Claudeの研究支援、タンパク質設計と実験検証の間に残る仕事

人間が準備した範囲と、AIが判断した範囲

Anthropicの公式発表では、Claudeが既存の専門ツールを選び、計算を実行し、試験へ回す候補を整理した。重要なのは、人間の準備がなかったわけではない点だ。専門家が約1万6,000語のプロトコルを作り、使えるツール、工程、選抜基準、予算、報告などの条件を事前に定めていた。

その枠の中で、キャンペーン中の追加の専門的な指示なしに24〜48時間の作業を進めたと説明する。標的や予算の選定、インフラの維持、発注などには人が関わっている。自律性を評価するなら、事前準備、実行中の判断、物理的な試験の担当を分けて見る必要がある。

本稿の考察として、長い研究作業をAIへ渡す場合、良い指示を一度書くだけでなく、停止・再開、記録、例外への対応まで含む運用が重要になる。今回の実験も、人間が研究の問いを持ち、その問いを実行可能な段取りに落とした上での成果と捉えるべきだ。

ヒット率は、条件を添えて比較する

タンパク質設計の技術報告書によると、対象として選んだ16標的のうち15標的で解釈可能な測定結果が得られ、14標的で結合する設計が見つかった。全体では1,320設計中354が結合し、約27%に相当する。

48時間で複数標的を並行して扱った条件ではMythos Previewが26.7%、Opus 4.8が22.6%。標的ごとに24時間を割いたMythos Previewの条件では35.1%だった。ただし後者は標的当たりの計算予算も約2.8倍で、集中させた効果と予算の効果を分離できない。

また、各条件を何度も独立に繰り返した比較ではなく、使われたツール構成も違う。平均値の差を、そのままモデルの優劣へ結び付けることはできない。同じツールと予算で人間の専門家が作業した場合との比較もなく、人間を上回ったという証明ではない。

発表にある典型的なヒット率との比較も、測定法、標的、判定基準が異なる研究を含む。外部の数字より高いというだけで、同条件の改善倍率を作らないことが重要だ。

平均より、順位付けの質が効く場面

実物の合成や測定には費用がかかるため、生成できた候補の数だけでなく、どの順で試すかが重要になる。報告では、各標的・キャンペーンで1位とされた候補の49%が結合した。上位5件では44%、全30件では約28%という集計で、候補の順位が実測の結果と一定の関係を持っていたことを示す。

ただし、順位付けの良さと、対象となるすべての標的で成功することは別である。標的ごとの結果には大きな差があり、結合を確認できなかったものもある。成熟型GDF-8は測定の解釈が難しいため、通常のヒット率の分母へ単純に混ぜられない。

難しい標的について、モデル間で結果が偏った例もある。技術報告は、その差の理由を一つに決めていない。成功した一例だけでなく、失敗した条件と不確かな条件を残している点が、研究を次へ進める際の材料になる。

成功しなかった条件も比較の一部にする

技術報告は、マルトース結合タンパク質では試した90設計すべてで結合を確認できなかったと記載する。一方、TNFαで確認された12のバインダーはOpus 4.8由来で、Mythos Previewの設計からは確認されなかった。平均的なヒット率とは異なる向きの差が残っている。

ただし、これもOpusがその標的に対して普遍的に優れるという証明ではない。キャンペーンは各条件で一回ずつで、生成に使った方法も異なっていた。さらに補足の候補には、人間が事前のルールに基づいて選んだものが含まれ、ヒット率に数える範囲と順位付けの評価対象が異なる。数字を比較する際は、候補の由来と集計の範囲をそろえる必要がある。

研究の記録として有用なのは、成功率の高い部分だけを宣伝に残すのではなく、判定できなかったもの、成功しなかったもの、追加で人が選んだものを識別できることだ。企業の業務AIでも、例外を除いた成功率を全体の自動化率として報告しないために、同じ考え方が必要になる。

結合は、薬としての効果ではない

外部のAdaptyv BioとTwist Bioscienceが設計の製造・測定を担った。計算上のスコアだけで完結せず、実物を試した点は重要だ。一方で、ここで確認されたのは精製タンパク質への試験管内での結合である。

細胞への送達、機能や活性、治療効果、安全性まで確かめた研究ではない。親和性の数字も、多量体標的では複数の相互作用の影響を受ける見かけの値が含まれる。強く結合するという表現を、直ちに薬効があるという説明に変えることはできない。

日本の研究機関や受託事業者がこの結果を検討する場合、設計候補の品質だけでなく、測定系が何を検証できるかを合わせて考える必要がある。AIが大量に候補を作れても、次の実験を実施する能力や、結果を解釈する専門家の役割は残る。

分析化学では、別の能力を試した

もう一方の実験では、一般提供のOpus 5へ分析装置の生ファイルと短い依頼を渡し、NMRとLC-MSの処理を行わせた。分析化学の技術報告書は、入力、処理、検証、訂正の記録を示している。

LC-MSでは独自形式のファイルを読み解いた上で、装置が記録した値と照合し、読み取りを点検した。これは一種類の装置形式・一検体についての事例であり、すべてのメーカーのデータを問題なく扱えると一般化することはできない。

NMRでは、追加測定との比較に関する初期の断定を後から訂正した。残ったもの、消えたもの、重なりのため比較できないものを区別している。最終回答が整っていることだけでなく、誤った解釈をどのように検出し、修正の根拠を残したかが評価の対象になる。

これは、完全な構造決定やすべての信号の帰属を自動化したという証拠ではない。生データの処理、信号の抽出、比較などの工程と、専門家による科学的な判断を分けて捉える必要がある。

近い純度の値でも、同じ計算とは限らない

発表にはClaudeの96.4%とラボの96.33%という純度の数字が並ぶ。しかし、報告書を読むと、計算に含めたピークの集合が違う。ラボと同じ範囲を基準にするとClaude側は98.8%になるとされ、数字が近いこと自体を一致の証明には使えない。

比較には分母と範囲が必要である。研究AIが計算結果を出したときも、数値だけを抜き出さず、どの信号を除外し、何を合計したかを追える記録が必要になる。帳票や金融分析でも、似た数字が別の集計から生まれることがあり、この点は専門研究に限らない教訓だ。

速さにも、異なる時計がある

Claude側の処理時間はNMRで23分、LC-MSで19分と報告された。一方、受託ラボの報告書が完成するまでの日数には、待ち行列や追加測定も含まれる。装置ソフトの操作時間、AIの経過時間、納品までの期間を直接並べても、同じ工程の比較にはならない。

ラボの記録では、NMRのソフト操作自体は1分49秒だった。したがって、報告書までの数日をすべてAIで置き換えた、という説明は適切でない。省力化を検討するなら、入力を整える時間、計算、確認、追加測定、承認、納品を分け、それぞれを測る必要がある。

研究工程に持ち込む際の確認事項

以下は本稿の実務上の考察だ。まず、公開可能な過去データで、原本を保持したままAIの結果と既存の解析を比較する。対象ファイルの版、処理コード、除外条件、修正理由を残せば、結果が違ったときに原因へ戻れる。新しい出力で元データや正式な報告書を上書きしない運用も重要になる。

専門ツールを組み合わせる場合は、それぞれのライセンスと利用範囲も必要な条件だ。公開されているツールでも、重み、コード、入力データ、商用利用の条件がすべて同一とは限らない。今回も利用できるツールを事前に制限しており、性能だけで無制限に組み合わせたものではない。研究の再現を考える場合には、モデルの版と同じく、ツールと許諾の版を記録する必要がある。

モデル名だけで利用できる能力は決まらない。Claude Scienceの公式案内で対象プランや実行環境を確認し、生物学分野の制限や、審査が必要なモデルの提供条件を守る必要がある。限定モデルの研究結果を、一般プランで再現できると案内することはできない。

候補探索が進めば合成・試験の需要が増える可能性も、候補の絞込みにより実験本数が減る可能性もある。今回の研究だけでは、産業全体でどちらが大きくなるかは判断できない。また、実験結果を次の設計へ継続的に戻す閉じたループまで実証したものではない。

AI社員や専門エージェントを業務工程へ組み込む相談先として、運営会社のRO合同会社は公式サイトに窓口を掲載している。研究のように専門的な検証が必要な仕事では、AIが作業する範囲と、専門家が結果を承認する範囲を定めることが導入の前提になる。

参考報道：イノベトピア。本メディアは分子の設計・合成・分析試験を実施していない。