現代医療と創薬における最も深刻な課題の一つは、有害な病原体や細菌が絶えず進化し続けることだ。世界中で細菌が抗生物質にさらされる機会が増えるにつれ、細菌は人類が開発できる最良の薬に対して進化を続けている。やがて薬剤耐性を持つ「スーパーバグ（超多剤耐性菌）」が優勢となり、治療困難な感染症を引き起こす。耐性率は今後も上昇の一途をたどるとみられ、科学者たちはこれらの病原体による疾患と闘うための新たな対抗策や方法を探る軍拡競争のただ中にある。幸いなことに、AI（人工知能）の急速な進展により、研究者たちは新たなフロンティアで前進を遂げつつある。
現在活発に研究されている分野の一つが、もともとウイルス性の性質を持つバクテリオファージ（細菌に感染するウイルス）を、AIの進歩と組み合わせて活用し、耐性菌の検出、追跡、そして破壊に役立てる可能性だ。抗生物質は一般に効果的だが、善玉菌と悪玉菌を区別しないことが多く、視界に入るすべての菌を一掃してしまう。しかし、あらかじめプログラム化されたバクテリオファージは、標的とする細菌を極めて正確に捕捉し、排除する大きな可能性を秘めている。
細菌を検出して破壊するためにファージを利用するというコンセプト自体は、決して新しいものではない。しかし、AIの登場によって新たな可能性が開かれた。これまで科学者たちは、標的とする細菌に作用する適切なファージを特定するために、何百ものウイルスサンプルを手作業でテストしなければならなかった。だが、ディープラーニングはこのプロセスを完全に変貌させた。学術誌『Briefings in Bioinformatics』に最近掲載された論文では、ディープラーニングのアルゴリズムがファージと宿主の相互作用（PHI）の精度をいかに大幅に向上させるかについて議論されている。「PHI予測のスケーラビリティ、柔軟性、汎用性を向上させるために、人工知能ベースのモデルが数多く登場している」と同論文に記載されている通り、これらのツール開発の成功率は大幅に向上しつつある。
さらに、従来のモデルは有効と考えられる既存のファージを見つけ出すのに役立つ一方、最新のモデルは、標的とする細菌に合わせて特異的に構築された独自の「合成ファージ」を研究者自らが設計するのを支援する。学術誌『International Journal of Pharmaceutics』に掲載された最近の論文で、著者らはAI駆動型の構造モデリングとゲノム編集技術を組み合わせることで、標的となるファージのデリバリー（送達）を大幅に最適化し、治療効果を向上させる方法を説明している。「抗菌効率を高めるための標的工学は、AlphaFold（アルファフォールド）やOpenFold（オープンフォールド）といった構造予測ツールによって可能になった、エンドリシンやテールファイバー（尾部繊維）などの主要なファージタンパク質のアミノ酸残基レベルでの可視化によって実現した。現在、AIはファージゲノムの迅速な解読を可能にし、宿主受容体、細菌とファージの相互作用、理想的なデリバリープロセス、テールファイバーの結合部位の予測を可能にしている」
これらがもたらす全体的なインパクトとは何だろうか。それは、耐性菌との戦いにおける計り知れないメリットだ。
では、課題や限界はどこにあるのか。まず、細菌は驚くほど賢い生物である。研究によれば、単一のファージによる攻撃を受けた場合、細菌はしばしばその特定の攻撃形態に耐えられるよう変異することができる。複数のファージによる攻撃回数が増えれば脆弱性は増すが、やがては自らを守る術を学ぶだろう。したがって、攻撃のタイミングと範囲の広さが重要となる。特定の細菌に対しては、複数種類のファージを組み合わせた、より複雑なアプローチや、他よりも大幅に多くのファージの投与が必要になる場合がある。
さらに、この技術は依然として極めて初期の段階にある点に留意することが重要だ。これらのAI予測モデルの多くは「in silico（イン・シリコ：デジタルシミュレーション上など）」で機能するが、現実の生体内（in vivo：イン・ビボ）でどれほど効果があるかはまだ解明の途上にある。ディープラーニングモデルは、潜在的な解決策（例：どのファージを使用すべきか）を選択することには極めて優れている。しかし、その「説明可能性」（例：なぜその特定のファージが選ばれたのか）という側面では不十分なことが多い。科学においては、答えを導き出すことと同じくらい、そのプロセスを理解することが重要であり、それがイノベーションや発見を進展させるために不可欠だからだ。したがって、モデルの改良が続けられ、説明可能性の面でもまだ進歩の余地がある現状では、このコンセプトが大規模な実用化や普遍的な普及に至るまでには、まだ時間がかかるだろう。
