Claudeが創薬研究で成果、CAR-Tの配列を70%短縮・製造記録の確認時間を89%削減

新薬の開発には、一般に10年以上の歳月と十数億ドルの費用がかかる。その過程では、創薬標的の探索から分子設計、試験管内での結合試験、動物実験、製造記録の監査、長期にわたる臨床試験まで、数多くの作業が積み重ねられる。AIによる創薬支援というと、タンパク質の立体構造予測や新しい分子の生成が注目されやすい。しかし、医薬品開発を遅らせる要因は分子設計だけにあるわけではなく、実験データの処理や品質管理、研究機関同士の調整など、開発工程のさまざまな場所に存在している。

Anthropicが2026年10月27日に公表した一連の研究成果は、同社のAIモデル「Claude」を、こうした幅広い創薬業務に活用した事例をまとめたものだ。共同研究にはBigHat Biosciences、Bristol Myers Squibb（BMS）、Divergence Labs、Enveda、Generate Biomedicines、The Column Group（TCG）の6組織が参加している。さらに、Anthropicが買収したMithril Medicineによる筋ジストロフィー治療薬の開発プログラムも含まれる。Claudeは分子設計だけでなく、実験データの再解析、規制文書の作成支援、外部研究機関との業務調整など、多様な工程に導入された。

発表された成果には、CAR-T細胞のシグナル伝達ドメインの配列長を約70%短縮、抗体の結合親和性を10倍以上に改善、製造記録の確認作業を89%短縮といった数字が並ぶ。ただし、これらは研究対象も評価指標も異なる成果であり、同じ尺度で比較できるものではない。また、公開された資料は査読済みの学術論文ではなく、各社がまとめた技術報告書やプレプリントが中心となっている。研究の大半も、試験管内（in vitro）での評価や初期の動物実験といった前臨床段階にある。AIは創薬のどの工程を効率化し、どのような課題が残されているのか。各プログラムの実験結果と、その解釈に必要な注意点を詳しく見ていく。

{
  "type": "bar",
  "title": "創薬支援プログラムにおける主要な定量的改善",
  "unit": "倍率または短縮率（%）",
  "categories": [
    "CAR受容体の細胞表面発現量（倍）",
    "抗体バリアントの結合親和性（倍）",
    "CARシグナル伝達ドメインの短縮率（%）",
    "製造記録レビューの所要時間短縮率（%）"
  ],
  "series": [
    {
      "name": "達成された改善水準",
      "values": [10, 10, 70, 89]
    }
  ],
  "caption": "各社技術報告書に基づく実験室および業務改善の実測値",
  "source": "Anthropicおよび提携各社の公開技術報告書（2026年10月）"
}

グラフに示したように、改善が報告された指標は、細胞表面での受容体発現量や分子の結合親和性から、製造記録の確認に要する時間まで多岐にわたる。なお、倍率と短縮率が混在しているため、棒の長さをそのまま成果の大小として比較することはできない。これらはいずれもAIモデル単独の成果ではなく、既存の実験設備や解析ツール、人間の研究者による判断を組み合わせて得られた結果である。

CAR-T受容体を小型化、シグナル伝達ドメインの配列を70%短縮

キメラ抗原受容体T細胞（CAR-T）療法は、一般に患者から採取したT細胞を遺伝子改変し、がん細胞を攻撃できるようにして体内へ戻す免疫療法だ。白血病や悪性リンパ腫などの血液がんでは高い治療効果を上げている一方、固形がんへの適用や製造コストの削減には課題が残っている。特に固形がんでは、複数のがん抗原を認識する機能や、腫瘍内部の免疫抑制的な環境からT細胞を守る機能を付加することが求められる。そのためには追加の遺伝情報を細胞へ送り届ける必要があるが、遺伝情報の運搬手段には容量上の制約がある。

Generate Biomedicinesが着目したのは、CARの細胞内シグナル伝達ドメインの小型化である。このドメインは、細胞表面の受容体ががん抗原を認識した際、その情報をT細胞内部に伝えて攻撃反応を引き起こす役割を担う。CAR-T細胞への遺伝情報の導入にはウイルスベクターなどが使われ、mRNAを封入した脂質ナノ粒子（LNP）も送達技術として研究されているが、いずれも運搬できる核酸の大きさに制約がある。既存のシグナル伝達ドメインを小さくできれば、その分だけ別の機能を追加するための余地が生まれる。

同社の研究チームは、タンパク質の機能を維持しながらアミノ酸配列を短縮する方法を検討した。ソフトウェアの機能を変えずにコードを整理する「リファクタリング」に近い発想だが、タンパク質の場合は、どの部分を削っても機能が失われないかを事前に判断することが難しい。特に細胞内のシグナル伝達ドメインには、一定の立体構造を持たない天然変性領域が含まれ、その働きも完全には解明されていない。そこで科学者6人がClaude Codeなどを利用したAIエージェントシステムを構築し、先行研究や実験データ、研究者の仮説を基に、残すべき領域と削除可能な領域を検討させた。

研究チームはAIが提案した設計から186種類の候補配列を選び、ヒトT細胞に導入して試験管内で評価した。その結果、最も優れた候補では、既存の承認済みCAR-T製品で広く使われている標準的なシグナル伝達ドメインと比べて、アミノ酸配列の長さを約70%短縮できたという。ただし、比較元の標準配列と短縮後の配列について、具体的なアミノ酸残基数は確認できた公開資料には示されていない。さらに、この短縮型ドメインを組み込んだT細胞では、細胞表面に発現するCAR受容体の量が標準型の約10倍に増加したと報告された。こちらも受容体の絶対数や平均蛍光強度の実測値は公開されておらず、比較結果は倍率で示されている。

試験管内では、短縮型ドメインを持つT細胞の腫瘍細胞に対する殺傷効率が向上し、免疫反応を促すシグナル因子の放出量も増加した。また、標的抗原が存在しない状態で受容体が自律的に活性化する「トニックシグナリング」が抑制され、T細胞の消耗を軽減する傾向も確認された。研究チームは、細胞表面の受容体発現量が増えたことが機能改善に寄与した可能性を指摘しているが、これは試験管内での観察に基づく解釈である。固形がんには免疫細胞の侵入を妨げる物理的な障壁や、免疫反応を抑制する腫瘍微小環境が存在するため、培養細胞での性能向上がそのまま治療効果につながるとは限らない。実用化に向けては、次の段階となる疾患モデルマウスなどを用いた動物実験で、抗腫瘍効果や安全性、効果の持続性を評価する必要がある。

受容体に結合したIgEを引き離す、新たな食物アレルギー治療薬の探索

米国では約3,300万人が食物アレルギーを抱えているとされ、重症例では生命に関わるアナフィラキシーを起こす危険性がある。2024年には、抗体医薬オマリズマブ（商品名ゾレア）の複数の食物アレルギーに対する適応が承認された。この薬はアレルギー反応に関与する免疫グロブリンE（IgE）に結合し、主に血液中に存在する遊離型IgEが免疫細胞の受容体へ結合するのを阻害する。しかし、すでに肥満細胞などの表面にある高親和性IgE受容体（FcεRI）と結合したIgEを、通常の投与濃度で引き離すことは難しい。

アレルギー反応は、細胞表面のIgEに原因物質であるアレルゲンが結合し、IgEと受容体の複合体が架橋されることで引き起こされる。このため、既存薬でIgEの働きを抑えていても、誤食による重篤な反応の危険性が完全になくなるわけではない。ピーナッツなどの微量摂取でも強い反応を起こす患者では、引き続きアレルゲンの回避や、緊急時に備えたアドレナリン自己注射薬（エピペン）の携帯が重要となる。

Divergence Labsは、遊離型IgEを捕捉するだけでなく、受容体に結合済みのIgEを直接引き離す新しい抗体の開発を目指した。そこで採用したのが、異なる機能を持つ2本の腕を組み合わせる非対称な抗体設計である。一方の「アンカー腕」でIgEを強く捕捉し、もう一方の「ディスラプター腕」でIgEと受容体の結合界面に作用して、両者を解離させる仕組みを狙っている。既存薬では取り除くことが難しい、細胞表面に結合したIgEを標的とする点が特徴だ。

ただし、この設計には重大な安全上の課題がある。通常の抗体は2つの抗原結合部位を持つため、設計によっては細胞表面のIgE同士を架橋してしまう可能性がある。その場合、アレルギー反応を抑えるはずの薬剤が、逆に免疫細胞を活性化させる危険性がある。IgEを確実に捕捉しながら、意図しない受容体の架橋を避ける必要があり、2本の腕それぞれに求められる性質を精密に制御しなければならない。

この課題に対し、Claudeは文献の解析、候補構造の選別、抗体配列の設計を支援した。ディスラプター腕については先行研究で得られた配列を改良し、アンカー腕は新たな配列を一から設計した。計22回の自律的な探索セッションを実施し、NVIDIA H100 GPUを用いた計算時間は約2,750時間、生成された抗体配列は約35,000種類に達したという。その後、構造予測モデルを使って候補を絞り込み、各腕について数十種類を実験室で合成・測定した。

分子間の結合や解離を光学的に測定するバイオレイヤー干渉法（BLI）による評価では、ディスラプター腕の候補91種類のうち20種類が、受容体に結合したIgEを1〜2分以内に有意に解離させた。そのうち上位3種類は、試験管内の測定条件においてオマリズマブを上回る解離作用を示した。また、アンカー腕の候補57種類からは、既存の抗体医薬に匹敵する解離定数（\(K_{\mathrm{D}}\)）を持ち、IgEに強く結合する3種類が見つかった。

Divergence Labsによると、従来の手法では最大9カ月を要すると見込まれていた探索を、約1カ月で完了できたという。ただし、今回得られた分子は創薬初期の「ヒット」と呼ばれる候補にすぎない。アンカー腕とディスラプター腕はそれぞれ別個に評価された段階であり、2つを組み合わせた完全な抗体が意図した解離作用を示すかどうかは、まだ検証されていない。特に重要なのは、細胞表面のIgEを誤って架橋し、アレルギー反応を誘発しないことの確認だ。分子間の結合試験で優れた結果を示しても、それだけで生体内のアレルギー反応を安全に抑制できるとは判断できない。

AIが常に効率的な探索を進めたわけではないことも報告されている。特定のループ構造を設計する過程では、実験結果からすでに明確な結論が得られていたにもかかわらず、Claudeが条件をわずかに変えただけの計算を5回連続で提案したという。このような探索の行き詰まりを見極め、別の戦略へ切り替えるには、人間の研究者による判断が必要だった。AIによる候補生成の高速化と、研究全体を適切な方向へ進める能力は、必ずしも同じではない。

抗体の結合力を高めるだけでなく、実験データの誤りも発見

創薬では、標的に結合する分子を見つけた後、医薬品として必要な性質を改善する「リード最適化」が行われる。候補分子には、標的へ強く結合する高い親和性だけでなく、温度変化に対する安定性や、溶液中で凝集・沈殿しにくい性質も求められる。しかし、こうした性質は互いに影響し合うため、一つを改善すると別の性能が悪化することがある。例えば、標的への結合力を高めるためにアミノ酸配列を変更した結果、タンパク質の立体構造が不安定になり、熱に弱くなったり凝集しやすくなったりする場合がある。

BigHat BiosciencesとAnthropicの研究チームは、こうした複数の性質を同時に改善するため、BigHatが開発した自動化実験システム「Reccy」とClaudeを連携させた。対象となったのは、血液中での滞留時間を延ばすために利用される抗アルブミンVHH（単一ドメイン抗体）と、固形がん細胞の表面に多く発現するメソセリンを標的とする一本鎖抗体（scFv）の2種類である。同社は無細胞タンパク質合成系を利用することで、通常は数週間かかる抗体の発現工程を数日に短縮した。さらに、週176種類の抗体バリアントを自動合成し、それぞれの物理化学的な性質を測定できる体制を構築した。

研究は約10週間にわたり、計7ラウンドの実験と最適化を繰り返した。この間に評価した固有の抗体バリアントは1,010種類、測定サンプル数は延べ1,232件に達した。最終的に選ばれた、複数の性能をバランスよく改善したバリアントでは、出発点となった分子と比較して結合親和性が6〜9倍向上し、熱安定性の指標も8〜18℃改善したという。ただし、比較対象となる分子と改変後の分子について、解離定数（\(K_{\mathrm{D}}\)）の絶対値は確認できた公開資料には記載されていない。また、一部のバリアントでは結合親和性が10倍以上向上し、別のバリアントでは熱安定性が20℃以上改善した例もあったが、これらの最大値が一つの候補分子で同時に達成されたわけではない。

今回の主要な創薬プログラムについて、評価対象と成果、今後必要な検証を整理すると次のようになる。

※注1：配列長と受容体発現量について、比較元と比較先の絶対値は確認できた公開資料には示されていない。※注2：結合親和性の比較に用いた解離定数の絶対値も、確認できた公開資料には記載されていない。

BigHatの研究で特に注目されるのは、Claudeが抗体の配列設計を支援しただけでなく、実験データの解釈に関する問題の発見にも関わったことだ。最適化を進める中で、熱安定性と凝集性を測定する装置の結果に大きなばらつきが生じ、品質管理システムによって多くの測定データが信頼性不足として除外されていた。当初は測定条件や試料の品質に問題がある可能性も考えられたが、研究チームが装置の生データを詳しく調べたところ、従来の自動解析ソフトウェアが算出していた指標そのものに問題があることが分かった。

問題となったのは、タンパク質の「変性温度（\(T_{\mathrm{m}}\)）」の解釈である。研究チームは、温度上昇に伴う蛍光シグナルや光散乱の変化を記録した生データを再解析した。その結果、一部の抗体バリアントでは、タンパク質が完全に熱変性する前に凝集が始まり、溶液中から沈殿していたことが明らかになった。従来のソフトウェアが変性温度として扱っていた値は、実際には沈殿によって光散乱が急激に変化した温度を反映していた可能性がある。特にVHHでは、約40℃という比較的低い温度から凝集が始まり、測定結果を大きく歪めていた。

タンパク質の変性と凝集を取り違えると、分子を改善するための設計方針も変わってしまう。タンパク質そのものが熱で変性しやすいのであれば、内部の疎水性コアなどを安定化させることが有効な場合がある。一方、分子同士が凝集しやすいのであれば、表面のアミノ酸残基を調整するなど、別の対策が必要になる。Claudeは生データとシミュレーションモデルを照合し、凝集を単純な温度の閾値として扱うのではなく、時間とともに進行する反応速度の問題として解析する方法を提案した。

研究チームはこの仮説を検証するため、試料の濃度と昇温速度を変えた追加実験を行った。真の変性温度であれば、昇温速度を変えても測定値は比較的安定する一方、時間に依存して進む凝集現象であれば、試料が各温度にさらされる時間や濃度によって見かけの崩壊温度が変化すると予測される。実際の測定では、scFvの崩壊温度が条件に応じて2〜5℃変化し、凝集が従来の測定指標に影響していたという解釈を支持する結果が得られた。これを受けて研究チームは解析方法を修正し、より適切な指標を使って候補分子の選別を再開した。

この事例が重要なのは、AIが新しい分子を提案するだけでなく、既存の実験データを再検討し、測定結果の解釈を改善する作業にも使われた点だ。ただし、ここで確認されたのは、抗体の結合親和性や物理化学的な安定性の改善である。候補分子が生体内で適切な薬物動態（PK）を示すか、免疫系によって異物として認識されないかという免疫原性の問題や、商業規模の製造設備で安定して大量生産できるかどうかは、今後の検証が必要となる。

1,061ページの製造記録を監査、確認時間を89%短縮

創薬の効率化では、分子の探索や実験だけでなく、製造や規制対応に伴う膨大な文書作業も重要な課題となる。医薬品の製造では、適正製造規範（GMP）に従い、原材料や製造条件、品質試験の結果などを詳細に記録しなければならない。設備の設定温度、原材料のロット番号、混合時間、製品の純度試験など、製造工程のあらゆる情報が記録の対象となる。そのため、1回の製造単位であるバッチの記録が、数百ページから1,000ページ規模に達することもある。

植物などの天然物から創薬候補を探索するEnvedaでは、製造担当の化学者が業務時間の最大75%を書類の確認に費やしていたという。受託開発製造機関（CDMO）から受け取った500ページの製造バッチ記録を精査するだけで、熟練の担当者が約10時間を要する場合もあった。こうした確認作業は製品の品質と安全性を確保するために欠かせない一方、研究開発や製造計画の進行を遅らせる要因にもなっている。

Envedaはこの問題に対処するため、Claudeを組み込んだ文書処理システム「CMC Document Processor（CDP）」を開発した。性能検証には、治験第2相に向けた実際の製造キャンペーンで作成された4ロット分、計1,061ページの記録を使用した。これらの記録は、その後、米国食品医薬品局（FDA）に提出されたものである。システムの検査結果は、社内の査閲者2組と外部コンサルタント2人による手動レビューの結果と比較された。さらに品質保証部門が、規制当局の査察官による指摘の対象になりうるかという観点から、検出された問題の妥当性を評価した。

複数回の検証を通じて、CDPは人間の専門家が特定した11件の要対応項目をすべて検出した。指摘事項には、製造工程が規定時間を超過していた例や、試験結果が不合格と記載されているにもかかわらず、測定値の欄が空白になっていた例などが含まれる。さらに、処理時間を厳密に計測した別の検証試行では、人間による確認で見落とされていた軽微な問題を7件追加で発見したという。これらは特定の文書と評価条件に基づく結果であり、あらゆる製造記録で同等の検出性能が得られることまで確認したものではない。

作業時間についても大幅な短縮が報告されている。従来の手動レビューでは約26時間かかっていた作業が、CDPによる解析と、その結果に対する人間の確認を合わせても3時間未満で完了し、所要時間は89%削減された。また、別の規制申請文書では、手作業で約3カ月を要していた初稿の作成が、約4時間で完了した事例もある。AIを使って文書の内容を抽出・照合することで、専門家が確認すべき問題を効率的に絞り込めたことが、時間短縮につながったと考えられる。

ただし、この成果は人間による確認を不要にしたことを意味しない。実際、AIが生成した規制文書の初稿を人間が確認した際には、単位の換算ミスが1件見つかっている。また、CDPは閲覧専用の保護された環境で動作し、正式な製造記録を書き換える権限を持たない設計となっている。製造したバッチを出荷するかどうかの最終判断も、引き続き品質保証部門の責任者が担う。今回報告された89%という時間短縮率は、1,061ページの特定の文書セットを使った検証結果であり、GMPに基づくすべての監査業務で同じ効果が得られるとは限らない。

創業者1人で創薬を推進、18カ月未満でマウス実験へ

AIを活用した創薬の効率化は、分子の設計や文書の処理だけにとどまらない。外部研究機関との契約や実験の発注、試料の輸送、結果の解析といった業務を効率化することも、開発期間を短縮する方法の一つとなる。Anthropicが買収したMithril Medicineは、そのような取り組みを進めてきたバイオテクノロジー企業だ。同社はCody Tranbargerが単独で設立し、小児に発症する2種類の希少な筋ジストロフィーに対する治療薬の開発に取り組んでいる。

通常、創薬企業が複数の外部研究機関を利用する場合、秘密保持契約の締結から試料の受け渡し、化合物の合成、細胞試験、動物実験の進捗管理まで、数多くの調整業務が発生する。これらを円滑に進めるには、法務や事業開発、研究管理を担当する人員が必要になる。TranbargerはClaudeを使って契約書の作成や11の外部研究所との試料輸送・業務調整、実験結果の解析などを進めた。その結果、開発構想の立ち上げから18カ月未満で、疾患モデルマウスにおける筋機能の改善を示すデータを取得したという。

Anthropicはこの成果を踏まえ、開発が順調に進めば2028年後半にもヒトを対象とする初期臨床試験を開始できる可能性があるとしている。ただし、18カ月という開発期間は、AIによる事務作業の効率化だけで達成されたものではない。研究者の判断や外部研究機関の実験能力、生物学的な探索の進展など、複数の要因が組み合わさった結果である。Claudeの導入によって具体的に何カ月短縮できたのかを判断するには、同等の条件で開発を進めた比較対象が必要になるが、そのようなデータは示されていない。

また、疾患モデルマウスで筋機能の改善が確認されたとしても、ヒトの患者に同じ効果が得られるとは限らない。動物モデルと人間では病態や薬剤への反応が異なり、動物実験で有望だった候補物質が臨床試験で十分な効果を示さないことも多い。今回の報告についても、治療したマウスの筋機能が健常なマウスにどの程度近づいたのか、生存期間に影響したのかといった詳細なデータを慎重に評価する必要がある。2028年後半の治験開始という見通しも、今後の前臨床安全性試験や毒性評価、製造体制の整備などが計画通りに進むことを前提としている。

創薬の効率化は進むが、臨床試験という壁は残る

今回Anthropicが発表した研究成果は、AIが創薬の幅広い工程で具体的な作業を支援できることを示している。分子の候補生成だけでなく、実験結果の解析、測定方法の改善、製造記録の確認、外部研究機関との調整など、従来は人間が多くの時間を費やしてきた業務でも成果が報告された。ただし、それによって医薬品開発の成功率が大幅に向上したり、開発期間全体が短縮されたりすることまで証明されたわけではない。

製薬大手Bristol Myers Squibb（BMS）との取り組みでは、初期臨床試験の計画策定や成功確率の試算にClaudeが使われた。従来は数日かかっていた初期分析を、プロンプトによる指示を通じて短時間で進められたと報告されている。しかし、AIの分析結果を利用することで臨床試験の成功確率が実際に高まったのか、医薬品の開発期間全体がどの程度短くなったのかについては、対照比較データが示されていない。また、The Column Group（TCG）が設立した新会社Pleiadesでも、創薬標的と疾患の組み合わせを評価するAIスキルの検証が始まっているが、評価した45組の組み合わせが実際の医薬品開発成果につながるかどうかは、今後の研究に委ねられている。

成果を評価するうえでは、Anthropicと各研究組織の関係にも留意する必要がある。同社はGenerate BiomedicinesとDivergence Labsに対してモデルの利用クレジットやエンジニアリング支援を提供し、Divergence Labsの計算費用の一部も負担した。また、BigHat Biosciencesには実験費用を支払い、Mithril Medicineについては企業そのものを買収している。こうした支援や資本関係は、報告された実験結果が不正確であることを意味しない。しかし、研究成果の評価に当たっては、開発当事者の報告だけでなく、独立した第三者による再現実験や検証が重要となる。

今回の成果には、CAR受容体の発現量を約10倍に高めた例や、特定の抗体バリアントで結合親和性を10倍以上改善した例、製造記録の監査時間を89%削減した例などがある。しかし、これらはそれぞれ異なる実験条件や業務環境で測定された、個別の工程における改善だ。特に抗体や細胞療法については、試験管内で優れた性能を示したとしても、生体内での予期しない毒性や標的以外への作用（オフターゲット作用）、患者ごとの薬効の違いといった問題が残る。臨床試験では長期的な安全性や有効性も確認しなければならず、分子設計や実験準備が高速化しても、こうした検証に必要な時間をそのまま削減できるわけではない。

その一方で、AIが創薬の初期工程で生じる無駄や手戻りを減らせる可能性は、今回の研究から具体的に見えてきた。特にBigHatの事例では、単に候補分子を生成するだけでなく、測定データの解釈に問題を見つけ、追加実験によって検証するという科学研究の重要な工程にClaudeが関わっている。ただし、現時点で示された成果の多くは前臨床段階にあり、医薬品としての有効性や安全性が確認されたわけではない。

今後の焦点は、こうした候補分子が動物実験で有効性と安全性を示し、さらに適切に設計された臨床試験でも患者に明確な利益をもたらせるかどうかだ。生存期間の延長や生活の質の改善といった臨床的な成果につながって初めて、AIによる創薬支援の価値を医療の観点から評価できる。今回の発表は、AIが創薬の実務を変え始めていることを示す一方、その成果が実際の治療薬として患者に届くまでには、なお長期間の検証が必要であることも浮き彫りにしている。