されています。
これは大手製薬会社にとって深刻な問題です。化学ベースの治療薬の多くが特許保護期間を迎えるか、間もなく失効するだけでなく、バイオテックスタートアップを買収・提携するだけの戦略ではもはや十分ではありません。
これらの企業はイノベーションを迅速に獲得する必要があり、従来の手法は通用しなくなっています。
大きな要因は、単一のヒト細胞を正確に再現することが、個人にとってはほぼ理解不能なほどの複雑さを持つからです。数年前にバイラルとなった、単一ヒト細胞の全構成要素を示すコンピュータ生成画像がその好例です。
出典: Newsweek
幸いなことに、AIをバイオラボに導入することで新たなバイオテックイノベーションの波が起こっています。これは、いわゆる「マルチオミクス革命」と呼ばれるデータ革命と組み合わさり、細胞内レベルまでの前例のない量のデータが生成されています。
そして、膨大なデータセットを人間の脳をはるかに超えて解析できるAIが、これらすべてを理解する手助けをしています。
Illustrative of this trend is 2026年1月12日に発表されたパートナーシップ日、2026年、 between Nvidia (NVDA ) and Eli Lilly (LLY ), planning to jointly invest up to $1 billion over five years in infrastructure and research for AI drug discovery.
デジタルバイオロジー時代
デジタルバイオロジーは、薬剤探索パイプライン全体で時間・コスト・失敗リスクが発生する場所を変革し、最もコストのかかるウェットラボ作業が始まる前に、探索と最適化の多くを計算上で行えるようにしています。
Swipe to scroll →
| 探索フェーズ | 従来のボトルネック | AI／デジタルバイオロジーのシフト | 経済的インパクト | 主要な価値獲得 |
|---|---|---|---|---|
| ターゲット同定 | 希薄またはノイズの多い生物学的シグナル；仮説サイクルが遅い | マルチオミクス＋機械学習が因果経路とバイオマーカーを優先付け；仮説の迅速なランク付け | デッドエンドプログラムが少なく、より多くの試み | データ豊富な製薬会社と独自データセット所有者 |
| ヒット探索 | ウェットラボのスクリーニングは高コストでスループットに制約がある | インシリコスクリーニングは合成前により広い化学空間を探索 | ヒットあたりのコスト低減；イテレーションが高速 | 計算＋モデルプラットフォーム；ラボ自動化ベンダー |
| リード最適化 | サイクル後半のADME/毒性失敗；医薬化学ループが遅い | 生成モデルが効力、選択性、開発可能性に最適化された候補を提案 | 再設計サイクルが減少；初期段階で開発可能性が向上 | 強力なトランスレーションパイプラインを持つ製薬インテグレータ |
| 前臨床検証 | 動物モデルがヒト生物学と不一致；検証が遅く変動が大きい | より良いバイオマーカー選択＋ヒト関連モデル；自動化・ハイスループットアッセイ | IND支援作業に入る際のシグナル品質向上 | 自動化スタックとアッセイプラットフォーム；AIツールを持つCRO |
| 臨床翻訳 | 患者反応の不均一性；層別化の不備が失敗率を上げる | マルチオミクス層別化がレスポンダーサブグループと試験エンドポイントを早期に特定 | 試験効率向上；有効性の希釈が減少 | 臨床実行力を持つ薬剤所有者（製薬／バイオテック） |
マルチオミクスの台頭
生体システムの圧倒的な複雑性が、マルチオミクスの出現をもたらしました。マルチオミクスは、生物学のすべての -omics サブセグメントを統合し、バイオテクノロジーの次のステップと称されています:
- ゲノミクス: 細胞核内の DNA 配列の解析。
- トランスクリプトミクス: DNA の指示を運ぶ mRNA の解析。
- エピゲノミクス: 遺伝子配列を変えずにゲノムを修飾する、いわゆる「エピジェネティクス」。
- プロテオミクス: タンパク質の解析、糖鎖修飾（「翻訳後」）を含む。
- メタボロミクス: 化学化合物と代謝の解析。
- マイクロバイオミクス: 体内外に生息するすべての微生物の解析。
- シングルセル・マルチオミクス: 個々の細胞に対するマルチオミクス解析。
- 空間生物学: 3D で特定の mRNA、タンパク質、または細胞の位置を解析。
出典: Ark Research
マルチオミクスは、遺伝子シーケンサーから空間生物学に至る、はるかに強力な分析ツールの進化により実現しました。
しかし問題は、膨大なデータが洪水のように生み出されるため、かつては生物学者が実用的応用に使える興味深いデータポイントを探すことが課題でしたが、今や「どのデータが特定の問題に本当に関連するか」を判断することが最大の課題となっています。
もし全世界の新生児のゲノムが全てシーケンスされたとすれば、これは AI（例：Llama）が年間に処理するデータ量の 10,000 倍に相当します。
出典: Ark Research
デジタルバイオロジーとは何か？
バイオテック研究の新たな選択肢として、インシリコ アプローチが最近登場しました。これは、1 つまたは複数の仮想細胞をコンピュータ上でシミュレートする手法です。
“2026 年には、疾患ターゲットの特定は、ウェットラボでの検証が始まる前にインシリコ探索に依存するでしょう。
これにより、前臨床開発段階で停滞するプログラムの数が減少します。
Veronica DeFelice – Director of Biologics at Sapio Sciences.”
これらの仮想細胞は、潜在的な新治療薬にさらされ、シミュレーションは細胞がどのように反応するかを計算します。
出典: Ark Research
別の選択肢として、タンパク質の 3D 構造をシミュレートする方法があります。タンパク質の構造は最終的にその生物学的機能を決定します。
Google’s AI AlphaFold (GOOGL ) は 2018 年以降、最大で 500 倍の性能向上を遂げています。
出典: Ark Research
したがって、インシリコシミュレーションは、ほとんどの製薬・バイオテック企業にとって必須の技術になる可能性が高いです。
デジタルバイオロジーの別形態として、血液サンプル中のがんマーカーを検出する高度な検出システムの使用があります。これにより、コストが高く効率の低い生検に代わり、がんの早期発見が可能になります。
最後に、オートメーション、ロボティクス、AI が組み合わさり、ヒトの労働を必要とせずに実験を実行できる自動化ラボが実現しています。これにより、従来の研究手法に比べてコストを下げ、速度を 100 倍にまで向上させた上で、何百万もの有用な分子や化合物をチェックできます。
AI薬物探索への投資
LLY 価格チャート
Eli Lilly 概要
Eli Lilly は、キニーネとインスリンで医療帝国を築いた巨大製薬会社です。
糖尿病治療は同社の中核であり、過去 30 年間にわたってこの疾患に対する多数の分子が発見・承認されてきました。その中には、Mounjaro ブランド名で販売されている tirzepatide も含まれます。
2010 年代には、Eli Lilly は腫瘍学（がん治療）でも大規模な買収と提携を行い、社内の薬剤開発努力と相まって、がん薬の強力なポートフォリオを構築しました。
tirzepatide 分子はその後、Zepbound というブランド名で抗肥満薬として再利用され、Ozempic の最大の競合となっています。これは Eli Lilly にとって命綱であり、古い薬の多くが特許切れとなり、ジェネリックメーカーが同様に製造・価格競争に入る中で、重要な収益源となっています。
それでも、単一の特許ペプチドとその派生物に大きく依存することはリスクが高く、長期的に持続可能ではありません。多くの製薬会社と同様に、イノベーションの多様化が急務です。しかし、業界の他社とは異なり、Eli Lilly は明確な計画を持ち、AI とデジタルバイオロジーに全力投資する方針です。
Eli Lilly AI 薬物探索
AI 薬物探索と Eli Lilly に関する最大かつ最新の発表は、Nvidia とのパートナーシップです。
“NVIDIA と Lilly は、業界最高の技術を結集し、薬剤探索の新たな設計図を創造します――科学者が単一分子を合成する前に、インシリコで広大な生物学的・化学的空間を探索できるようにするものです。”
この計画は、Lilly のエージェント型ウェットラボと計算ドライラボを組み合わせ、24 時間体制で AI 支援実験を可能にします。さらに、以前に1,000 台の NVIDIA Blackwell Ultra GPU を使用した AI スーパコンピュータを AI ファクトリーとして発表したことと組み合わさり、新分子の同定・最適化・検証のために大規模なバイオ医療基盤モデルとフロンティアモデルを訓練します。
“私たちの基盤モデルは、化学者が従来の手法では到達できなかった新しいモチーフや原子配置を発見する新たな可能性を生み出しています。”
この 10 億ドルのパートナーシップは、同社の AI 薬物探索への最新（かつ最大規模）の動きに過ぎません。過去の主な取り組みは以下の通りです:
- Insilico Medicine と研究協力を開始し、研究マイルストーンに応じて最大 1 億ドルを支払う契約を締結。
- Circle Pharma と提携し、Eli Lilly の AI を活用してマクロサイクル療法を改善、歴史的に薬剤化が困難なターゲットにも対応。
- 機械学習の先駆者である insitro と共同で機械学習モデルを開発。
- OpenAI と協力し、薬剤耐性菌に対抗する新薬の発見を目指す。
- Genetic Leap の AI モデルを活用し、RNA 標的薬の発見に 4.09 億ドルの取引を実施。
- Google/Alphabet のデジタルバイオテック企業 Isomorphic Labs と AI パートナーシップを結び、4,500 万ドルの前金と最大 17 億ドルの成果ベースマイルストーンを受領。
- Genesis Therapeutics と最大 6.7 億ドル規模の取引を締結し、同社の分子 AI プラットフォームを活用。
- Superluminal と 13 億ドル規模の取引を締結し、AI 主導の肥満薬を開発。GPCR を標的とした独自の AI プラットフォームで、Eli Lilly の肥満市場でのリーダーシップを強化。
- BigHat Biosciences と提携し、同社の Milliner プラットフォームを活用して AI 駆動の抗体治療薬の発見を推進。
Eli Lilly はさらに、ライフサイエンス R&D 向けに設計されたクラウドベースのソフトウェアプラットフォーム Benchling と提携し、バイオテックスタートアップに Lilly の数十年にわたる独自研究データで訓練されたモデルへのアクセスを提供しています。
TuneLab と呼ばれるこのプラットフォームは、同社の “Catalyze360” プログラムの下で、初期段階のライフサイエンス企業と提携するのに役立つはずです。
総合的に見て、これらの AI 薬物探索パートナーシップとインフラ構築は、Eli Lilly の探索パイプラインを再構築し、抗生物質、がん薬、希少疾患、肥満領域での地位を大幅に向上させる可能性があります。
最新 Eli Lilly (LLY) 株式ニュースと展開
