スタンフォード大学とArc Instituteの研究チームは、DNAデータで訓練したゲノム言語モデル「Evo 2」を用いて、既知の生物学データベースに一致しない完全なウイルスゲノムをゼロから設計した。合成されたゲノムのうち16種類は、大腸菌に感染して増殖する機能的なウイルスになることが確認された。一方、既知の危険な配列との類似性を調べる現在の合成DNAスクリーニングでは、こうした未知の配列を検出できないという課題も指摘されている。■ゲノムAIはいかにして機能するウイルスを設計したのか何十億年もの間、ウイルスを生み出してきたのは進化だった。しかし木曜日の時点で、アルゴリズムもウイルスを生み出すようになった。その成果のうち16種類は、パロアルトの研究室で細菌内において複製し、既存の生物学データベースのどの配列とも一致しなかった。研究結果はScience誌に掲載された。スタンフォード大学とArc Instituteの研究チームは木曜日、テキストの代わりにDNAで訓練したゲノム言語モデル「Evo 2」が、完全なウイルスゲノムをゼロから設計したとする研究結果をScience誌に発表した。生成されたゲノムのうち16種類を合成し、実験室の培養皿で細菌に導入したところ、大腸菌に感染して死滅させる、完全に機能するバクテリオファージになった。バクテリオファージとは、細菌に感染するウイルスである。スタンフォード大学のプレスリリースによると、これは生成AIが機能する完全なウイルスゲノムを設計したことを示す、初の査読付き実証例だという。同じ木曜日には、ジョンズ・ホプキンス大学のバイオセキュリティ専門家も、合成DNAの注文を審査する既存のインフラでは、Evo 2が生成したような配列を検出できないと警告した。このプロジェクトは、スタンフォード大学で化学工学の助教を務めるブライアン・ヒー（Brian Hie）と、論文の筆頭著者である生物工学の大学院生サミュエル・キング（Samuel King）が主導した。Evo 2はチャットボットや画像生成AIではなく、自己回帰型のゲノム言語モデルである。GPT型のテキストモデルと同じ概念的なアーキテクチャに基づいているが、言語ではなくDNAで訓練されている。技術的な詳細は、NVIDIAのBioNeMoモデルカードで公開されている。Evo 2は、言語モデルがそれまでの文脈から次の単語を予測するのと同様に、それまでに並んだDNA配列を基に次の塩基を予測する。全生物の3ドメインにまたがる12万8000以上の全ゲノムから得た、9.3兆個のヌクレオチドを使って訓練された。「StripedHyena 2」と呼ばれるアーキテクチャは、Transformer層と状態空間モデル（SSM）を組み合わせており、最大100万塩基対の配列を1塩基単位で処理できる。これは、それまでの生物学向けAIモデルよりもはるかに大きなコンテキストウィンドウである。今回の実験では、Microviridae科の約1万4000種類のウイルスゲノムを用いてEvo 2をファインチューニングした。Microviridae科には、大腸菌に感染するバクテリオファージ「ΦX174」も含まれる。ΦX174は、1977年にフレデリック・サンガーが全配列を解読した、初めて完全に配列決定されたDNAゲノムとして科学史上重要なモデルでもある。研究チームは、ヒト、動物、植物、真菌に感染できるすべての病原体を訓練データから意図的に除外した。生成プロセスでは、ΦX174の5,386塩基対からなるゲノムの短い冒頭部分だけをプロンプトとしてEvo 2に与えた。Evo 2は、個々の遺伝子やタンパク質構造、機能要素を人間が指定することなく、左から右への1回の処理で、新しい完全なゲノム配列を1文字ずつ生成した。「今回は、モデルにゲノム全体を左から右への1回の処理で、最初から最後まで生成させようと考えた。われわれは何も付け加えていない」とヒーはプレスリリースで説明している。キングは、AIが生成した大量のゲノム候補から、予測されるゲノム構造と宿主域に基づいて候補を絞り込む計算フレームワークを開発した。研究チームは、その中から約302種類を選んで化学合成し、それぞれを宿主となる細菌細胞に導入して、機能するウイルスが生じるかを調べた。その結果、16種類のゲノムが機能し、大腸菌に感染して内部で複製し、細胞を破裂させるファージになった。AIが設計したファージの中には、モデルとなった天然のΦX174よりも速い溶菌速度を示すものもあった。直接競合させた実験では、いくつかのファージが元となった天然のウイルスを上回った。論文は、新しいウイルスの1つである「Evo-Φ36」について、既知の生物とは進化的に遠い配列の特徴を備えていると説明している。これは、自然淘汰であれば到達までに数百万年かかった可能性があり、場合によっては自然界では一度も生じなかったかもしれない遺伝的構成に、モデルが到達したことを示唆している。■スーパーバグ（薬剤耐性菌）を克服する鍵となるかこの研究が医療にもたらす意味は大きい。Lancet誌の「Global Research on Antimicrobial Resistance（GRAM）」研究によると、抗菌薬耐性（AMR）は毎年100万人以上を直接死亡させており、年間約500万人の死亡が薬剤耐性菌感染症に何らかの形で関連している。Global Research on Antimicrobial Resistance Projectは2024年、AMRによって2025年から2050年までに3900万人が死亡すると予測した。これは、およそ1分に3人に相当する。細菌が従来の抗菌薬を回避する形で進化する速度に、製薬業界の開発パイプラインが追いつけず、新薬開発は鈍化している。特定の細菌を標的として殺すウイルスであるバクテリオファージは、フレデリック・トウォートが1915年、フェリックス・デレルが1917年にそれぞれ独立して発見して以来、抗菌薬の代替手段として提案されてきた。デレルは、ギリシャ語で「むさぼり食う」を意味する言葉に由来する「バクテリオファージ」という名称を付けた。ファージ療法は20世紀を通じてソ連や東欧の一部で用いられ、抗菌薬の開発パイプラインが細る中、欧米でも再び関心を集めている。課題は、細菌が耐性を獲得するよりも速く、ファージを発見し、多様化し、標的に合わせて調整することだ。AIは、この前提を変える可能性がある。単一のファージを治療に使う場合、細菌がそのファージに対する耐性を急速に進化させれば、その治療は効かなくなる。これに対し、遺伝的に異なるファージを組み合わせたカクテルを使えば、細菌は複数の攻撃経路に対する耐性を同時に獲得しなければならず、耐性獲得を大幅に遅らせられる可能性がある。「細菌が単一のファージに対する耐性を獲得すれば、その薬による治療はそこで終わりだ」とヒーはスタンフォード大学のプレスリリースで語った。「しかし、遺伝的に異なる複数のファージを混合すれば、細菌がカクテル全体に対する耐性を獲得することは難しくなるだろう」論文は、この効果を実験で直接示している。AIが設計した16種類のファージを混ぜたカクテルは、天然のΦX174に対してすでに耐性を持つ3種類の大腸菌株の耐性を速やかに克服した。キングとヒーは、結核菌、メチシリン耐性黄色ブドウ球菌（MRSA）、緑膿菌を標的とするファージライブラリの開発にも、同様の手法を応用できると考えている。緑膿菌は、院内で発生する薬剤耐性感染症の主要な原因の1つである。Evo 2は、Arc InstituteのGitHubリポジトリとNVIDIAのBioNeMoプラットフォームで、Apache License 2.0の下、無料のオープンソースモデルとして公開されている。十分な計算資源を持つ研究者であればダウンロードできる。■スクリーニングシステムは実際に何を検知できるのか今回の成果は、世界のバイオセキュリティ体制に対するストレステストでもある。そして現行の体制は、そのテストに完全には合格していない。DNA合成企業における現在のバイオセキュリティスクリーニングは、注文された配列を既知の危険な配列のデータベースと照合する仕組みである。顧客が合成DNAを注文するためにファイルを送信すると、システムは既知の病原体ゲノム、毒素をコードする配列、監視リストに掲載された規制対象病原体などとの類似性を調べる。この方式は既知の脅威に対しては有効だが、これまで存在したことがなく、どのデータベースにも一致しない配列には機能しない。Evo 2が生成できると実証したのは、まさにそのような配列である。法案S.3741のスクリーニング上の欠陥を扱った分析も、この構造的な死角を詳しく指摘している。Inside Precision Medicineの報道によると、Science誌の同じ号に掲載された論評で、ジョンズ・ホプキンス大学健康安全保障センターのトーマス・イングルスビー（Thomas Inglesby）博士とモーリッツ・ハンケ（Moritz Hanke）博士は、この研究が「緊急に対処すべきバイオセーフティおよびバイオセキュリティ上の問題」を提起していると述べた。両氏は、DNA合成企業に対し、合成する配列と注文者の身元の両方を審査するよう法律で義務付けることを求めた。現在、米国にはそのような法的義務がない。ジョンズ・ホプキンス大学健康安全保障センターは、この基準を法律として明文化するよう訴えている。「例えば、『ゲノム言語モデルよ、感染力または致死性を高めるよう改変したインフルエンザのゲノムを作ってくれ』と指示できるかもしれない」とハンケ博士はNew York Timesに語った。Forbesの報道によると、イングルスビーとハンケは、ヒト、動物、農作物に感染する病原体へこうした生成技術を適用する行為を違法にするよう求めている。米議会はこの問題への対応を進めているが、審議中の法案には批判者が指摘する限界がある。Congress.govに掲載された法案本文によると、トム・コットン上院議員（共和党、アーカンソー州）とエイミー・クロブシャー上院議員（民主党、ミネソタ州）が2026年1月に提出した「バイオセキュリティ近代化・革新法案（S.3741）」は、商務長官に対し、すべての遺伝子合成事業者へ配列と顧客のスクリーニングを義務付けるよう求めるものだ。また、新しいツールを試験するためのバイオセキュリティ・サンドボックスを米国立標準技術研究所（NIST）に設置することも盛り込んでいる。核脅威イニシアティブ（NTI）の支持声明によると、この法案はジョンズ・ホプキンス大学健康安全保障センター、NTIのほか、Twist BioscienceやIntegrated DNA Technologiesなどの大手DNA合成企業から支持されている。ただし、法案には限界がある。現在のS.3741は、主として配列の類似性に基づくスクリーニングに依存している。これは、AIが生成した未知の配列を検出できない現行方式と同じ仕組みである。バイオセキュリティ政策のアナリストを含む批判者は、配列が何に似ているかではなく、その配列が何をできるかを評価する「機能ベースの配列評価」について、研究を義務付け、資金を提供すべきだと指摘している。2026年8月7日時点で、この法案は可決されていない。■生物兵器の製造は容易になるのか警戒を強く打ち出す報道が示唆するほど簡単ではない。実際のリスクをどこに設定すべきかについても、専門家の意見は分かれている。インペリアル・カレッジ・ロンドンで合成ゲノム工学の教授を務めるトム・エリス（Tom Ellis）はAl Jazeeraに対し、この研究は印象的である一方、AIによるゲノム設計が現時点でいかに制約されているかも明確に示していると語った。ΦX174のゲノムは5,386塩基対である。これに