AIがDNAの「同じ並び」を見つけた — 新しい仕組みの働きはまだ謎

深堀AI・イノベ2026-09-28

執筆: KID

【科学・ライフサイエンス】連載・AI・イノベ【科学・AI】

#AI・イノベ#AIエージェント#ゲノム探索#ライフサイエンス

AIがDNAの「同じ並び」を見つけた — 新しい仕組みの働きはまだ謎

既知の酵素の隣に並んだDNAの反復配列をAIが拾い、人間の研究者が未知の仕組みの候補として実験に進めました。

見つかったのは、酵素単体より「組み合わせ」です

Anthropicが9月23日に公表した新しさは、既知の酵素と周辺の遺伝子・反復配列が結びついた仕組みを特定したことです。
見つかった候補は、細菌に感染するウイルスの一種であるバクテリオファージにありました。

探索対象は、RNA（細胞内で遺伝情報を運ぶ分子）からDNAを作る逆転写酵素です。
酵素そのものは過去の研究で知られていました。
今回の着眼点は、その遺伝子の近くにある別の遺伝子と、長く続くDNAの反復配列でした。

Anthropicによると、約950体のAIエージェント（指示を受けて複数の作業を進めるAI）が21時間、計2億1,000万トークン（AIが文章を扱う単位）を使って配列データを調べました。
探索では20万件を超える逆転写酵素を集め、3,500の候補システムを作り、さらに20件の候補について人間が読める報告を作る段階まで絞っています。

AnthropicがART（反復配列に結びついた逆転写酵素の仕組み）と名付けた候補は、逆転写酵素、隣接する機能不明の遺伝子、等間隔に並ぶDNA配列から成ります。
研究者の初期実験では、反復配列の部分から複数の短いRNAが作られることが確認されたと説明されています。
ここまでが公表された観察であり、仕組み全体の働きは分かっていません。

CRISPR（細菌の免疫の仕組みを応用したDNA編集技術）に似るのは配列の並び方です

**ARTがCRISPRと似るのは、DNAの反復配列が酵素の遺伝子のそばに並ぶ点です。**CRISPRでは、反復配列の間に取り込まれた断片を手がかりに、相手のDNAを狙う仕組みが知られています。

Anthropicは、ARTの配列から短いRNAが作られることを初期実験で見たとしています。
しかし、RNAが何を目印にし、隣の酵素や遺伝子が何をしているかは未確定です。
Natureの報道も、反復配列がCRISPRと同じ役割を果たす証拠はまだ乏しく、DNAを切る酵素が組み合わさっているとも確認されていないと整理しました。

したがって、「次のCRISPRが見つかった」と読むのは早計です。CRISPRは、反復配列の間にある情報を使って相手を見分け、別の酵素が標的DNAを切る仕組みとして研究されてきました。

ARTでは反復配列から短いRNAが作られるところまでが初期観察で、そのRNAが相手を選ぶか、隣の酵素が何をするかは未確認です。
既知の酵素の近くで、これまで見落とされていた構造を発見した段階と、医療や研究で使える道具として働く段階のあいだには、酵素活性の測定、分子の役割の特定、別の研究室での再現という距離があります。

RNAの発現が確認されても、それだけでDNAを狙ったり切ったりする機能の証明にはなりません。

AIが広げ、人間が実験で候補を狭めました

この事例の肝は、AIが実験室を置き換えたことではなく、**配列の探索と候補の整理を大きく広げた点です。
**人間の研究者は探索の方向を指定し、候補レポートを読み、実験で追うものを選びました。
実験作業も人間が行っています。

Anthropicによれば、研究室では安全管理の区分をレベル1・2に限り、人間に感染する病原体を扱っていません。
これは今回の研究環境についての会社説明であり、ARTの働きや将来の用途が確認されたこととは別です。

公開された流れは、既知の研究を読み直す、同じ酵素の仲間を集める、周辺の遺伝子や配列を調べる、候補ごとに根拠を記した報告を作る、というものです。
今回の特徴は、既知の逆転写酵素を目印に候補を絞ったあと、その近くのDNA配列へ戻り、酵素の一覧だけでは見つからなかった並びを拾った点にあります。

Anthropicは、候補の大半は人間による批判的な確認で除外されると説明しています。つまり、950体という数は最終判断者の数ではなく、探索作業を並列に進めた規模です。

ただし、21時間は探索を始めてから候補が出るまでの経過時間です。
各エージェントの稼働時間や計算費用、人間による確認時間の合計は公表されていません。
従来の研究者の作業時間についても、同じ課題を同じ条件で比較した試験ではありません。

次の検証では、逆転写酵素が測定可能な働きを持つか、反復配列からできたRNAが相手を選ぶ手がかりになるか、隣の遺伝子が必要かを分けて確かめる必要があります。
どれか一つだけが働くのか、三つがそろって初めて機能するのかで、ARTという仕組みの説明は変わります。

同社は、この種の分析は専門家なら数週間から数か月かかることがあると説明しました。
ただし、同じデータと条件で人間だけのチームと比較した試験ではありません。
所要時間の差は会社による作業時間の目安であり、AIが研究者より何倍速いと証明した数字ではありません。

Al Jazeeraが取材した研究者の間にも、探索能力への期待と、実用性を急いで語ることへの慎重さがありました。
大量の配列から珍しい並びを拾う作業はAIが助けられる一方、分子が実際にどう働くかを調べるには、試料を扱う実験が欠かせません。
この境目を保つことが、発表を読む際の大事な基準になります。

発表主体がAIモデルの開発会社でもある点も、読み分けに関係します。Anthropicは早期公開の理由にClaudeの能力を示すことも挙げています。

発表をその理由だけで退ける必要はありませんが、会社が報告した探索規模と、外部研究者が再現した生物学的機能は別の証拠として扱います。Natureが未査読と記したのも、この区切りを見失わないためです。

研究現場では、候補数より検証率を測る

実務で見るべきなのは、仮説が実験と再現可能な知見につながった割合です。
候補のうち人間の検討を通った割合、実験に進んだ数、再現性のある結果になった割合まで追って、初めて研究費や計算費に見合う成果が分かります。

今回の発表は、トークン数やエージェント数を示していますが、探索にかかった費用や、候補を人が判定する時間は公表していません。
研究室が導入を検討するなら、AIの利用料だけでなく、誤検出の確認にかかる人件費や、実験設備を占有する時間も合わせて記録する必要があります。
出力が増えても検証の待ち行列が長くなれば、研究全体の速度は上がりません。

事業会社の研究開発でも同じです。
仮説生成を増やす予算と、実験・試作・品質確認を支える予算を同じ計画に置かなければ、AIの利用量だけが先に膨らみます。
成果指標は、生成件数より「検証済みの候補一件にかかった時間と費用」に近づけるほうが、次の予算判断に使えます。

見立てと監視ポイント

**今回確認できるのは、AIがゲノム（生物が持つ遺伝情報全体）の配列から未知の候補を拾い、人間の研究者が実験に進めた段階です。
**新しい生物学的な道具が完成した、あるいは医療応用が見えたという段階ではありません。

今後は、第一にプレプリント（学術誌の査読前に公開する論文）の査読と第三者による再現、第二にARTの酵素が実際に働く条件と役割、第三に次の探索でも同じ手順から検証可能な候補が生まれる割合を見ます。
機能の特定が進まなければ、今回の価値は「新技術の発見」よりも「未知の配列を見つける探索支援」にとどまります。
反対に、別の研究室で再現され、分子の働きまで特定されれば、候補発見から機能解明へ進む工程をAIがどこまで短くできるかを評価できます。

腹落ち確認の問い

この発表の価値を測るとき、なぜ「950体のAIが動いた」という規模だけでは不十分なのでしょうか。

もっと詳しく知りたい人へ

• Anthropicの発表 — 探索の進め方、実験で確認したRNA、現時点で分かっていない機能が分かります。
• Anthropicの技術報告PDF — 発表の根拠となった候補選定や実験の詳細を確認できます。
• Natureの報道 — プレプリントが未査読であることと、CRISPRとの類似を機能の同一視に使えない理由が整理されています。
• Al Jazeeraの取材記事 — 研究者が示した期待と慎重論の両方を読めます。