Newsletter · 2026-07-23 · Ashutosh Agarwal

AI創薬の真のボトルネックはデータになった - AI Drug Discovery Weekly - 2026年7月23日号

AI Drug Discovery Weekly、2026年7月16日から23日の週号: Xaira、A-Alpha Bio、Cytheraを取り上げた3つの別々のポッドキャストが、創薬におけるボトルネックはもはやモデルではなく、正しいラボ生成データを誰が保有するかに戦いが移ったという同じ結論に収斂する一方、Digital Pathology Podcastの懐疑的な声は、真にAI設計と呼べる医薬品はまだ市場に出ていないと指摘している。

AI Drug Discovery Weekly

2026年7月23日号: AI創薬の真のボトルネックはデータになった

件名: モデルは一度もボトルネックではなかった。今週、3つの独立した研究室がそれを声高に語り、戦いは今やデータをめぐるものになっている。

TL;DR

今週のポッドキャストで最も大きく響いたテーマは、驚くべき一致だった。AIのモデルはもはや創薬を妨げる要因ではない、というものだ。潤沢な資金を持つスタートアップXaira、データプラットフォーム企業A-Alpha Bio、そして今はCytheraを率いるベテラン計算化学者という3つの独立したチームが、それぞれの言葉で、本当に不足しているのは正しい種類のラボ生成データ(あるいは分子をコンピュータに表現する正しい方法)だと述べた。ボトルネックは頭脳から目と手へと移動したのだ。
単に「もっとデータを」という話ではない。今週浮かび上がったニュアンスは、生物学には今日の公開データベースの多くが持っていない特定の種類のデータが必要だということだ。原因と結果に関するデータ、何が機能しないかに関するデータ(機能するものだけでなく)、そして毎回同じ方法で測定され、モデルが実際に比較できるデータである。
Xairaは45億パラメータの「バーチャル細胞」モデルX-Cellを発表し、そのエピソードのタイトルに自らの哲学を掲げた: 因果モデルには因果データが必要だ。その答えは、そうしたデータを産業規模で自社内製造することだ(Latent Space、7月21日)。
今週最も明快な現実確認: あらゆる誇大宣伝にもかかわらず、真にAI設計された医薬品で承認され市場に出ているものはまだ存在しない。よく引き合いに出される1つか2つの例は、既存の古い薬の転用であることが判明する(Digital Pathology Podcast、7月22日)。
この流れがどこへ向かうかを鮮やかに垣間見せたのがLila Sciencesだ。同社は「バイオテック業界の5年分の仕事を6か月で、コストは10%で」実行したと述べ、2〜3人のチームと自動化ラボだけで、あるがん治療薬についてサル段階のデータに到達したという(Latent Space、7月16日)。
人事面で注目すべき動きがついでに浮上した。CytheraのWoody Shermanによれば、AnthropicがAlphaFoldの生みの親でノーベル賞受賞者のJohn Jumperを採用したとされ、大手AI研究所がツール販売にとどまらず科学そのものへとさらに深く踏み込んでいることを示すもう一つの兆候だという(Data in Biotech、7月20日)。
追跡銘柄では: **Recursion(RXRX)**は横ばいで年初来安値付近にとどまり、**Schrödinger(SDGR)**は再び下落、**Eli Lilly(LLY)**はAIとは無関係の肥満治療薬の大規模な治験結果を受けて急伸した。

今週の新展開

Xairaが杭を打ち込む: 「因果モデルには因果データが必要だ」

今週の目玉は、我々のカバレッジ対象企業から来た。よく知られたAIエンジニアリング系ポッドキャストに、AI創薬スタートアップの中でも屈指の資金力を誇るXaira Therapeuticsが出演し、初の「バーチャル細胞」モデルであるX-Cellについて語った。バーチャル細胞とはまさに言葉どおりのもので、何かを変化させたときに生きた細胞の内部で何が起きるかを予測しようとするコンピュータモデルである。例えば、細胞が持つ約2万個の遺伝子のうち1つの働きを弱めた場合、他のすべての遺伝子はどうなるか、そして細胞は病的な振る舞いを始めるのか、それとも健康な振る舞いを続けるのか、といった具合だ。これが創薬にとって重要なのは、ほとんどの薬が生物学的なスイッチを上下させることで正確に作用するからである(Latent Space、7月21日)。

際立った点は2つあった。まず規模である。X-Cellは45億パラメータのモデルだ(「パラメータ」とはモデルが調整する内部のつまみのことで、大まかに言えばつまみが多いほど能力が高いことを意味する)。次に、より重要なのは、Xairaの2人の科学者、チーフAIサイエンティストのBo Wangとチーフ・ディスカバリー・オフィサーのCi Chuが会話全体の中心に据えた論点である。Chuは2種類のデータの間に明確な一線を引いた。

記述的データ、健康な細胞のスナップショットで、すでに巨大な公開コレクションに存在する種類のもの(彼は3,300万個以上の細胞から始まったデータベースを例に挙げた)。これは細胞がどう見えるかを教えてくれる。
因果データ、特定の方法で細胞を刺激した結果として何が起きるかを捉えたデータ。これは介入したときに細胞が何をするかを教えてくれる。

彼の率直な主張はこうだ。記述的データのみで訓練されたモデルは、「因果的なタスクにおいて線形モデルをまだ上回っていない」。平たく言えば、スナップショットで訓練された巨大なAIは、創薬にとって実際に重要な問い、細胞にこれをしたら何が起きるのか?、に答える点で、何十年も前からある単純な数学より優れていないということだ。理由は論理の罠にある。もし遺伝子A、B、Cがスナップショットで常に一緒に上下するなら、Aが BとCを制御しているのか、Bが他を制御しているのか、それとも第4の何かがすべてを制御しているのか、本当のところ判別できない。同じくらい妥当な説明が多すぎるのだ。それを知るには実験を行うしかない(Latent Space、7月21日)。

つまりXairaの本当の製品はモデルだけではなく、因果データを生み出す工場でもある。彼らはPerturb-seqと呼ばれるラボ手法を使っている。これは遺伝子編集ツールCRISPRを使って一度に1つの遺伝子をノックアウトするものだが、膨大な数の細胞プールに対して一斉に行うため、バッチ間の厄介なばらつきが生じない。彼らはPiscesと呼ばれるデータセットを公開した。16種類の細胞タイプにわたり2,500万個の細胞を対象に、ゲノム全体で遺伝子を検証したものだ。Wangは、モデルの内部訓練手法を切り替えたこと(「自己回帰」から「拡散」へ、AIが出力を生成する学習方法の2つの異なる方式)が、最も難しいテスト、すなわちモデルが一度も見たことのない状況での効果予測において、意味のある飛躍をもたらしたと指摘した。ある実演では、X-Cellを休止状態の免疫T細胞だけで訓練し、その後、一度も研究したことのない活性化T細胞で遺伝子ノックアウトが何をもたらすかを予測させたところ、うまくいき、単純な数学のベースラインを上回った。この「一度も見たことのないものへの汎化」という結果こそ、データベースを問い合わせるだけでなく大規模モデルを構築する理由そのものである(Latent Space、7月21日)。

このテーマが繰り返し登場する背景として補足すると、Bo WangはトロントSC大学の教授で、彼の研究室はChatGPT登場から約4か月後に単一細胞向けの初期の「基盤モデル」の一つ(scGPTと呼ばれる)を発表し、現代の「バーチャル細胞」という用語の定着にも寄与した人物である。この経歴を持つ人物が、制約はモデル設計ではなくデータにあると言うのであれば、耳を傾ける価値がある。

2人目の声、同じ診断: A-Alpha Bioと「ネガティブデータ」問題

Xairaの主張が自社の商売を語っているだけのように聞こえたとしても、今週は全く別の企業がほぼ同じことを述べた。A-Alpha Bioは、タンパク質設計の先駆者David Bakerのワシントン大学の研究室から2018年にスピンアウトした企業で、現在は35人体制、約5,000万ドルを調達しており、あるプラットフォームAlphaSeqを運用している。これは1回の実験で約100万件のタンパク質間相互作用を、すべて同一条件下で測定できるものである(The Bio Report、7月15日)。

CEOのDavid Youngerは、Xairaの主張とほぼぴったり重なる3つの論点を示し、その一致が興味深いものとなっている。

モデルはコモディティ化しつつあり、データこそが堀である。 彼の言葉を借りれば、企業は「まずオープンソースデータに注力し始め...すぐにボトルネックに突き当たる」、そしてモデルアーキテクチャを微調整することでさらに絞り出そうとするが、「モデルは基盤となるデータと同じ程度にしか優れない」。
有名な公開データベースは小さすぎて偏りがある。 Protein Data Bank(実験的に解明されたタンパク質構造の頼みの綱となるライブラリ)には、ある重要な抗体構造タイプの「1,000未満」しか含まれておらず、抗体-抗原構造全体でも約1万件にすぎない。しかも年間約1,000構造しか増えない。彼の言葉では、「10万構造に到達するのに100年も待ちたくはない」。A-Alphaなら数週間で数千件を生成できる。
最も見過ごされているギャップはネガティブデータだ。 公開データベースにはうまくいった相互作用が記録されている。しかしモデルを確実に訓練するには、「ネガティブデータを豊富に持つことも同じくらい重要だ」。すなわち失敗した組み合わせである。成功例しか見たことのないモデルは、失敗がどんなものかまるで分からない(The Bio Report、7月15日)。

Youngerはまた、今週全体を貫く業界の空気の変化を指摘した。最近まで、「公開されている湿式実験データに賢い機械学習の技を組み合わせれば十分だろう」という前提があったが、今では「コンセンサスは本当に変わった」。AIネイティブ企業はデータの壁に「突き当たり」、アーキテクチャの微調整では行き詰まったために彼のような企業に頼るようになっている。彼の顧客にはAmgen、Bristol Myers Squibb、Gilead(A-AlphaがGileadのためにより広く防御的なHIV抗体を設計した)が含まれる。

3人目の声がハードルを上げる: もしかするとまったく異なる種類のAIが必要かもしれない

この議論の最も挑発的なバージョンは、稀有な経歴を持つ計算化学者Woody Shermanからもたらされた。Schrödinger(SDGRで、我々が追跡している銘柄)に10年以上在籍し、Silicon Therapeuticsの創業者を務め、Roivantでプラットフォームを拡大する仕事を経て、現在は今日では注射でしか効かない標的を経口錠剤で狙うCytheraでサイエンス責任者を務めている(Data in Biotech、7月20日)。

Shermanの主張はこうだ。ChatGPTやClaudeを動かす大規模言語モデルは「コードや事務作業では驚くほど優秀」で、創薬業務の執筆・読解・コーディングの側面では確かに役立つが、「言語モデルがあまり強みを発揮できないのは分子を扱うことだ。そして創薬はすべて分子についてのものだ」。彼の見方では、言語モデルにもっとデータを詰め込んでもこれは解決しない。なぜなら分子は本当の意味で文章ではないからだ。彼が**「フィジカルAI」**、あるいは「ナノスケール世界モデル」と呼ぶ代替案は、分子をテキスト文字列や平面的な2Dスケッチとして表現する(標準的な近道)代わりに、物理が実際に見ているとおりに、電子軌道でできた三次元の量子力学的対象として表現するというものだ。Cytheraはまさにそれを行うCyformerと呼ばれるモデルを構築し、人間が選んだ近道ではなく、量子力学計算から学習させている(Data in Biotech、7月20日)。

なぜ物理計算を直接実行しないのか。それが恐ろしく遅いからだ。1分子の厳密な物理ベースシミュレーションは「GPU上で1分子あたり約1日かかる」ため、その方法では何百万も選別することはできない。フィジカルAIは物理への近道を学習し、物理レベルの精度の答えを高速に出すことを目指している。

これが単なる一人の異端者の意見ではないことを示す手がかりとして、ShermanはAnthropicが最近John Jumperを採用したと指摘した。AlphaFoldでノーベル賞を分け合ったDeepMindの科学者であり、Jumperは「本当に原子の人間だ...原子、分子、分子シミュレーションを理解している」と述べた。今週の他のすべてと合わせて読むと、あるパターンが浮かび上がる。最も深いAI人材を抱える企業は、分子と物理の問題から離れるのではなく、そちらへと向かっているということだ。(これはポッドキャスト内での発言であり、採用の詳細はここで独立に確認されたものではなく、Shermanによって報告された内容として扱うべきである。)

未来のラボはデータセンターのような姿をしており、すでに薬剤候補を生み出している

3人の声が、制約はデータにあるという点で一致するなら、当然次の疑問は、そのデータを生成する機械を誰が作るのかということだ。今週最も具体的な答えはLila Sciencesからもたらされた。同社の創業者は「AIサイエンス工場」を構築していると表現している(Latent Space、7月16日)。

彼らの枠組みは理解する価値がある。それが「自前でデータを生成する」という運動全体のビジネスロジックを説明しているからだ。今日のAIが優れたものになった理由は、彼らの主張によれば、膨大な計算力と膨大なデータの組み合わせであり、そのデータはインターネットから来たものだが、今やそれは使い尽くされている。(彼らは、インターネットがAIにとっての「化石燃料」であり、「我々にはインターネットが一つしかない」というよく知られたフレーズを引用する。)では、次のインターネット規模のデータセットはどこから来るのか。彼らの答えは、実際の実験を行い、自然そのものにAIの推測を採点させることだ。彼らの言葉では、「科学は...自然と実験を検証者として使うという、究極の版」であり、AIを数学とコーディングで優れたものにしたアプローチと同じである。なぜならどちらの場合も答えが検証できるからだ(Latent Space、7月16日)。

2つの詳細が、これを理論ではなく現実のものにしていた。

彼らのラボはコンピュータネットワークのように構築されている。各機器は「ノード」であり、ウェルプレートは文字どおり磁気軌道の上を浮遊してノード間を移動する。そのため、人間がベンチを配線し直すことなく、AIは一度も行ったことのない全く新しい実験を設計・実行できる。彼らは**10兆個の「科学的トークン」**からなる訓練データセットを構築した。これは生物学、化学、材料科学にわたる実験検証済みの推論トレースであり、科学全体で訓練された一つの汎用モデルが、単一分野に特化した狭いモデルを上回る傾向があることが分かった。
その証拠となるのが、Lilaの2〜3人からなるチームが、体内型のCAR-T(強力だが現在は1回の治療あたり約40万ドルと非常に高価ながん治療法)のバージョンに取り組み、サルの段階でこの治療効果が競合他社、すなわちAbbVieが約21億ドルで買収したCapstanの効果より「有意に優れている」というデータに到達したことだ。彼らが設計した遺伝子指令は、ModernaやPfizerの標準的な参照よりも約10倍強く発現した。そのオチはこうだ。「バイオテック業界の5年分の仕事を、6か月間で、総投資額の10%で」。Lilaは自ら臨床試験を実施することはない。同社は製薬会社ではなくモデル企業であるが、部外者がアイデアを持ち込み、Lilaのモデルとラボが科学を担うという「従業員ゼロのスタートアップ」モデルを模索している(Latent Space、7月16日)。

今実際にうまくいっていることの一巡

分野の地に足のついた展望として、循環器専門医のEric Topolは、ARC Instituteの共同創業者Patrick Hsuを招き、約束ではなく具体的な成果を紹介してもらった(Ground Truths、7月20日)。

5月に発表された2つのAI「共同科学者」システムが実際の成果を上げた。Googleのバージョンは白血病、肝線維症、抗微生物薬耐性の薬剤転用を提案し、あるNPOのシステム(Robinと呼ばれる)は加齢黄斑変性の治療法を提案した。
スタンフォード主導で新たに発表されたエージェントBiomniは、150の専用ツールと何千もの論文へのアクセスを備え、ある研究ワークフローを360時間から2時間未満に短縮し(約200倍の高速化)、14億件の心拍センサー計測データから6つのCOVIDバイオマーカーを検証し、胚性骨発達において新たな生物学的知見を見出した。
Hsuは限界についても率直だった。今日のモデルは今なお「値を幻覚する」し「間違ったものをプロットする」、専門家であればこうした結果が「まだ本当に自分の趣味関数を満たさない」と言うだろうとした。しかし彼は生物学の救いとなる長所、「グラウンドトゥルースが存在する」ことを強調した。AIのアイデアは常に実際の細胞、動物、患者で検証できるということだ。

彼はまた、これまでの号で紹介した資金の計算とも呼応する競争優位性について鋭い指摘をした。大手AI研究所は薬を開発する上で「最も低い資本コスト」を持っている。バイオテック企業が何年もキャッシュを流出させる一方で、Anthropicは「年間換算で約600億ドルの売上」に達しようとしており、これが膨大な「打席数」を賄っている。そして彼は速度の実際的な上限についても説明した。純粋にデジタルなループはほぼ瞬時で、試験管内実験は数時間から1日かかり、細胞ベースの実験は数日を要し、組織実験はさらに長い。「生物学的複雑さを上げるにつれてこれらのループの長さを圧縮していくことこそが、まさにゲームの本質だ」。この一文はおそらく今週全体のテーマを最も明快に言い表したものだろう。

論点

先週の分岐点となる問いは、真の価値のボトルネックはデータを生み出す湿式実験室(自動化ラボ・クラウドラボ、前臨床データ生成)なのか、それともAIモデルなのか、というものだった。今週その答えは声高になり、ほぼ全会一致となった。そしてさらに具体化し、有用な反論も出てきた。

コンセンサス(3つの独立した声): もはやモデルはボトルネックではない。データがそうなのだ。

Xaira: 細胞に介入して生成される因果データが必要だ。スナップショットは因果関係を教えられないからだ(Latent Space、7月21日)。
A-Alpha Bio: ネガティブデータと相互運用可能なデータ(毎回同じ方法で測定される)が必要であり、それは公開データベースに欠けている(The Bio Report、7月15日)。
CytheraのWoody Sherman: ハードルをさらに上げ、そもそも言語型AIは分子にとって誤った形なのかもしれず、物理ベースの「フィジカルAI」が必要だと述べる(Data in Biotech、7月20日)。

このコンセンサス内部の分裂に注目してほしい。3人のうち2人(Xaira、A-Alpha)は解決策がより多く、より良いデータだと言い、3人目(Sherman)は解決策が問題をコンピュータに表現するより良い方法だと言う。両方とも真実でありうるし、それぞれ異なる勝者を指し示している。データ工場企業対物理モデル企業だ。

反論、健全な「そう急ぐな」という声: Digital Pathology Podcastで、構造生物学者Thibault Geouiは、なぜAIがいまだに創薬を「革命化」していないのかを説明した。これはここ数週間で聞いた中で最も有用な懐疑的な声である(Digital Pathology Podcast、7月22日)。

見出しとなる事実: 真にAI設計され承認・販売された医薬品はいまだに存在しない。よく引き合いに出される「1つか2つ」の例は、詳しく見ると転用された古い薬であることが分かる。AIは既存薬の新しい用途を見つける手助けをしたが、それはAIが薬を設計することとは違う、と彼は主張する。彼自身の本当の「AI開発薬」の定義は、疾患生物学の発見、標的の選定、分子の設計、安全性の予測といった連鎖全体でAIが有意な価値を加えたものである。
AlphaFoldに対する見方: 彼はそれを真に変革的なものだと評価した。彼自身は博士課程で1つのタンパク質構造を解くのに4年かかったが、AlphaFoldは数分でそれをこなす。世界は50年かけて実験的に解明された約17万構造から、AlphaFold登場以降2億から3億構造へと増加した。しかし「それは創薬を解決したわけではない。なぜなら創薬は構造を持っているだけの話ではないからだ」。構造は重要なパズルの1ピースであり、パズルそのものではない。
問題の圧倒的な規模: 薬になりうる低分子は約10の60乗種類存在する。この数字を実感するために言えば、地球上のすべての砂粒でも10の25乗にすぎず、宇宙のすべての原子でも10の80乗にすぎない。それらをすべて作ることも、計算することさえもできない。ゲームとは、実際に合成する次のひと握りを選ぶことにある。
自動化を支持する巧妙な論拠: 彼は生物学における長年の恥ずべき事実を指摘した。有名なAmgenのレビューでは、画期的とされたがん実験の約60%が再現できなかったことが分かり、その後の調査でも同様の結果が見つかった。反復的な「最適化」タスク(細胞株を育てる最良のレシピを見つけるようなもの)については、実は人間が手を出さない方がよいと彼は主張した。機械の方がより体系的かつ一貫して可能性をサンプリングできるからだ。しかし真に自由な発見については、「人間の関与が今も非常に重要だ」。彼はInsilico Medicineを傑出した「テックバイオ」の好例として称賛した。デジタルファーストで構築され、再利用可能なデータを生み出すよう設計された企業だが、彼らでさえまだ承認済みのAI設計薬を市場に出していないと指摘した。

今週の分岐点となる問い: もし今や誰もが、制約は専有的で目的に合わせて構築されたデータにあると同意するなら、持続的な価値は最も賢いモデルを持つ者ではなく、データ工場を所有する者、すなわちXaira、A-Alpha Bio、Lila Sciencesといった存在に蓄積されるかもしれない。しかし逆のシナリオにも注意が必要だ。物理ベースの「フィジカルAI」(Cythera、そして今やAnthropic-with-Jumperの可能性もある)が第一原理からより少ないデータで薬効レベルの予測を絞り出せるなら、堀はデータ量からモデリングの洞察へと再び移る。真のボトルネックはラボなのか、物理なのか、どちらだろうか。

注目銘柄

2026年7月23日時点の株価(FactSet)。今週これらの値動きを動かしたAI特有のニュースはなかった。

Recursion Pharmaceuticals(RXRX): 3.01ドル、先週の3.02ドルからほぼ横ばい(約-0.3%)。52週安値2.77ドル(レンジ2.77〜7.18ドル)付近にとどまり、時価総額は約13億ドル。今週のウィンドウ内でテーマに沿ったポッドキャスト報道もニュースもなく、AI創薬全般の会話が上場AIファースト銘柄を巡って行われる一方で、株はレンジの下限付近を漂っている。
Schrödinger(SDGR): 15.13ドル、先週の15.60ドルから約3%下落(レンジ10.95〜23.02ドル、時価総額約11億ドル)。SDGR固有のニュースはなかったが、間接的に会話には登場していた。Schrödingerに10年以上在籍したCytheraのWoody Shermanが今週、分子に焦点を当てた「フィジカルAI」、つまりSchrödingerの本拠地である物理ベースシミュレーションこそが実際に重要なアプローチだと主張していたのだ(Data in Biotech、7月20日)。
Eli Lilly(LLY): 1,185.77ドル、先週の1,170.23ドルから約1.3%上昇し、当日だけでも2%近く上昇した(レンジ623.78〜1,249.45ドル、時価総額約1兆1,200億ドル)。この値動きは完全に肥満治療分野によるもので、AIとは無関係だった。7月23日、Lillyは3種のホルモンを標的とする薬レタトルチドが2つの第3相試験(TRIUMPH-2とTRIUMPH-3)で主要目標を達成したと発表し、80週時点で参加者は平均で最大22.5kg(2型糖尿病)、最大25.3kg(心疾患を伴う重度肥満)減量した。Lillyは2027年第1四半期に米国での承認申請を計画している(TheFly、7月23日)。今週のその他のLilly関連ニュースも同様にAIとは無関係だった。Novo NordiskはZepbound/Mounjaroの誤解を招く広告を巡ってLillyを提訴し、アナリストはLillyによる約78億ドルのCentessa買収とAtaiBeckleyとのサイケデリック契約をこれらのカテゴリーを裏付けるものとして指摘し、輸入ジェネリック医薬品に対する100%の米国関税案(2028年開始)が製薬セクター全体を直撃した。

投資への示唆

「データ工場を所有する」というトレード。 今週のポッドキャストで最も有力な投資アイデアは、上場銘柄ではなくカテゴリーそのものだ。Xaira、A-Alpha Bio、Lila Sciencesが正しく、専有的で目的に合わせて構築されたラボデータこそが希少資源だとすれば、価値は生物学的データを大規模に製造する企業(自動化ラボ、ハイスループットスクリーニング、データ・アズ・ア・サービス)へと移っていく。これらの多くは現在非公開企業だが(Xaira、A-Alpha、Lila)、上場銘柄への示唆としては、どの上場企業が本物のデータ生成エンジンを持ち、どの企業が他の誰もが使える公開データを借りているだけなのかを見極めることになる(Latent Space、7月21日、The Bio Report、7月15日)。
未公開市場のマネーが引き続きこのテーマを裏付けている。 ニュースウィンドウ内では、AIタンパク質スタートアップのChai DiscoveryとAIチップ企業のEtchedがそれぞれ「数億ドル」を調達し、評価額を数十億ドル規模に押し上げた。TheFlyは両社を各分野の上場リーダー企業と明示的に比較した(TheFly、7月23日)。Chai Discoveryは科学面でも今週話題に上り、抗体設計モデルを製薬会社に販売する企業の一つとして挙げられた(Ground Truths、7月20日)。未公開資本は「データを生成する/分子を設計する」層に引き続き積極的な資金を投じている。
臨床試験の機械(CRO)は「AIが創薬コストを引き下げる」というテーマを上場市場で狙う手段だ。 臨床研究業界の声は、製薬会社が試験の実施を委託する契約研究機関にとって最悪の時期は過ぎ去りつつあり、AIは雇用を奪うものではなく「マージンの武器であり速度の武器」だと主張した。彼は2025年の収益163億ドル、受注残320億ドルのIQVIA、および82.5億ドルで受注残30億ドルのICONを引き合いに出し、Medpaceは公にAIを控えめに扱いながらも効率を高めていると指摘し、FDAの2025年AIガイダンス草案(人間をループに含めることを求める)が事実上、業界がこれらのツールを導入するためのゴーサインになっていると述べた(Random Musings From The Clinical Trials Guru、7月20日)。これは、製薬業界の真のボトルネックは発見ではなく臨床開発にあるという過去数週間のテーゼにつながるものであり、AIが試験コストを圧縮する場合、IQVIA、ICON、Medpaceが最も直接的にその恩恵を受ける上場銘柄である。
大手AI研究所の資本コスト優位性は現実であり、価格に織り込む価値がある。 Anthropicが約600億ドルの売上換算から創薬の「打席数」を膨大に自己資金でまかなえる一方で、バイオテック企業は何年もキャッシュを流出させ続けるという観察は、AI大手企業(Anthropic、Google/Isomorphic、OpenAI)が長期的に従来型の創薬企業を凌駕しうる理由についての構造的な論拠となる(Ground Truths、7月20日)。AnthropicによるJohn Jumper採用の報道は、同じ方向を示す小さいながらも示唆に富むデータポイントである(Data in Biotech、7月20日)。

先週からの変化

先週の分岐点となる問いはほぼ答えが出た。 我々は、湿式実験室のスループットのボトルネックが自動化ラボと前臨床データ生成を真の価値のボトルネックにするのかどうかを問うた。今週、Xaira、A-Alpha Bio、Cytheraという3つの独立した声が、そうだ、制約はデータ(あるいは分子の表現方法)であり、モデルではないと答えた。議論は今やそのコンセンサスの内部に移り、どのような種類のデータ(因果的?ネガティブ?相互運用可能?)なのか、そして異なる種類のAI(物理ベース)がデータ問題をそもそも回避できるのか、という点をめぐるものになっている。
「AIラボが製薬会社になる」という流れが、具体的な数字とともに前進した。 数週間にわたり、我々は「AIツールを売る」から「AIを使って自社の薬を作る」への移行(Anthropic、Formation Bio)を追ってきた。Lila Sciencesはその約束に具体的な数字を与えた。サル段階のがん治療データを6か月で、通常コストの約10%で、2〜3人で達成し、その上に「バーチャルスタートアップ」というビジネスモデルを構築するというものだ(Latent Space、7月16日)。
今週新たに登場: 信頼できる懐疑論者。 誇大宣伝の強い週が続いた後、我々はついに厳密な現実確認を得た。真にAI設計された医薬品はまだ承認されていない。AlphaFoldは構造を与えてくれたが治療法は与えていない。そして「AI医薬品が市場に出ている」という主張は精査に耐えない(Digital Pathology Podcast、7月22日)。
会話に新たに登場した名前: Xaira。これまでウォッチリストには載っていたが、実質を伴って浮上したのは今回が初めてだ。同様に新たにレーダーに入ったのは、データ工場/フィジカルAIのテーゼを体現する非公開企業としてのA-Alpha Bio、Lila Sciences、Cytheraである。
注視すべき人事: AnthropicによるAlphaFoldのJohn Jumper採用の報道は、確認されれば、卓越した分子AI人材がどこへ向かっているかについての重要なシグナルとなる。
株価: RXRXは横ばいで年初来安値付近を維持、SDGRはさらに約3%下落、LLYはAIとは無関係の肥満治験データ(レタトルチド)を受けて上昇した。上場している「ピュアプレイ」のAI創薬銘柄(RXRX、SDGR)は、最も刺激的な進展が非公開企業や大手AI研究所で起きる一方で、引き続き出遅れている。
今週もポッドキャスト面で静かなままの銘柄: Recursion(RXRX)、Ginkgo(DNA)、Tempus(TEM)、AbCellera(ABCL)、Certara(CERT)、Absci(ABSI)、Relay(RLAY)、Isomorphic Labs、Iambic、そしてNvidiaのヘルスケアプラットフォーム(Clara/BioNeMo)は、いずれもテーマに沿った報道が見られなかった。