細菌、真菌、寄生虫、ウイルスなどの耐性微生物は、増大する世界的脅威です。2021年には約500万人の死亡が細菌性抗菌薬耐性に関連しており、この年間負担は2050年までに約2倍になると予測されています。抗菌薬になる可能性のある分子を見つけるには数年かかることがあります。研究者たちはこの発見の初期段階を加速するためにAIを活用しています。学際的な研究室で抗菌候補を探しているバイオエンジニアのCésar de la Fuente氏は、抗菌薬耐性が人類最大の存続脅威の一つであると述べました。彼の研究室は、生物配列のパターンを認識するように訓練された深層学習モデルを用いて、膨大なゲノムおよびタンパク質データセットから潜在的な抗菌物質を探索し、初期探索を数年から数時間に短縮しています。自社のAIモデルに加え、研究室ではChat GPTとCodexを用いて仮説のブレインストーミング、コードの作成と改良、データセットの処理、結果の分析、学問分野間のアイデア接続を行っています。このアプローチは、ヌクレオチドとアミノ酸がアルファベットを形成する情報システムとしての生物学に焦点を当てています。ゲノムの一部のみが明確な機能を持ち、さらに少ない数が感染性微生物と戦う分子をコードしています。AIは膨大なデータセットの中から有望なシグナルを特定し、実験的検証のための候補を優先順位付けします。しかし、候補の特定が有効な医薬品になることを保証するわけではありません。科学者たちは、その分子が標的微生物を殺すこと、有効な投与量を決定すること、ヒト細胞への影響をテストすること、安全性と安定性を最適化すること、毒性と耐性発現を評価すること、製造可能性を確保することを確認しなければなりません。これらのハードルをクリアした候補でも、患者に届くには規制審査と臨床試験を経る必要があります。de la Fuente氏にとって、AIと実験室生物学は共に進歩する必要があり、生命科学におけるAI予測の検証には真正実験が不可欠です。