株式会社TIMEWELLの濱本です。
2026年、AI創薬は実験段階から実用化への歴史的転換点を迎えています。
Google DeepMindのAlphaFold3は、タンパク質だけでなくDNA、RNA、リガンドの相互作用を予測可能に。Arc InstituteのEvo 2は、ゲノム全体を学習する革新的な基盤モデルです。Eli LillyはNVIDIAと10億ドルを投資し、2026年早期に「AI Factory」を稼働開始。初のAI設計FDA承認薬は2026〜2027年に登場すると予測されています。
本記事では、2026年のAI創薬最新動向と生物学研究の未来を解説します。
AI創薬 2026年最新情報
| 項目 | 内容 |
|---|---|
| AlphaFold3 | タンパク質、DNA、RNA、リガンドの相互作用予測 |
| Evo 2 | Arc Institute開発、ゲノム全体学習の基盤モデル |
| Eli Lilly AI Factory | 2026年早期稼働、NVIDIAと10億ドル投資 |
| DrugCLIP | 1日10兆スキャン、従来の1000万倍高速 |
| FDA承認予測 | 初のAI設計薬：2026〜2027年 |
| 市場規模 | 2023年18億ドル→2030年131億ドル（CAGR 18.8%） |
| AlphaFold効果 | 新規タンパク質構造の投稿40%以上増加 |
| Nobel Prize | AlphaFold、2024年ノーベル化学賞受賞 |
AlphaFold3——生命の分子相互作用を予測
AlphaFold5年間の成果
Google DeepMindのAlphaFoldは、2020年の登場以来、生物学研究を根本から変革しました。
主な成果：
- 2024年：ノーベル化学賞受賞
- 研究者の新規タンパク質構造投稿：40%以上増加
- 200万以上の研究者がAlphaFoldを利用
AlphaFold3の革新
従来のAlphaFold2：
- タンパク質の3D構造予測に特化
AlphaFold3の新機能：
- タンパク質、DNA、RNA、リガンドの相互作用を予測
- 「生命のすべての分子」の構造と相互作用を理解
- 創薬プロセスの変革が期待
Isomorphic Labs：
- DeepMindからスピンオフした創薬企業
- AlphaFold3を創薬に直接適用
- 「ターゲット発見→リード最適化」を加速
Evo 2——ゲノム全体を学習する基盤モデル
Arc Instituteの挑戦
Arc Instituteは、CRISPR技術のパイオニアPatrick Hsu氏らが共同設立した研究機関です。
Evoモデルの特徴：
- DNA配列そのものを学習
- 「進化（Evolution）」の原理を取り込む
- ゲノム全体のパターンを理解
AlphaFold3 vs Evo 2
アプローチの違い：
| 項目 | AlphaFold3 | Evo 2 |
|---|---|---|
| 焦点 | 構造予測（3D座標） | 機能理解（ゲノム言語） |
| 手法 | 拡散モデル | 長文脈シーケンスモデル |
| 目的 | 標的介入（薬） | ゲノムスケールパターン |
| 強み | タンパク質構造 | DNA配列からの直接機能予測 |
補完的な関係：
「AlphaFoldは構造理解を、Evoは機能理解を追求。両者は競合ではなく補完関係にある」
VUS（意義不明の変異）の解釈
課題：
- ゲノム検査で見つかる変異の多くは「意義不明」
- 疾患リスクの判断が困難
Evoモデルの貢献：
- BRCA1遺伝子の変異リスクを予測
- 遺伝性乳がん・卵巣がんの判断支援
- 予防的治療の意思決定に活用
Eli Lilly AI Factory——製薬巨人のAI投資
NVIDIAとの10億ドル投資
2026年早期、Eli LillyはNVIDIAと共同で「AI Factory」を稼働開始します。
投資内容：
- 総額：10億ドル（5年間）
- 対象：人材、インフラ、コンピューティング
- 目的：AlphaFold的システムによる分子設計と検証の自動化
期待される成果：
- 分子設計から合成・検証までを自動化
- 創薬スピードの大幅向上
- 臨床試験成功確率の改善
製薬業界のAI投資競争
市場規模：
- 2023年：18億ドル
- 2030年（予測）：131億ドル
- CAGR：18.8%
DrugCLIP——1日10兆スキャンの衝撃
中国発の革新的AI
中国の研究チームが開発したDrugCLIPは、創薬のスピードを劇的に向上させます。
性能：
- 従来の仮想スクリーニングの1000万倍高速
- 1日で10兆スキャンを実行
- 5億の候補分子 × 1万のタンパク質標的
実績：
- ヒトゲノムの約半分に相当するタンパク質をスキャン
- 従来数ヶ月かかる作業を1日で完了
初のFDA承認——2026〜2027年の予測
AIが「ゼロから設計した」薬
予測：
「AIがゼロから設計した薬の初のFDA承認は、2026年後半〜2027年に実現する見込み」
現状の課題：
- 分子設計は高速化されても、臨床試験は時間がかかる
- 安全性・有効性の検証プロセスは省略不可
- 規制当局の承認プロセス
AI創薬の段階的効果：
- ターゲット同定（Target ID）
- ヒット化合物探索
- リード化合物最適化
- 前臨床試験
- 臨床試験デザイン・データ解析
- 規制文書作成
AIエージェントと科学研究
科学のためのAIエージェント
Arc Instituteは「科学研究のためのAIエージェント」の開発にも取り組んでいます。
Virtual Cell Atlas：
- 世界最大級の単一細胞データセット
- AIエージェントが公開データベースを自動クロール
- メタデータの整理・再解析を自動化
研究プロセスの変革：
- 仮説生成
- 文献調査
- 実験計画
- データ解析
- 結果の解釈
Patrick Hsu氏の予測
2025年まで：
- 完全な抗体医薬品の計算設計が可能に
- 酵素のゼロからの設計（De novo）が成熟
2030年まで：
- 「仮想細胞」モデルが実用レベルに到達
- 創薬ターゲット選定の精度が飛躍的に向上
2050年まで：
- 科学的超知能と呼べるAIシステムの登場
- ウェットラボと完全統合された自己改善サイクル
当時と現在：AI創薬の進化
| 項目 | 当時（2020年頃） | 現在（2026年） |
|---|---|---|
| タンパク質予測 | AlphaFold2（タンパク質のみ） | AlphaFold3（DNA、RNA、リガンド） |
| ゲノムAI | 限定的 | Evo 2（ゲノム全体学習） |
| 製薬会社投資 | 実験的 | Eli Lilly×NVIDIA 10億ドル |
| スクリーニング | 数ヶ月 | DrugCLIP 1日10兆スキャン |
| FDA承認 | AI設計薬なし | 2026-2027年に初承認予測 |
| 市場規模 | 数億ドル | 2030年131億ドル |
| ノーベル賞 | 未受賞 | 2024年化学賞（AlphaFold） |
| VUS解釈 | 手動分析 | AIによる自動リスク予測 |
導入の考慮点
メリット
1. 創薬スピードの向上
- 分子設計の自動化
- スクリーニングの高速化
- 臨床試験成功確率の改善
2. コスト削減
- 失敗する候補の早期排除
- 効率的なリソース配分
- 開発期間の短縮
3. 新たな治療法の発見
- これまで「Undruggable」とされた標的への挑戦
- 希少疾患への対応
- 個別化医療の実現
注意点
1. 臨床試験の壁
- AIが完璧な候補を設計しても検証には時間がかかる
- 安全性・有効性の確認は省略不可
- 規制承認プロセス
2. データの質と量
- AIモデルの精度はデータに依存
- バイアスのリスク
- プライバシーと倫理
3. 実験室との統合
- 計算予測と実験検証のギャップ
- マウスとヒトの違い
- トランスレーショナルリサーチの課題
まとめ
2026年、AI創薬はAlphaFold3、Evo 2、DrugCLIPなどの技術革新により、歴史的な転換点を迎えています。
本記事のポイント：
- AlphaFold3：タンパク質、DNA、RNA、リガンドの相互作用を予測
- 2024年ノーベル化学賞：AlphaFoldが受賞
- Evo 2：Arc Institute開発、ゲノム全体を学習する基盤モデル
- Eli Lilly AI Factory：2026年早期稼働、NVIDIAと10億ドル投資
- DrugCLIP：1日10兆スキャン、従来の1000万倍高速
- 初のFDA承認：AI設計薬は2026〜2027年に予測
- 市場規模：2023年18億ドル→2030年131億ドル（CAGR 18.8%）
- AlphaFold効果：新規タンパク質構造の投稿40%以上増加
2020年のAlphaFold登場から約6年——AI創薬は「可能性の証明」から「実用化」へと確実に進んでいます。
AlphaFold3は生命のすべての分子相互作用を予測し、Evo 2はゲノムの「言語」を理解し、DrugCLIPは1日で10兆のスクリーニングを実行します。Eli LillyとNVIDIAの10億ドル投資が示すように、製薬業界はAIに本格的に賭けています。2026〜2027年に予測される「初のAI設計FDA承認薬」は、創薬の歴史に新たな章を刻むことになるでしょう。
