編集部
Google Cloudは、創薬プロセスを加速し、精密医療を推進するためのAI（人工知能）を活用した新たなツールを2つ発表した。これは、バイオテクノロジー企業と製薬会社が創薬プロセスを加速し、精密医療を推進することを目指すものである。
Google Cloud：「Target and Lead Identification Suite」「Multiomics Suite」
一つ目のツールは、「Target and Lead Identification Suite」と呼ばれ、企業がタンパク質の構造を予測し理解するのを助ける。これは創薬の基本的な部分である。もう一つのツール、「Multiomics Suite」は、研究者が大量のゲノムデータを取り込み、保存し、分析し、共有するのを助ける。
これらの新たな開発は、GoogleがAIの競争における最新の進歩の一つだ。Googleは、OpenAIのChatGPTが昨年末に公開されて以来、その生成型人工知能技術に関わる開発のプレッシャーを受けている。Googleは2月に生成型チャットボットBardを発表した。親会社のAlphabetの株価は、Googleが年次開発者会議でいくつかのAIの進歩を発表した後、先週4.3%上昇した。
▼関連記事▼
Google Bardとは？
Google「Search Generative Experience(SGE)」を徹底解説
Google、生成AIでGmailをアップデート – ユーザーのメール作成を支援。PaLM 2モデルによる革新的なアプローチ
新たに発表された2つのGoogle Cloudのスイートは、バイオファーマ業界の長年の問題である、新薬を市場に投入するための長期的で高コストなプロセスを解決するのに役立つ。
製薬会社は、一つの薬を市場に投入するために数億ドルから20億ドル以上を投資することがある。一方でその努力が常に成功するわけではない。臨床試験に進む薬は、米国で承認される確率が16%であると、別のDeloitteの報告書が述べている。
新たなスイートは、薬物開発プロセス全体を変革
通常、新薬の開発には10年から15年の長期間と、数億ドルから20億ドル以上の巨額な費用がかかる。しかし、Google Cloudの新たなスイートは、この長期的で高コストなプロセスを大幅に短縮し、コストを削減することが期待されている。
新たなツールの一つ、「Target and Lead Identification Suite」は、薬物開発の最初の重要なステップである生物学的なターゲットの特定を効率化することを目指している。生物学的なターゲットとは、最も一般的にはタンパク質であり、疾患や生命のすべての部分の基本的な構成要素である。そのターゲットを見つけるためには、タンパク質の構造を特定する必要があり、それが疾患におけるその役割を決定する。
しかし、このプロセスは時間がかかり、しばしば成功しない。科学者は、生物学的なターゲットを特定するだけで約12ヶ月かかることがあり、タンパク質の構造を決定するために研究者が伝統的に使用してきた2つの手法は、高い失敗率を持っている。
Google Cloudのスイートは、このプロセスをより効率的にするための3つのアプローチを持っている。スイートは、Google CloudのAnalytics Hubを使用して、タンパク質の分子データを取り込み、共有し、管理することを科学者に可能にする。研究者はそのデータを使用して、Googleの子会社が開発した機械学習モデルであるAlphaFold2でタンパク質の構造を予測することができる。
AlphaFold2は、研究者がより速く機械学習モデルを構築し、デプロイすることを可能にするプラットフォームであるGoogleのVertex AIパイプライン上で動作する。AlphaFold2は、数分でタンパク質の3D構造を、伝統的な技術よりも高い精度で、研究者が必要とするスケールで予測することができる。その構造を予測することは重要であり、それは研究者が疾患におけるタンパク質の機能を理解するのを助けるからである。
Google Cloudのスイートの最終的な要素は、研究者がタンパク質の構造が異なる分子とどのように相互作用するかを特定するのを助ける。分子は、そのタンパク質の機能を変え、最終的に疾患を治療する能力を示すことで、新薬の基礎となる可能性がある。
研究者は、新薬の開発につながる「最も有望な」分子を見つけるために、Google Cloudの高性能コンピューティングリソースを使用することができる。これらのサービスは、企業がその作業を加速し、自動化し、スケールアップするために必要なインフラを提供する。
新ツールは製薬業界の生産性向上に寄与
Google Cloudによるこの新たなAIツールの発表は、製薬業界にとって大きな進歩を意味している。薬物開発は時間とコストがかかるプロセスであり、その中でも特にタンパク質の構造の予測と理解は、新薬の開発における最も困難な部分の一つとされている。この新ツールは、そのプロセスを大幅に効率化し、時間とコストを削減する可能性がある。
また、このツールは、大量のゲノムデータの取り扱いを助けるという点でも重要だ。ゲノムデータは、疾患の原因や治療法を理解するための鍵となる情報を含んでいますが、その量は膨大で、その管理と分析は大きな課題となっている。このツールがその課題を解決し、研究者がより効率的にゲノムデータを利用できるようにすることで、新たな治療法の開発が加速する可能性がある。
しかし、このような技術の進歩は、倫理的な問題も引き起こす可能性がある。たとえば、個々のゲノムデータのプライバシー保護や、新薬の開発による社会的な影響などだ。そのため、このような技術の進歩とともに、それに対応する規制やガイドラインの整備も重要となるだろう。
全体として、この発表は製薬業界におけるAIの活用の新たな可能性を示しており、その影響は大きいと考えられる。しかし、その一方で、新たな課題も生じる可能性がありますので、そのバランスを見つけることが重要となるだろう。