2024年のノーベル化学賞からもわかるように生成AIの生物学分野への進出はすさまじい。これは当然のことで、アルゴリズムを自然現象の説明に最初に導入したのがダーウィン進化論で、DNAはその進化アルゴリズムによって膨大なコンテクストを取り込んだ独自の情報空間を形成している。さらに、DNA進化から生まれた新しい情報システムニューラルネットが現在のAIの基盤になっていることも、生成AIと生物学の関係の深さを示している。

この分野は深くて広いが、新しい分野としてAIを頭脳として用いた自動で動く Self-driving laboratory 開発がある。この分野で優れた研究を発表している研究機関のランキングをGPTに聞くと、MIT、トロント大学、グラスゴー大学、カリフォルニア大学バークレイ校と答えが返ってくる。トロント大や、グラスゴー大など、ちょっと意外な研究機関がリストされるのは素人には驚きだが、この分野が従来のヒエラルキーの外に発展していることを物語っているように感じる。その意味で、人さえ育てれば我が国にもチャンスはあるのだろう。

今日紹介するのはそのトロント大学が2月24日 Cell に発表した論文で、LLMを頭脳として用いた self-driving laboratory (SDL) モデル、LUMIの開発で、この分野の重要なベンチマークになるような気がする。タイトルは「LUMI-lab: A foundation model-driven autonomous platform enabling discovery of ionizable lipid designs for mRNA delivery（LUMI-lab:基盤モデルにより駆動される自立プラットフォームはmRNAデリバリーのためのイオン化脂質発見を可能にする）」だ。

AIを頭脳に据えて自動化実験室を構築するとき、最も重要なのは明確なゴールを決めることで、この研究はmRNAを細胞に導入するときに必要な Lipid nano-particle (LNP) の設計に絞ったところが優れている。というのも、LNPはコロナワクチンであらゆる人に知られているが、モデルナにしてもビオンテックにしてもそれぞれの経験でLNPを構築している。これは薬剤のスクリーニングと同じだ。しかも、構築に関わる脂質とそれに挿入される分子のライブラリーは整理されており、この研究ではそれぞれ1300万、1500万の分子の構造ライブラリーをトランスフォーマーに学習させている。

当然実験結果をさらに学習する連続学習モデルが構築されており、単純にトランスフォーマーだけを使うのではなく、対照学習も組み入れた新しいモデルを構築して、どの分子を組み合わせればいいのかを決定し実験した後、その結果に基づきモデルをファインチューニングしてより効率の高いLNPを作り続け、現在使われている以上のLNPを目指している。

実際には１回で１プレート96種類のLNPを設計し、GFP-ｍRNAを詰めて細胞に導入。傾向を測って、その結果をフィードバックしている。フィードバックの度に化合物の多次元ベクター空間は変化して、より確率の高い組み合わせを選ぶ確率が上がると期待できる。面白いのは、ファインチューニングに成功例だけを示すのではなく、事前学習してダメと判断される組み合わせも同じように実験し、学習されたコンテクストとリアルのコンテクストの違いをさらに学習できるように工夫してある。なるほどと勉強になる。

この実験による学習を10回繰り返すと、最初は遺伝子導入効率が低かったLNPもどんどん効率が上がり、10回目には使い物になるLNPの数が5割近くに上昇する。重要なのは成功した組み合わせを多次元空間を分析することで、うまくいった理由についても後から見直すことができる点で、この結果これまで使われてこなかったBr分子が結合したイオン化脂質を混ぜ合わせることで、LNPの遺伝子導入効率が高くなることを発見する。即ち、これまでのように経験だけではわからなかったコンテクストを抽出できていることがわかる。しかも、Br化がいい効果を持つことは、実験する前からコンテクストとして既にライブラリーの中に存在していることもわかった。

最後の極めつけは、こうして設計したLUMI6を用いてマウス気管細胞の遺伝子編集をCRISPRで行い、なんと20％以上の細胞の編集に成功したことまで示している。

これまでAI実験室の論文は見てきたが、最終目的まで動物で確かめたのはこの論文が最初ではないだろうか。さすがにGPTがトロント大学をトップ5に選ぶのも肯ける。

学生に講義するとき、LLMは目的も機能も存在しない知識の確率空間だが、これに理性を与えるのが強化学習だと教えている。その意味でAI実験室はLLMと強化学習を統合することで、より脳に近いAIを設計することなので、是非我が国からも優れた研究者が生まれてほしいと願っている。