チームでは、AlphaFold AI を使用して、遺伝子の編集タンパク質を再設計し、より安全に

Google の AlphaFold は、タンパク質の立体構造を予測する AI だが、今回その能力が遺伝子編集技術の安全化に活用された。CRISPR などの遺伝子編集ツールは強力だが、時に想定外の部位を編集してしまう「オフターゲット効果」が課題だ。研究チームは、AlphaFold を使って編集タンパク質の構造を解析し、どの部分が誤認識しやすいのかを特定し、それを改善した新しいバージョンを設計した。つまり、理論上のリスク予測から、実験なしで次の世代を設計する段階へ進んだのだ。

ここで AIの鬼が引っかかるのは、「予測の精度が、もう実験を超えた」という現実だ。かつて医療やバイオは「試行錯誤の積み重ね」が常識だったが、AlphaFold のような構造予測 AI が登場すると、失敗する設計は実験前に潰せるようになった。これは医療分野で「AI が失敗を予測する能力」が、人間の試験管での試行錯誤よりも信頼されるようになったことを意味している。データドリブンで複雑系を扱う業界では、必ずこうした転換が起きる。

実務含意は、医療・バイオだけの話ではない。中小製造業でも、新製品設計で「試作→テスト→改良」という従来ループを短縮できる可能性がある。AI で失敗を前倒しで予測する思考法は、自動車部品でも電子機器でも応用できる。試作費が下がれば、開発期間と投資リスクが大きく改善される。