- スタンフォード大とArc Instituteが、AIだけで設計したウイルス16種を実際に増殖させることに成功しました
- 成果は2026年8月6日、米科学誌『Science』に掲載されました
- AIが出した302案のうち機能したのは16種、成功率は約5.3%でした
- 1種は天然のファージが効かない薬剤耐性大腸菌3株すべてを死滅させました
- 一方で、合成DNAの安全審査は「任意」のままで、規制の遅れが指摘されています
AIが文章や画像だけでなく、生き物の設計図そのものを書けるとしたら。しかもそれが、試験管の中で本当に動き出すとしたら。2026年8月、その一線が実際に越えられました。何が起きたのか、なぜ専門家が「緊急の懸念」と言うのかを整理します。
AIがウイルスを丸ごと設計、16種が実際に増殖した
米スタンフォード大学とArc Institute（アーク研究所）の研究チームが、生成AIで設計したウイルスを実際に機能させることに成功しました。
成果は2026年8月6日、米科学誌『Science』に掲載されました。
ポイントは「丸ごと」という部分です。これまでAIは、タンパク質1個や遺伝子1個を設計してきました。今回はゲノム（生き物の全遺伝情報）の配列すべてをAIが書き、それが生命体として動いた初めての事例です。
設計されたのはバクテリオファージ（細菌だけに感染するウイルス。以下ファージ）です。人間や動物、植物には感染しません。
Arc Instituteのブライアン・ヒー氏は、電子顕微鏡でAI由来のウイルス粒子を確認した瞬間について「実際にAIが生成したこの球体を目にしたときは、本当に衝撃的でした」と語っています。
302案から16種──実験で何が起きたのか
お手本は「11個の遺伝子しかない」小さなウイルス
研究チームが題材に選んだのはΦX174（ファイ・エックス174）というファージです。
大きさは約5,400塩基対、遺伝子はわずか11個。ゲノムの研究では半世紀以上使われてきた、いわば「教科書に載っている定番」です。
感染相手の大腸菌のゲノムは約500万塩基対あります。ファージのおよそ1000倍です。つまり今回扱われたのは、生き物の中でもとりわけ小さな設計図でした。
数千案を絞り込み、成功したのは5.3%
手順はシンプルです。AIに新しいゲノム配列を大量に書かせ、見込みのあるものを合成し、大腸菌と一緒にシャーレで培養しました。
AIが出した案は数千種類。計算上のふるいを通ったのが302案で、そのうち285本が実際にDNAとして化学合成されました。
そして機能したのは16種類。成功率は約5.3%です。
興味深いのは中身です。16種のうち9種はAIが書いた配列のまま動きました。残り7種は細菌の中で追加の変異を起こしてから機能しています。
さらに、アミノ酸が25箇所以上も入れ替わった候補の約25%が動作し、50箇所を超えた例も2つありました。ランダムに変異させたなら、まず壊れて動かない水準です。AIが「変えていい場所」と「触ってはいけない場所」を学習していたことを示しています。
天然ファージが負けた耐性菌を倒した
最も注目されたのがEvo-Φ69と名付けられた1種です。
培養実験では6時間で65倍に増殖しました。
そして、天然のファージがまったく歯が立たなかった薬剤耐性の大腸菌3株を、すべて死滅させています。
複数のAI設計ファージを混ぜた「カクテル」でも、耐性を持つ大腸菌の増殖を抑えられることが確認されました。抗生物質が効かない菌に、別の角度から打つ手が生まれた形です。
使われたAI「Evo」はどんなモデルか
今回の主役はArc Instituteが開発したEvo（エボ）というゲノム言語モデルです。
仕組みはChatGPTとほぼ同じと考えて差し支えありません。ChatGPTが「次に来る単語」を予測するのに対し、Evoは「次に来る塩基（DNAを構成する4種類の文字）」を予測します。
今回の研究ではEvo 1とEvo 2が使われ、ファージ用には約200万件のファージゲノムを学習させました。
Evo 2そのものはさらに大規模です。生命の3つのドメインにまたがる約12万8000種のゲノム、9.3兆塩基を学習し、パラメータ数は400億。一度に読める長さは100万塩基で、Evo 1の8倍にあたります。
学習に使った計算量は、タンパク質構造予測で有名なAlphaFoldの約150倍と報告されています。生物学の分野にも、はっきりと「スケールで殴る」時代が来たということです。
AlphaFoldや従来手法と何が違うのか
似た話題が多いので、違いを整理しておきます。
- AlphaFold（DeepMind）：タンパク質の「形」を予測する。設計するのは部品1個のレベル
- ESM3（EvolutionaryScale）：タンパク質を生成する。こちらも対象はタンパク質単位
- OpenCRISPR（Profluent）：ゲノム編集に使う酵素をAIが生成。道具を作るアプローチ
- 今回のEvo：ゲノム全体を書き、生命体として成立させる
部品を作るのと、部品表から製品を組み上げるのとでは難易度がまったく違います。今回の成果が「転換点」と呼ばれるのはそこです。
従来のファージ改良は、自然のファージを採ってきて少しずつ変異させる地道な作業でした。ヒトゲノム解読で知られるJ・クレイグ・ベンター氏は、AIの手法を「試行錯誤実験のより高速なバージョン」と冷静に評価しています。
実際、限界もはっきりしています。ニューヨーク大学のジェフ・ボーケ教授は、より大きなゲノムに手を広げると組み合わせの複雑さが「宇宙の素粒子数をはるかに超える」と指摘しました。細菌そのものをAIで設計するには、まだ距離があります。
日本市場への影響──AMRとファージ療法の現在地
遠い国の話に聞こえるかもしれませんが、日本にとっても他人事ではありません。
抗生物質が効かない薬剤耐性菌（AMR）による死者は、世界で年間約114万人と推計されています。2050年には年822万人に達するという予測もあります。
日本国内でも、MRSA（メチシリン耐性黄色ブドウ球菌）とフルオロキノロン耐性大腸菌による菌血症だけで、年間8000人超が亡くなっていると推計されました（2017年時点）。
その一方で、新しい抗生物質の開発は30年以上ほぼ止まっています。開発費がかさむわりに、耐性化を防ぐため「なるべく使わない薬」として温存されるため、事業として成立しにくいからです。
だからこそファージ療法に期待が集まります。日本でも動きは加速しています。
- 日本感染症学会が2026年3月16日、「個別化医療としてのファージ療法指針」を策定
- 早稲田大学ファージセラピー研究所が日本初の専門研究所としてファージライブラリーを構築
- アステラス製薬が岐阜大学に研究講座を設け、次世代ファージセラピーを推進
- 大阪公立大学が尋常性ざ瘡（ニキビ）患者を対象にした臨床試験を開始
ただし日本では、欧米のような本格的な臨床研究はまだ始まっていません。欧州は多施設共同研究でデータを積み上げ、米国はFDAの制度下で個別治療の実施例を報告している段階です。
ここに「AIが数日でファージ候補を書く」能力が加わると、日本の遅れは一気に開くおそれがあります。逆に言えば、指針が整った今のタイミングは追い上げのチャンスでもあります。
規制が追いついていないバイオセキュリティの穴
今回、『Science』には論文と同時にジョンズ・ホプキンス大学の健康安全保障専門家による論説が掲載されました。結論は厳しいものです。この能力を安全に扱うための統治の仕組みが、まだ存在していないというものでした。
問題はどこにあるのでしょうか。
AIが書いた配列を実物のDNAに変えるには、合成受託会社に発注します。その際に危険な配列でないかを審査する仕組みはあります。
しかしその審査は法的な義務ではなく任意です。しかも、既知の病原体の配列と照合する設計になっています。自然界のどの生物も持ったことのない配列を弾く前提にはなっていません。
ベンター氏はこう警告しています。「もし誰かが天然痘や炭疽菌でこれを行なったら、深刻な懸念を抱くでしょう」。
研究チームも慎重でした。学習データからは脊椎動物に感染するウイルスの配列を意図的に除外しています。それでも、十分な計算資源とデータがあれば他者が同じ手法を病原体に応用できる、と論文自身が認めています。
制度側も動き始めました。米国では2026年1月、Biosecurity Modernization and Innovation Act（S.3741）が提出されています。遺伝子合成事業者に配列と顧客の審査を義務づける内容で、Twist BioscienceやIntegrated DNA Technologiesといった合成大手も支持を表明しました。
これから何が起きるのか
今回の16種は「ゴール」ではなく「最初の一歩」です。
次に来るのは実験の自動化との組み合わせでしょう。AIが設計し、ロボットが合成・検証し、その結果をAIが学び直す。このループが回り始めると、成功率5.3%という数字は急速に改善していきます。
資金も集まっています。ボストンのLila（リラ）はAIが運営する自動実験室の構築に2億3500万ドルを調達しました。Ginkgo BioworksのCEOジェイソン・ケリー氏は、この自動化ループの実装を「国家規模の科学的マイルストーン」と評しています。
応用先はファージ療法だけではありません。遺伝子治療に使うウイルスベクターの設計、農作物の病害対策、さらにはプラスチック分解菌のような環境用途まで視野に入ります。
期待と不安が同じ速度で進んでいる──それが今の状況です。
よくある質問（FAQ）
Q1. このウイルスは人間に感染しますか？
いいえ。設計されたのはバクテリオファージで、細菌にだけ感染します。人間・動物・植物には感染しません。学習データからも、脊椎動物に感染するウイルスの配列は意図的に除かれています。
Q2. AIが生命を「創造した」ということですか？
厳密には違います。ウイルスは自分だけでは増えられず、細菌の細胞を借りて初めて増殖します。生物と無生物の中間的な存在です。ただし「ゲノム全体をAIが書いて機能した」のは今回が初めてで、大きな一歩であることは確かです。
Q3. すぐに治療で使えるようになりますか？
まだ時間がかかります。今回はシャーレの中での実験（基礎研究）です。動物実験、安全性の確認、臨床試験という段階が残っています。日本ではファージ療法自体の臨床研究がこれから始まる段階です。
Q4. 悪用を防ぐ方法はあるのですか？
現状の主な防壁は、DNA合成を請け負う会社による発注時の審査です。ただしこれは任意であり、未知の配列を想定していません。米国では審査を義務化する法案が審議中で、国際的な枠組みづくりも課題として残っています。
Q5. 個人や企業が同じことをできますか？
Evo 2のコードとモデルは公開されています。ただし設計案を実物にするにはDNA合成の受託と、それを検証する実験設備が必要です。技術的なハードルよりも、審査と設備がボトルネックになっています。
まとめ
- スタンフォード大とArc Instituteが、AI設計のウイルス16種を実際に増殖させた（2026年8月6日『Science』掲載）
- AIが出した302案のうち機能したのは16種、成功率は約5.3%
- Evo-Φ69は6時間で65倍に増え、薬剤耐性の大腸菌3株すべてを死滅させた
- 使われたAI「Evo」はChatGPTと同じ原理でDNAの塩基配列を予測する
- タンパク質単位のAlphaFoldやESM3と違い、ゲノム全体を設計した点が転換点
- 薬剤耐性菌の死者は世界で年約114万人、日本でも年8000人超（一部菌種の推計）
- 合成DNAの審査は任意のままで、米国では義務化法案が提出されている
まずは、日本感染症学会が2026年3月に公開した「個別化医療としてのファージ療法指針」に目を通してみてください。AIとバイオの交差点で何が動いているのか、輪郭がつかめるはずです。
参考文献
- 生成AIがウイルスを丸ごと設計 大腸菌で16種が実際に増殖（東京新聞）
- 遺伝子配列を学習したAIが自然界で確認されていないウイルスを設計（GIGAZINE）
- バクテリオファージをAIが設計、ゲノム生成時代の幕開け（MIT Tech Review）
- AI can now model and design the genetic code for all domains of life with Evo 2（Arc Institute）
- 「個別化医療としてのファージ療法指針」について（日本感染症学会）
- AI使い自然界にないウイルスを作製 米スタンフォード大学が成果発表（日本経済新聞）
こんな時代だから遊んで学びたい
AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。
毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。 さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。
「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？
一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！
