2026/11/18
AIニュース
Alphabet傘下のIsomorphic Labsが50億ドル調達、AI創薬を分子設計から臨床試験へ

この記事の要点
Alphabet傘下のIsomorphic Labsが50億ドルを調達しました。創薬基盤IsoDDEによる分子設計の高度化に加え、実験基盤の整備や臨床試験への前進を目指します。日本企業には、予測性能だけでなく、候補選定や実験工程の改善につながるかを見極める視点が求められます。
目次

50億ドルの資金が向かう、AI予測の先
薬の候補分子をコンピューターで設計できても、それだけで患者に届けられるわけではありません。研究室での検証を重ね、臨床試験へ進める必要があります。Alphabet傘下のIsomorphic Labsが発表した50億ドルの資金調達は、AIによる分子設計の成果を、治療薬の開発につなげるための投資として捉えられます。
2026年11月17日付の報道によると、今回の調達は投資会社のGreenoaksとSequoia Capitalが主導し、ほかにも複数の投資家が参加しました。Googleの親会社であるAlphabetも、傘下の投資組織GVとCapitalGを通じて出資しています。Isomorphic Labsは、調達資金で生物学の基盤モデルや疾患理解の研究を進め、最初の治療薬開発プログラムを臨床試験へ近づける方針です。バイオエンジニアリングの基盤整備と提携先の拡大も掲げています。資金調達の報道
企業が注目すべきなのは、調達額だけではないでしょう。AIモデルの性能を高める研究に加え、その予測を検証して開発判断へつなぐ体制にも資金を振り向ける点が焦点です。ソフトウェア上で有望に見える分子と、医薬品として開発を進められる分子の間には距離があります。今回の投資を評価する際は、その距離をどう縮めるのかを見る必要があります。資金調達は開発を進める手段であり、治療薬の有効性や開発成功を示す結果ではありません。

IsoDDEがつなぐ、形の予測と分子の設計
Isomorphic Labsの中核技術は、Isomorphic Labs Drug Design Engine、略してIsoDDEという創薬プラットフォームです。同社によると、すでに複数の製薬企業が創薬プログラムで利用しています。役割を理解するには、タンパク質の形を予測することと、薬の候補を設計することを分けて考えると分かりやすくなります。
一般に、タンパク質を標的とする創薬では、病気に関係するタンパク質を選び、その働きに影響を与える分子を探します。標的の立体構造が分かれば、分子が入り込めそうな場所を調べやすくなります。ただし、形が合いそうに見えるだけでは、十分に結合するかどうかは判断できません。どの場所に、どのような姿勢で、どれほど強く結び付くのかを検討する必要があります。
IsoDDEは、構造予測、結合部位の探索、分子の結び付きの強さの予測を組み合わせ、創薬の判断に近づけようとする仕組みです。Isomorphic Labsも、構造の理解だけでは実際の創薬を進めるには不十分であり、複数の性質や相互作用を扱う予測モデルが必要だと説明しています。同社の技術説明
生成AIの事業利用という観点では、文章や画像の生成とは異なる評価軸が見えてきます。創薬で問われるのは、候補を大量に出せるかだけではありません。実験する価値のある分子を絞り込み、その選択を支える予測を示せるかが問われます。分子を提案する機能と、その妥当性を評価する機能をどう結び付けるかが、研究現場での使いやすさを左右すると考えられます。

動くタンパク質の「結合ポケット」を探す難しさ
薬の候補分子が結び付く場所として、タンパク質表面のくぼみが注目されます。こうした場所は「結合ポケット」と呼ばれます。鍵と鍵穴にたとえると理解しやすいものの、実際のタンパク質は硬い鍵穴のように形が固定されているわけではありません。周囲の環境や、ほかの分子との相互作用によって形が変わります。
この動きが、創薬の探索を難しくします。ある状態では見えないくぼみが、別の状態では現れる場合があるためです。一つの構造だけを見て、薬が結合できる場所はないと判断すると、有望な部位を見落とす可能性があります。静止画から形を読み取るだけでは足りず、分子と出会った際にどのように変形するのかも検討する必要があります。
Isomorphic Labsは、IsoDDEが結合ポケットの探索を速め、ポケットが見えない場合には、その形成を促す化合物の設計も支援すると説明しています。ここでの価値は、既存のくぼみに合う分子を探すだけでなく、タンパク質の変化を含めて候補を考えられる点にあります。ただし、あらゆる標的に対して望むポケットを作り出せる、という意味ではありません。
研究開発への影響としては、これまで検討しにくかった標的や部位に、別の探索方針を立てられる可能性があります。これは技術の使い方から考えられる示唆であり、個別の疾患で成果が確定したことを示すものではありません。予測されたポケットが実際に形成されるか、候補分子がそこへ結合するか、その結合が目的の作用につながるかは、段階を分けて確かめる必要があります。企業にとっては、探索範囲の拡大と検証負担のバランスが判断点になるでしょう。

FEPとの比較で確認したい、精度と前提条件
候補分子が標的へどれほど強く結合するかを評価する手法の一つに、FEPがあります。日本語では自由エネルギー摂動法と呼ばれ、分子の変化に伴う自由エネルギーの差から、結合のしやすさなどを推定する計算手法です。単に分子の形を重ね合わせる方法ではなく、物理的な相互作用を計算に取り込むため、計算資源や準備作業が負担になる場合があります。
こうした計算では、出発点となるタンパク質と分子の立体構造の質も結果に関わります。実験で構造を調べる代表的な方法には、タンパク質の結晶を用いるX線結晶構造解析があります。ただし、構造解析にはほかの手法もあり、創薬の全工程で結晶化が必須になるわけではありません。重要なのは、評価に必要な入力をどのように用意し、その準備にどれだけ時間と労力がかかるかです。
Isomorphic Labsは、IsoDDEが実験由来の結晶構造を入力として必要とせず、結合の強さの予測でFEPなどの物理ベースの手法を上回る場合があると説明しています。これは同社が示した評価条件の下での主張として読む必要があります。すべての標的や候補分子で同じ優位性が得られるとは限りません。同社が公表した性能評価
導入を検討する企業は、精度の数値だけでなく、自社が扱うタンパク質や化合物に近い条件で評価されているかを確認したいところです。入力データの準備、計算の所要時間、結果を研究者が判断するための情報まで含めて比べると、実務上の効果が見えやすくなります。予測計算が速くても、その後の実験が追い付かなければ、開発全体の短縮幅は限られるでしょう。

臨床試験への前進と、残る検証の境界
今回の資金調達でIsomorphic Labsが目指すのは、AIによる設計能力の向上に加え、治療薬開発プログラムを臨床試験へ進めることです。臨床試験は、人を対象に医薬品候補の安全性や有効性などを評価する段階です。「臨床試験を目指す」という方針と、試験で成果を得たという実績は、分けて理解する必要があります。
一般に、標的タンパク質へ強く結合する分子であっても、そのまま医薬品になるとは限りません。体内で必要な場所へ届くか、適切な時間とどまるか、意図しない作用が生じないかといった点も検討対象です。結合の予測は創薬を支える重要な要素ですが、治療効果の判定を単独で代替するものではありません。AIの計算結果と、実験や試験で得られる結果の間を埋める作業が残ります。
この観点から見ると、同社がバイオエンジニアリングの基盤整備を掲げている意味も理解しやすくなります。予測した候補を検証し、その結果を次の設計や研究判断に返すには、計算と実験をつなぐ体制が必要です。どの候補を作るか、何を測るか、期待と異なる結果をどう扱うかによって、AIが研究を支援できる範囲も変わってきます。
現時点で確認できる情報から、臨床試験の成功確率や医薬品の承認時期を見積もることはできません。今後の進展を追う際には、モデルの性能発表と並べて、実験での再現性や開発段階の前進を確認するとよいでしょう。投資規模を将来の売上へ直結させるより、予測がどの判断を改善し、どの検証を通過したかを見る方が、事業の進捗を具体的に把握できます。

日本企業が始めるなら、候補選定の一工程から
日本の製薬企業や創薬支援企業にとって、今回の動きはAI導入の検討範囲を具体化する材料になります。自社の研究工程のうち、どの判断に時間がかかり、どこで実験のやり直しが生じているのかを把握することが出発点です。たとえば、候補分子の順位付けに課題がある場合と、標的の構造情報が不足している場合では、必要な機能も評価方法も変わります。
試行するなら、過去に実験結果が得られている一つの標的や化合物群を選び、結果を伏せた状態でAIの予測を評価する方法が考えられます。既知の結果を使った評価では、学習データとの重複にも注意が必要です。正解を再現できるかだけでなく、研究者が実験候補を選ぶ際に、従来より役立つ判断材料を得られるかを確かめたいところです。
評価指標には、予測精度に加えて、候補を選ぶまでの時間、必要な計算費用、実験へ進める分子の絞り込み方などが挙げられます。加えて、未公開の化合物情報を外部へ提供する場合の取り扱いや、生成された候補と検証結果を誰が利用できるかも、提携の前に整理する必要があります。技術評価と契約条件を別々に進めると、性能を確認した後に運用上の制約が見つかるかもしれません。
Isomorphic Labsの資金調達が示す方向性は、分子の生成だけで完結せず、予測、実験、開発判断をつなぐことにあります。日本企業が次に取れる一歩は、自社の一つの創薬テーマについて「AIを使うと、次に実験する分子の選び方がどう変わるか」を具体化することです。比較対象と成功条件を先に決めれば、話題性や調達規模に左右されず、自社の研究に必要な技術かどうかを判断しやすくなるでしょう。
