Anthropicは2026年10月20日、サソリ毒素に結合する小さなタンパク質を、社内の研究用AIモデルで設計した実験を公表した。計算上は約31万8,000案を作り、211案を外部の2研究機関が結合試験にかけ、17案が同社の基準を満たした。これはAIが候補を絞り込めることを示す研究結果だが、サソリ毒を無害化する治療薬や、患者に使える抗毒素ができたという発表ではない。Anthropicの研究報告も、細胞や動物での有効性は未確認だと明記している。

中小企業の経営者や研究開発担当者にとっての読みどころは、「Claudeに頼めば薬ができる」という話ではない。候補設計をAIに任せる工程と、実験で確かめる工程をどうつなぐか、そして何をもって次の投資を判断するかだ。今回の研究は、その境界を数値と試験条件つきで示している。

今回確認されたのは毒素への結合で、治療効果ではない

研究対象は、4地域のサソリに由来する5種類の神経毒素だ。毒素側の特定部位に結合する「ミニバインダー」と呼ばれる小さなタンパク質を、既存のタンパク質から切り出すのではなく計算で新たに設計した。狙いは、毒素が神経細胞のナトリウムチャネルに作用する場所をふさぐ候補を見つけることだった。

この研究で「結合した」と判定されたのは、実験室で作った組換え毒素と設計タンパク質の結合を測った段階である。毒液そのものを使った試験、細胞で毒素の作用を止める試験、動物で症状や生存を調べる試験とは異なる。結合は薬効へ進むための一つの条件だが、結合しただけで毒が中和されるとは限らない。

段階 今回の実施内容 読み取れること
計算設計 318,484案を生成し、180案を選定。Claudeの支援で31案を追加 候補を作り、実験対象を絞る工程を支援できた
結合試験 合計211案を外部機関が測定し、17案が報告上の基準を満たした 指定した毒素への結合が確認された候補がある
中和・治療 細胞内の作用、動物での有効性は未確認 抗毒素としての効果や患者への有効性はまだ判断できない

この区別は、AI創薬のニュースを読むときの基本線になる。計算機上の設計、試験管内の結合、細胞での機能、動物での有効性、安全性、臨床での有用性は別々の証拠段階だ。見出しが「AIが抗毒素を設計」と短く表現していても、投資や提携の判断では、どの段階まで独立に確認されたのかを分けて読む必要がある。

Claudeは「一度の質問」ではなく研究工程を組み合わせた

Anthropicによると、研究チームはCitrini Researchと課題を選び、最初の指示に加えて4回の追加入力を行った。内部研究モデルはClaude Scienceの環境で約64時間動き、12種類の設計ツールを使って候補を生成・選別した。研究者は問題設定、対象毒素、使うツールや新規性の条件を与え、結果の監督も行っている。単一のチャット画面に質問を一つ入れたら答えが返った、という実験ではない。

発表では、モデルが主に自律的に作業した時間、研究チームの介入、外部ラボの測定が同じ成果の中に含まれる。したがって「AI単独の能力」を測った結果と読むのも正確ではない。実際の成果は、研究者が課題を定め、AIが設計と解析を進め、外部機関が候補を作製・測定し、研究者が結果を解釈する分業全体から生まれている。

31万8,000案から211案まで、数字の意味を分ける

まずClaudeは318,484案を計算上で生成した。各案を毒素と組み合わせた553,052組について構造を予測し、毒素や既知タンパク質に似た候補を除くなどの絞り込みを行った。その後、Claudeが選んだ180案に研究チームが31案を加え、合計211案を実験に回した。最初の24時間は追加入力なしで動き、その後、特に複数毒素を狙う設計について指示を加えたと報告されている。

この流れでは、最終成果数だけでなく、選定ルールや人の介入点も成果の一部である。設計数が多くても、その大半を試験しなければ実際の結合率は分からない。逆に、少数の候補だけを試した場合は、どの段階で候補が脱落したかが見えにくくなる。企業がAI研究サービスを評価するときは「何案作れるか」だけでなく、候補選定の根拠、試験へ送る割合、脱落理由、再現試験までを契約や評価表に含めたい。

今回の計算には約10,000 GPU時間が使われた。Anthropic自身が、これは多くの研究者がすぐに使える資源量ではないと注記している。記事末尾では、簡略化した単一エージェント・単一GPUの24時間実行でも計算上のスコアは近かったと説明するが、それは本番の211案すべてを同じ条件で実験し、治療効果まで再現したという意味ではない。研究用環境、計算資源、実験設備を含む一連のコストが不明なまま、一般企業が同じ成果を同じ費用で再現できるとは見積もれない。

17件の「ヒット」は一種類の成功率として扱えない

Anthropicは、211案のうち17案が結合候補の基準を満たしたと報告した。その内訳は、メキシコの毒素Cn2向けが7案、北アフリカのAaH II向けが4案、AaH I向けが4案、中東のLqhIII向けが2案。ブラジルのTs1向けや、複数種類の毒素を同時に狙う設計では、基準を満たす候補は得られなかった。

同社の判定基準は、原則として各反復測定で結合が見られ、解離定数（KD）が1マイクロモル以下で、関係のないヒトタンパク質CLEC12Aへの信号がないことだった。KDは低いほど強い結合を表す。ただし、LqhIIIはAdaptyv Bioのみで測定したという脚注がある。したがって「17案すべてを独立した2ラボで同じ形で再現した」とは書けない。全体の数字を使う際にも、この測定上の例外を忘れないようにしたい。

単一毒素だけを狙った設計に限ると、Anthropicは60案のうち11案、18%が結合候補だったと説明し、一般的なタンパク質設計キャンペーンと整合すると評価している。一方、17を211で割った約8%をそのまま「Claudeの創薬成功率」と呼ぶのは適切でない。211案には単一毒素向けと複数毒素向けの異なる課題が混在し、判定条件やターゲットも限定されている。薬の候補として成功した割合ではなく、この試験設計における結合判定の集計である。

最も強いCn2向け2案は、2つの測定機関で1桁ナノモル台のKDを示した。これは同じ毒素に対する既報の抗体・ナノボディの一部が持つサブナノモルの結合より弱い値だが、両者を薬効で直接比較することはできない。既報の抗体等はマウスで毒素から保護した結果があるのに対し、今回の設計分子は細胞や動物で中和を確認していないからだ。Anthropicも、最強候補が毒液由来の毒素に結合するか、ナトリウムチャネルへの作用を止めるかを追加で調べる必要があるとしている。

過去のタンパク質設計研究とは測定条件をそろえて比較する

Anthropicは8月にも、15種類の標的に対する別の設計研究を公表し、15標的のうち14で結合分子を得たと報告している。10月のサソリ毒素研究は、対象とする分子、設計課題、候補の構成、評価条件が違う。8月の数字を10月の結果の対照実験や、一般的な改善率として使うことはできない。研究の蓄積を追う参考にはなるが、会社が公表した二つの試験を一つのベンチマークのように扱わないことが重要だ。8月のAnthropic研究報告では、対象や試験条件の違いも確認できる。

比較で見るべきなのは、見出しの成功数よりも、対象の難しさ、試験対象に選ぶ前の絞り込み、測定機関の数、陰性対照、失敗した標的、機能試験の有無である。今回の研究は、複数毒素を一つで狙うという実務上魅力のある目標には届かなかった一方、個別標的への候補を得た。その違いを残すと、AIに向いているかもしれない工程と、まだ人や実験室が担う工程が見やすくなる。

中小企業が今できるのは、研究の導入検討を段階化すること

今回の結果はAnthropicの内部研究モデルで得られた。発表ページは一般のClaude利用者向けに同じ設計環境を使う方法、契約プラン、日本での提供開始日を示していない。公開されたのは研究報告とデータであり、任意の会社がClaudeの通常画面から同じ生物設計を行えると解釈してはいけない。事業者が今すぐ行えるのは、成果の証拠段階を理解し、外部の研究機関やAI創薬事業者との共同研究をどう評価するかを整えることだ。

想定例1：バイオ企業が共同研究の次段階を審査する

創薬候補を持つ小規模バイオ企業が、AIベンダーから「短期間で多数の候補を設計できる」と提案された場面を考える。最初に確認するのは生成数ではなく、共同研究の終了時にどのデータが納品されるかだ。標的ごとの候補一覧、計算上の選抜根拠、実験へ進めた数、独立測定の結果、失敗した候補、再現試験の条件を契約前に定義する。

次に、比較対象を置く。自社または既存の委託先が同じ標的で作る候補、公開済みのベンチマーク、あるいは事前に固定した陰性・陽性対照と比べ、候補の選定から実験結果までを一続きに記録する。次の予算を出す条件は「AIが何十万案を出したか」ではなく、独立した測定でどれだけ再現し、次の機能試験へ進む価値がある候補を得たかに置く。目標を満たさなかったときに停止できる段階ごとの契約にすれば、初期の結合結果だけで開発費全体を確約せずに済む。

想定例2：受託研究機関がAI関連サービスを設計する

タンパク質測定を行うCROがAI創薬企業からの依頼を増やしたい場合、AIモデルの宣伝文句を自社の検証結果に置き換えないことが大切だ。例えば、既知の候補と陰性対照を含む小規模な評価パッケージを作り、測定者に設計者の予想を知らせずに試験する。顧客には、候補の提出数、測定可能だった割合、再測定での一致、陽性・陰性判定の基準、どの機能試験まではサービスに含まれないかを示す。

Anthropicは今回、候補をAdaptyv BioとTwist Bioscienceへ送り、それぞれ異なる方法で作製・測定したと説明している。これは外部ラボの確認が判断材料を増やす例だが、全項目が同じ2機関で重複測定されたわけではない。CRO側は自社の試験範囲や例外を明示し、結合測定の提供を「薬効の証明」と誤解させないサービス設計が必要になる。公開された211案のデータは、実験値と計算候補を見比べる研究資料として参照できるが、その結果だけで新たな薬剤候補の安全性や有効性を判定するものではない。Anthropicが公開したデータセットは211案の情報を含み、CC BY 4.0で公開されている。

研究提携を判断するための6段階チェック

  1. 業務上の問いを一つに絞る。特定標的の候補探索なのか、既存候補の解析なのかを決める。「創薬をAIで効率化する」のような広い目標から始めない。
  2. 評価指標を実験前に決める。結合、選択性、機能、中和、安全性のどの段階を納品条件にするのか、単位、反復数、陰性対照、独立確認の要否を文書にする。
  3. 比較対象と失敗時の扱いを用意する。既存手法やベースライン、未結合候補、再測定条件を決め、途中で基準を都合よく変えない。
  4. 全体コストを見積もる。モデル利用料だけでなく、計算資源、候補の作製、委託試験、再試験、専門家の確認、データ管理を含める。今回の10,000 GPU時間はAnthropicの研究条件であり、自社の見積もりに転用できない。
  5. 候補を段階ごとに進める。計算上の絞り込み、実験室での結合、細胞での作用、必要な前臨床試験を別の投資判断に分ける。手前の段階で止まった理由も記録する。
  6. 知的財産と公開範囲を確認する。入力データの権利、生成候補の帰属、委託先へ渡る情報、研究結果を公開する条件を契約前に整理する。必要な専門家の確認を、モデル出力だけで代替しない。

この手順は、今回の候補を他社がそのまま再現するためのプロトコルではない。共同研究やAIサービスを評価するための管理上のチェックであり、どの標的を選び、どの試験を実施すべきかは研究分野の専門家が判断する必要がある。すでに研究計画や委託先がある企業なら、次回の打ち合わせで「結合から機能まで、どの段階を誰が、何を対照にして確認するか」を確認するところから始められる。

抗毒素になるまでには、結合の先に複数の関門がある

Anthropicは、治療候補として進めるなら、まず毒液から精製した毒素にも結合するかを確認し、その後、細胞試験でナトリウムチャネルを妨げるか、動物試験で保護効果があるかを調べる必要があると説明している。さらに、候補が安全で安定し、量産でき、必要な地域で手頃な価格で利用できるかという開発・供給上の課題も残る。

従来の抗毒素の多くは、動物を免疫して得た抗体を利用する。新たな結合タンパク質の設計が将来この工程の一部を置き換えられる可能性はあるが、今回の発表だけでは、製造期間、費用、投与量、臨床上の優位性は分からない。AIが候補を設計する速度が上がっても、治療として必要な試験や製造・流通の時間まで自動的になくなるわけではない。

このニュースから事業者が持ち帰る判断は二つある。一つは、AIが研究の候補設計を進める能力と、薬の有効性が証明された状態を混同しないこと。もう一つは、外部提携や投資を行うなら、実験で確認された段階ごとに次の予算を判断することだ。AI創薬の営業資料を受け取ったら、生成数より先に、独立測定、機能試験、再現性、供給可能性のどこまでが実測済みかを確認したい。