バイオテクノロジー
MRSAは医療現場でますます一般的に – AIは対抗手段を提供したのか？
Securities.io を Google の優先ソースに追加
最初の医療革命
ペニシリン（最初の抗生物質）が発明されるまで、単純な肺感染症や小さな切り傷さえも致命的になることがありました。これは人々が（そして死んで）生きてきた事実でした。
長い間、新しい抗生物質クラスは定期的に発見され、細菌感染の脅威を抑えてきました。しかし、近年の抗生物質耐性菌の出現により、これが長く続くかどうかが疑問視されています。
抗菌薬耐性（AMR）は2019年に直接的に127万人の死亡をもたらし、犠牲者の5人に1人は5歳未満の子どもでした。また、2019年に死亡した495万人は薬剤耐性感染症に苦しんでいました。これには下気道、血流、腹腔内感染などが含まれます。
特に病院では、抗生物質の使用が多く、免疫力が低下している患者が多いため、抗菌薬耐性が感染と死亡の主要因となっています。
新しい抗生物質と抗菌薬耐性の軍拡競争において、細菌が勝っています。市場に届いた新しい抗生物質クラスの最新の発見は1987年でした。従来の、何万もの化合物を盲目的にスクリーニングする手法はもはや機能しません。
出典： ReAct Group
MRSA – 差し迫った医療災害
黄色ブドウ球菌は皮膚に常在する細菌です。メチシリン耐性黄色ブドウ球菌（MRSA）は、メチシリンなどの一般的な抗生物質に耐性を示す菌で、他の治療薬や抗生物質にも耐性を併せ持つことが多いです。
ほとんどのMRSA感染は病院や医療施設で起こります。例えば透析センターや介護施設などです。また、皮膚と皮膚の接触でも広がります。
皮膚に存在するため、黄色ブドウ球菌は手術後や開放創の感染原因となりやすいです。
米国だけでも毎年1万人以上がMRSA感染で死亡しており、8万人以上が感染しています。さらに、MRSA株は最後の有効抗生物質の一つであるバンコマイシンに対しても耐性を示し始めています。
これにより、広範囲にわたる致死的なMRSAの出現と、抗生物質がほとんど効かない時代への回帰が懸念されています。
AIが救いの手を差し伸べる
何千もの候補を盲目的にスクリーニングする方法が通用しなくなったなら、何百万もの候補をインテリジェントにスクリーニングする方法はどうでしょうか？ それがMITの研究者であるJames Collins率いるチームが取り組んでいる課題です。
MITの研究者は、深層学習AIモデルを用いて、どの化学分子が抗菌活性を持つ可能性があるかを予測します。
まず、AIモデルに既知の抗菌活性を示す化学パターンを学習させました。その後、AIは何百万もの潜在分子をチェックし、類似した可能性を探ります。
このために、研究者はまず39,000分子の抗菌活性をMRSAに対してテストし、その結果をAIに示しました。AIはそれを基に何が有効かを学習しました。
さらに、研究者は「モンテカルロ木探索」と呼ばれる手法を開発し、AIの結果を研究者が理解しやすい形で提示し、どの部分が新しい抗生物質分子の医療効果に寄与すると予測されるかを示しました。
AIチームワーク
有害な細菌を殺すものを見つけるだけでは不十分です。化合物が患者にとって安全であることも確認する必要があります。
抗生物質発見と同様の原理で、研究者は3種類のヒト細胞に対する毒性を予測する3つの異なる深層学習モデルも訓練しました。
これらの結果は、MRSAに特化したAIの結果と組み合わせられ、抗菌活性と安全性の両方の観点から有望な化合物が選定されます。
この例は、AI主導の薬剤発見が人間がAIを指導するだけでなく、AI同士が「対話」し協働することにますます依存していることを示しています。
印象的な結果
MITの研究者は、1200万以上の化学化合物を分析しました。重要なのは、これら1200万化合物すべてが市販可能であり、既に製造サプライチェーンが整っているため、新しい抗生物質としての商業化が容易である点です。
AIの助けにより、280化合物の短い候補リストが作成されました。これらをMRSAに対してテストした結果、同じクラスの2化合物がMRSAを10倍に減少させることが示されました。これらの抗生物質は、細菌の細胞膜の電気化学勾配を乱すことで作用します。
これは、以前に2つの新しい潜在抗生物質（ただしMRSAには有効でなかった）halicin と aubicin を発見した研究チームにとって新たな成功です。
将来の薬剤発見への意味
製薬からバイオテックへ、そして再び製薬へ？
薬剤発見は常に製薬会社のビジネスモデルの中心にありました。特許が切れ、新たな独占薬が必要になることで、資金流入とさらなるR&D、医療の進歩が支えられます。
しかし、自然界や人工分子から新しい活性化合物をスクリーニングする従来のアプローチは、ある程度停滞しています。
これがバイオテック企業の台頭の原動力となり、彼らは化学物質ではなく抗体などの生物学的分子を使用します。その結果、従来型の製薬会社はバイオテックスタートアップを買収せざるを得なくなり、多くが「マーケティングマシン」へと変貌し、かつてのR&D主導の企業とは異なる姿になっています。
もし化学的な薬剤発見が再び成功すれば、製薬会社はR&Dへの投資を増やし、バイオテック買収を減らす方向へシフトする可能性があります。
この変化は業界に広範な影響を及ぼすでしょう、具体的には：
- イノベーティブな製薬会社の成長回復。
- バイオテックスタートアップへの入札額の低下の可能性。
- 治療が不十分な疾患に対する新たな「ブロックバスター」化学薬の発見可能性。
テクノロジーと製薬の融合
AI駆動の薬剤発見が成功すれば、プロセスは医学や化学よりもデータとニューラルネットワークに近づきます。
これにより、テック企業と製薬企業の関係が深化します。将来的には、AIが医薬品開発に与える変革は、1980年代のバイオテクノロジー台頭と同等になる可能性があります。
例えば、製薬側のPfizer (PFE ) やNovartisと、AI側のGoogleやMicrosoft (MSFT ) とが共同出資する薬剤発見企業が誕生するかもしれません。
AI薬剤発見がAIの主要な利益源の一つになると、テック企業が製薬企業を買収するシナリオも考えられます。
データの力
AIは膨大なデータの宝庫によって構築されています。MITの研究も例外ではなく、主にMculeデータベースに依存していました。デジタルデータ提供者の分野はまだ初期段階で、非営利団体や民間スタートアップが中心です。
長期的には、業界の統合が進み、数社の主要プロバイダーがIPOされる可能性があります。
「インシリコ」毒性予測
MITの発見は、化学的毒性と臨床試験成功率の予測方法を再考させます。
これまで、人間の経験と直感、動物・in vitroモデルが新分子のリスク評価の主流でした。
AIの深層学習は、新しい抗生物質クラスの発見だけでなく、候補が非毒性である可能性を予測することも可能にします。これにより、臨床試験第I相での失敗（ヒト毒性テスト）を減らし、薬剤開発のスピードを上げ、平均R&Dコストを削減できます。
第I相で失敗する候補化合物は約35％です。この数字を削減すれば、薬剤開発は加速し、コストも削減されます。
出典： Duxin Sun et al
AI薬剤発見から恩恵を受けるトップ3企業
このMITの発見は財団、非営利団体、公共資金によって支えられました。しかし、投資家はAI駆動の薬剤発見に投資できる上場株式を通じてもエクスポージャーを得られます。
一般的に、デジタル・AIシステムを用いた薬剤発見企業は、以下の二つの軸で整理できます：
- 計算主導か、ウェット（生物学的）データ統合か。
- 開発段階、パートナーシップ、計算・データリソースの有無。
出典： Recursion
(このリストにある企業は、NVIDIAハードウェアなどAIツールを使用しています。ただし、ここでは純粋に薬剤発見企業に焦点を当て、一般的なAI企業は除外しています。)
1. Schrödinger, Inc.
SDGR 価格チャート
SDGR 価格チャート
同社は、物理ベースのモデルを活用して、効力、溶解性、半減期、合成可能性など相反する指標をバランスさせながら、特定の目的に最適な分子を見つけることに特化しています。
機械学習も使用していますが、物理ベースのモデルを加えることで、データセットが存在しない全く新しい領域でもAIをテストできるようになります。これにより、Schrödingerは10億の潜在分子から数日でわずか8つの有望候補に絞り込むことが可能です。すべてがデジタル計算のみで実現されています。
出典： Schrodinger
Schrödingerは2020年にBayerと5年契約で1,000万ドルの収益を得る協業を締結しました。この協定の目的は、Schrödingerの技術とBayerのインシリコ予測モデルを組み合わせることです。
もう一つの最近のパートナーシップはLillyとの提携（2022年）で、成功した発見ごとに最大4億2,500万ドルのマイルストーン支払いが設定されています。
過去の協業には、Takeda、Sanofi (SNW.DE ) (SNY ) 、Bristol Myers Squibb、その他の中小製薬会社が含まれます。
全体として、Schrödingerは独自の専有分子ポートフォリオを拡大中です。現在、専有パイプラインに8製品があり、そのうち2製品が第I相臨床試験中です。また、提携プログラム・協業で23製品が進行中で、5製品が第I相、3製品が第II相です。
出典： Schrodinger
まだ収益は上がっていませんが、同社は拡大とR&D投資に注力しており、短期的に深刻な懸念はありません。バランスシートには数年分の現金が確保されています。
また、薬剤発見以外にも、複雑なバイオ医薬品や化学品、バッテリー、ポリマーなどの新セグメントへの拡大も検討しています。
出典： Schrodinger
投資家は新たな協業に注目すべきです。これらは業界リーダーが評価するSchrödinger技術の進展や、コア技術を新市場へ拡大できる可能性を示す指標となります。
2. Exscientia
同社は精密治療の開発にAIを活用しています。
薬剤発見プロセスの各段階に専用ソフトウェアを備えた「フルスタック」AI薬剤発見技術を運用しています。
出典： Exscientia
既存分子を探索する代わりに、ExscientiaのPrecision Design AIは、Precision Target AIが見つけたターゲットに合わせてカスタム分子を設計します。
同社の技術は、バイオロジカルターゲットから対応する薬剤を見つけるまでの時間を70％短縮し、資本効率も80％向上させます。
これにより、初期臨床段階の化合物が4つ生まれ、主に腫瘍学（がん）と炎症性疾患に焦点を当てています。同社は40億ドル規模の商業化前マイルストーンの可能性を示しています。
出典： Exscientia
同社は収益の計上を始めたばかりですが、バランスシートには数年分の支出を賄える十分な現金が残っています。
AI薬剤発見と精密治療の交差点に位置するExscientiaは、医療科学の最も変革的な分野の二つを狙っています。Merck、Sanofi、BMSとの確固たるパートナーシップからも、プラットフォームの大きな可能性が認識されています。
3. Recursion Pharmaceuticals, Inc
RXRX 価格チャート
RXRX 価格チャート
AIが薬剤発見・開発に関与すればするほど、AIを訓練するためのデータはますます貴重になります。
生物学は極めて複雑な分野で、統合・検証されたデータが不足しがちです。エラーが生じるとバイアスや制限、AIの誤作動につながり、最初からやり直さなければならなくなる重大な問題です。
もう一つの課題は、必要とされるデータ量が人間の手作業では到底生成・整理できないほど膨大であることです。
(SDGR )これらの制限に応えるべく、Recursionは「薬剤発見を探索問題に変える」というミッションでプラットフォームを構築しました。ドライラボ（インシリコ）とウェットラボ（生体サンプル）を組み合わせ、以下を実現しています：
- 170万件の小分子ライブラリ。
- 細胞培養、CRISPR遺伝子編集、可溶性因子、ライブウイルス等。
- 週に最大220万実験を可能にする自動化ロボティクスワークフロー。
- ハイスループット顕微鏡とシーケンシングシステム。
- カメラからの連続ビデオフィードで動物行動の全体測定を記録。
- 21ペタバイト超の独自高次元データを生成する高度計算リソース。
- ADMET（吸収、分布、代謝、排泄、毒性）データ。
これにより、プロテオミクス（タンパク質レベル）、トランスクリプトミクス（mRNAレベル）、フェノミクス（細胞形態）、ADMET、そして「in‑vivonomics」（動物行動）といったユニークかつ大規模なデータセットが生成されます。将来的にはメタボロミクスやゲノミクスも追加予定です。
この豊富なデータは、早期段階で幅広い候補を探索できる一方、後続フェーズでは絞り込みが厳しくなるため、ハイポテンシャルな薬剤候補の開発が加速します。
出典： Recursion
このアプローチの可能性は製薬大手にも認識されており、Bayerとの線維症領域やRoche‑Genentechとの神経科学領域での協業が進んでいます。
同社は2023年7月にNVIDIAから5,000万ドルの投資を受けました。これはAIコンピューティングハードウェアの新巨人です。その直後、2023年5月にRecursionが薬剤化学に特化したプレクリニカルスタートアップ、CyclicaとValanceを合計8,750万ドルで買収しました。
総計で、同社は50以上のプログラムとロイヤリティを含め、130億ドル規模のマイルストーン潜在価値を見込んでいます。
テック（NVIDIA (NVDA ) ）と製薬（Bayer、Roche）企業とのパートナーシップ、そして小規模AI薬剤スタートアップの買収は、Recursionが業界の要石となり、未曾有の規模で生物学データを拡大する最初の企業の一つになることを目指す、潜在的なシリアルアクイジターであることを示唆しています。
