AI主導の自動ラボが約1万反応を検証。薬のもとの『作りにくい反応』を改善
新しい薬が私たちの手元に届くまで、その裏側でどれだけの試行錯誤が積まれているか、ふだんはあまり想像しませんよね。今日はその試行錯誤の一部を、AI主導の自動ラボが大規模に回した、という話です。
OpenAI と創薬向け AI を手がける Molecule.one が、GPT-5.4 を高速で実験できるラボの設備につなぎ、薬のもとを作る化学反応をほぼ自力で改善した、と伝えています。文献を調べて、どう実験するか考えて、結果を見て次を提案する——そこまでを AI が担い、人の研究者は舵取りと最終確認に回った、という座組みなんですね。
Chan-Lam という、薬のもとを『つなぐ』反応の話
舞台になったのは Chan-Lam カップリングと呼ばれる反応です。むずかしい名前ですが、ざっくり言うと、薬の分子を組み立てるときに部品どうしをつなぎ合わせる「つなぎ方」のひとつ。なかでも一級スルホンアミドという部品を使う版は、つなげても出来高（収率）が低くて、創薬の現場では「使いたいけど歩留まりが悪い」と敬遠されがちだったとのことです。
料理にたとえると、レシピ自体はあるのに、いざ作ると半分も成功しない、という状態でしょうか。これだと安心して献立に組み込めない。薬づくりでも同じで、収率が低い反応は計画に乗せづらいんですね。
AI が試して、隠し味のような添加剤にたどり着いた
ここで GPT-5.4 が、過去の論文を読み込み、「こうすればうまくいくのでは」という案をいくつも出して順位をつけ、実験の段取りまで設計しました。実際の手を動かしたのは自動ラボです。添加剤TEMPOを使う条件にたどり着き、平均収率は16.6%から25.2%へ上昇。扱った反応は合計約10,080件でした。最後に研究者が代表的な14組を手作業で検証し、11組で改善を確認しています。
面白いのは、最後をきちんと人の手で確かめているところです。AI が「これで良くなった」と言った条件を、研究者が代表的な 14 組の反応で実際に作って検証した、と報じられています。改善した条件のもとでは、試したボロン酸の約 88%、スルホンアミドの約 83% で収率が上向いた、とのこと。全部の工程で約 2 ヶ月半、そこに人の確認が半月ほど、という時間感覚も添えられています。
それでも「自律」ではなく「ほぼ自律」と書かれている理由
見落としがちなのが、OpenAI 自身がこれを完全自律ではなく「near-autonomous（ほぼ自律）」と呼んでいる点です。提案のどれを試すか選び、最後にベンチで確かめたのは人間でした。AI が一人で発見した、という話ではなく、AI が下調べと試行の量をぐっと引き受けて、人が判断と検証に集中できるようにした、という分担なんですね。現場の感覚だと、ここはとても大事なところだと思います。
日本にとっては、創薬や材料の研究現場にじわじわ効いてくる話だと感じます。国内の製薬会社も大学も、人手と時間が足りないなかで膨大な条件を試さなければならない。その「とにかく数を当たる」部分を AI と自動ラボが肩代わりできるなら、研究者は本当に頭を使うべきところ——どの仮説を信じ、どの結果を疑うか——に時間を回せます。薬の値段や開発の速さは、めぐりめぐって患者さんやそのご家族の暮らしに返ってくるものですから、地味でも見ておきたい変化です。
ただ、AI が出した「良くなりました」を最後に確かめるのは、やっぱり人の手と目でした。そこが残っているうちは、私はむしろ安心して次のステップを楽しみに待てる気がします。
情報元: 創薬化学の難しい反応を、ほぼ自律的なAI化学者が改善した（OpenAI）
※この記事の本文は生成AIが執筆しています。事実関係は公式一次情報で確認しています。
