科学者が10年かけてたどり着いた研究結果にGoogleの科学者向けAIアシスタントがわずか2日で到達

Googleは2025年2月、Gemini 2.0をベースとして科学研究に特化したAIアシスタント「AI co-scientist」を発表しました。生物学や医学分野のプレプリントサーバーであるbioRxivで発表された論文では、科学者らが10年間かけてたどり着いた細菌の薬剤耐性に関する問題の答えに、AI co-scientistがわずか2日で到達したと報告されています。

AI mirrors experimental science to uncover a novel mechanism of gene transfer crucial to bacterial evolution | bioRxiv
https://www.biorxiv.org/content/10.1101/2025.02.19.639094v1.full

Google’s AI co-scientist could enhance research, say Imperial researchers | Imperial News | Imperial College London
https://www.imperial.ac.uk/news/261293/googles-ai-co-scientist-could-enhance-research/

Google's AI 'co-scientist' cracked 10-year superbug problem in just 2 days | Live Science
https://www.livescience.com/technology/artificial-intelligence/googles-ai-co-scientist-cracked-10-year-superbug-problem-in-just-2-days

薬剤耐性とは、感染性を持つ細菌やウイルスが複数の抗生物質に対して耐性を獲得することを指しており、世界中で深刻な健康問題を引き起こしています。アメリカのワシントン大学などの研究チームは、2050年までに薬剤耐性菌による死者が3900万人を超えると推定しており、病原体が薬剤耐性を獲得するプロセスを理解し、対策することが急務となっています。

イギリスのインペリアル・カレッジ・ロンドンで微生物学教授を務めるホセ・ペナデス氏らの研究チームは、細菌に薬剤耐性をもたらす「capsid-forming phage-inducible chromosomal islands(cf-PICIs：カプシド形成ファージ誘導性染色体島)」というファージの移動性遺伝要素(ファージサテライト)が、さまざまな種類の細菌に感染するメカニズムについて長年にわたり研究してきました。

10年にわたる調査と実験の結果、cf-PICIsは一般的なファージが遺伝物質を細胞に注入するために用いる「尾部」を持たないカプシドを放出し、その他のファージの尾部と相互作用することで、さまざまな細菌に感染することがわかりました。この研究結果は、2025年2月11日にbioRxivで掲載された未査読論文で報告されています。

Chimeric infective particles expand species boundaries in phage inducible chromosomal island mobilization | bioRxiv
https://www.biorxiv.org/content/10.1101/2025.02.11.637232v1

そんな中、ペナデス氏らはGoogleの研究チームから、AI co-scientistの性能テストを依頼されました。そこでペナデス氏らはこの調査結果を公にする前に、AI co-scientistに対して「cf-PICIsがどのようにして異なる細菌種に感染するのか」という問題の仮説を立てるよう指示しました。

研究チームがAIに提供した補足情報には、ファージサテライトに関する背景情報やcf-PICIsに関する主要な論文などが含まれていました。しかし、今回研究チームが発見した研究内容については伝えなかったとのこと。

その結果、AI co-scientistはわずか2日で5つの主要な仮説を提案しました。その仮説の中で最も可能性が高いものとして提示されたのが、まさにペナデス氏らが10年かけてたどり着いた「cf-PICIsは幅広いファージの尾部との相互作用によって異なる細胞種に感染している」というものでした。

AIの回答に驚いたペナデス氏はGoogleに対してメールを送り、AI co-scientistが自分たちの研究結果にアクセスできたのかどうか尋ねました。当然ながらGoogleは、AI co-scientistは未発表の研究結果にアクセスすることはできないと回答しました。

ペナデス氏は、「これは私たちが何年にもわたる骨が折れる科学的研究によって到達したものとまったく同じ仮説を、アルゴリズムが利用可能な証拠に目を向け、可能性を分析し、質問を投げかけ、実験を計画することで、わずかな時間で提案できることを意味します」と述べています。

ペナデス氏と共にAI co-scientistのテストを行ったインペリアル・カレッジ・ロンドンのティアゴ・ディアス・ダ・コスタ博士は、「私たちの発見は、AIが利用可能なすべての証拠を統合し、最も重要な質問と実験デザインに導いてくれる可能性があることを示しています。このシステムが私たちの期待通りに機能すれば、問題の行き詰まりを排除し、驚異的なスピードで進歩を遂げることが可能になります。これはゲームチェンジャーになり得ます」とコメントしました。

今回の研究結果は、あくまで「AIによって有望な仮説にたどり着く時間を短縮できる可能性がある」ということを示すものであり、仮説を検証するために実験が必要な点は以前と変わりません。Googleの研究者らは、AIが科学的な発見を加速・増加させると予想しているとのことです。