言葉から実行へ ── 10億ドルの共同ラボ
デジタルバイオロジーとは、生物学にAI・計算科学・バイオインフォマティクスを融合させ、細胞・遺伝子・タンパク質などの生物システムをコンピュータ上でモデル化・シミュレーション・設計する学際分野だ。観察中心の科学から、仮説を計算で検証して実験前に最適化する工学への転換を指す。
2026年1月、NVIDIAとイーライリリーはJPMorganヘルスケアカンファレンスで共同イノベーションラボを発表した。投資額は約10億ドルと報じられ、フアン氏はこれを「創薬の未来で何が可能かの設計図」と呼んだ。NVIDIAのBioNeMoプラットフォームで大規模なデータセットを生成し、生物学と化学のAIモデルを開発する。対象は創薬にとどまらず、臨床開発・製造・商業化まで広がる。
資金と臨床の節目
DeepMind分離企業のIsomorphic Labsは、2026年5月にThrive Capital主導で約21億ドルのシリーズBを調達したと報じられた。Alphabet・GV・MGX・テマセク・英国の政府系ファンドなどが名を連ね、評価額400億ドル超での追加調達が協議されているとの報道もある。創業者のデミス・ハサビス氏はAlphaFoldの成果で2024年ノーベル化学賞を受賞した。
技術面ではAlphaFoldの構造予測を基盤に、病気に関わるタンパク質の結合ポケットを特定し、数千の小分子を生成して評価するDrug Design Engineが「AlphaFoldの先のフロンティア」として打ち出され、AIが設計した薬のヒトでの臨床試験の準備が進むとされる。AlphaFold DBの収録構造は2億4100万を超え、2026年には事実上の後継とみられる新モデルの発表が話題になっている。NVIDIAのGTC 2026でも、単純な構造予測から複雑なタンパク質間相互作用のシミュレーションへ、さらに医療でのエージェントAIへ、という流れが節目として語られた。
2つのボトルネック
一方で、伸びを抑えている要因も明確だ。第一にデータだ。テキストと違い、結合や機能アッセイのような高品質な生物データは実験でしか得られず、AI創薬が最も注目される応用分野でありながら、その学習材料が不足している。NVIDIAとリリーのラボがデータ生成から手がけるのは、まさにこの壁への正面からの答えである。
第二に人材だ。生物データの生成を理解し、同時にLLMを扱える研究者は少なく、両方を橋渡しする人材の育成が急務とされる。
読み取り方
フアン氏の予測が正しければ、生物学は工学として扱える速度=進歩の速度になる。10億ドルのラボ、21億ドルの調達、2億超の構造データ——金とデータが本体に回り始めた今、次に来るのは実験でしか得られないデータをどう早く安く作るかという、工学の問題である。
この記事を閉じる3つの問い
- 実験データの生成速度が律速であるとき、日本の製薬は内製と外部のどちらに賭けるのか。
- AIが設計した薬の臨床結果は、生物学=工学という前提をどこまで強化するのか。
- 2億超の構造データを持つ側と持たない側の格差は、創薬のコストをどう変えるのか。