AI最新情報読了 7 分

AIが16種の新ウイルスを設計、大腸菌キラーの正体とバイオセキュリティ論争

Shiritomo編集部 @shiritomoAI_jp 2026年8月7日更新

約300種類のうち、実際に大腸菌に感染して増えたのは16種類でした。
スタンフォード大学とArc Instituteの研究チームが、生成AIモデル「Evo 2」にウイルスのゲノム（生物の設計図となる遺伝情報の全体）を丸ごと設計させ、実験室で機能する新種のウイルスを初めて作り出したと2026年8月に発表しています。

AIが文章や画像だけでなく、生命の設計図そのものを生成する段階に入ったことを示す一件です。
AIの活用領域を追いかけている人にとっても、「AIにできること」の輪郭が大きく広がった出来事として見過ごせません。
この記事では、何が起きたのか、そして専門家が何を懸念しているのかを一次情報から整理します。

先に結論をまとめると：
– 生成AIモデル「Evo 2」がウイルスのゲノム全体を設計し、約300種のうち16種が実際に大腸菌へ感染・増殖する機能を実証しました
– 人には感染せず、既存の抗生物質が効かない耐性菌への対策「ファージ療法」への応用が期待されています
– 一方で専門家はAIによるゲノム設計の悪用リスクを問題視し、合成DNA発注の審査強化などルール整備を急ぐよう求めています

何が起きたのか

今回の研究を率いたのは、スタンフォード大学化学工学助教授でArc Institute研究員も務めるブライアン・ヒー氏です。
研究チームは、大腸菌に感染するウイルス「バクテリオファージΦX174（ファイエックス・イチナナヨン）」を設計のお手本（テンプレート）としてEvo 2に与え、新しいDNA配列を提案させました。
ΦX174は、ノーベル賞受賞者フレデリック・サンガー氏が世界で初めてゲノムを解読した歴史的なウイルスで、遺伝子はわずか11個、塩基対も5,400ほどしかない小さなウイルスです。

Evo 2が提案した設計をもとに、研究チームは約300種類のウイルスを実際に化学合成し、大腸菌に対する効果を1つずつ検証しました。
結果として16種類が、実際に大腸菌へ感染して増殖する「機能するウイルス」であることが確認されています。
研究チームはこれを「AIが設計し、ゲノム全体を生成した生物が実験室で機能することを実証した初めての事例」だとしています。
ただ、この「300分の16」という数字だけを見ると成功率が低いようにも思えます。
実際のところ、この設計がどれほど精度の高いものだったのか、一次情報を確かめてみました。

調べて分かったこと

なぜ半世紀前の小さなウイルスが選ばれたのか？

ΦX174は前述の通り、1970年代にゲノムが解読され、2003年には研究者クレイグ・ベンター氏のチームによって世界で初めて人工的に化学合成された、生物学の歴史において象徴的な存在です。
遺伝子の数が少なく構造がシンプルなため、AIに設計を学習させる「お手本」として扱いやすかったことがうかがえます。
研究チームはEvo 1・Evo 2という2つのモデルを、ΦX174が属する「Microviridae（マイクロウイルス科）」というウイルスの仲間、約1万4,000種類のゲノム配列で追加学習させたうえで、新しい設計を提案させています。

AIが設計したウイルスは天然より弱いのか強いのか？

検証の結果、16種類の中には、天然のΦX174と同等か、それ以上の増殖の速さ・感染力を示すものも含まれていました。
さらに研究チームは、これら16種類を組み合わせた「カクテル」を作り、ΦX174に対してすでに抵抗性を持つ3種類の大腸菌株にぶつけたところ、その耐性を速やかに突破することにも成功しています。
AIが設計したウイルスの集団が、自然のウイルスでは効かなくなった相手にも効いた、という点は今回の研究の核心といえます。
この結果が、次の「治療への応用」という話につながっていきます。

抗生物質が効かない菌への対策になるのか？

この研究が医学的に注目される理由は、既存の抗生物質が効かない「薬剤耐性菌」への対策として、ウイルスの一種であるバクテリオファージを使って細菌だけを狙い撃ちする「ファージ療法（抗生物質の代わりに、特定の細菌にのみ感染するウイルスを使って治療する手法）」への応用が見込まれているためです。
細菌は抗生物質に対しては耐性を獲得しても、狙われるウイルスの側をAIで次々と設計し直せれば、いたちごっこに対応できる可能性があります。
実際に今回のAI設計フェージは、天然のウイルスに耐性を持った菌にも効いたことから、この用途への期待が高まっています。

なぜ専門家はここまで懸念しているのか？

一方で、この研究の論文で筆頭著者を務めたサミュエル・キング氏自身が、「AIシステムで新しいファージのゲノムを生成できる能力は、バイオセーフティ（実験室内の安全管理）・バイオコンテインメント（病原体の封じ込め）・バイオセキュリティ（悪用防止）に関わる重要な論点を提起しており、ガバナンスや政策、悪用防止策についての議論が必要だ」と論文中で述べています。
ジョンズ・ホプキンス大学の専門家トーマス・イングルスビー氏とモーリッツ・ハンケ氏も、「AIが生成するゲノムはこれまで知られていた配列と大きく異なる可能性があるため、懸念すべき新しい設計を検知できる審査手法を緊急に開発する必要がある」と指摘し、合成DNAの発注に対する法的な審査義務化を求めています。

人に感染するウイルスは作れてしまうのか？

研究チームはこのリスクを見越し、Evo 2の学習データからあらかじめ人に感染するウイルス（病原体）の配列を除外しています。
これにより、モデルが人を対象にした病原体を直接設計してしまう事態を防ぐ設計になっているとされています。
ただし、Evo 2はモデルの重み・学習コード・学習データまで含めて完全にオープンソースで公開されているモデルです。
この点について、十分な技術力と意図を持つ人物であれば、モデルを別のデータで再調整（ファインチューニング）することで、本来の安全設計を回避できてしまう可能性があるとの懸念も専門家から示されています。
ヒー氏自身は「今の時点でAIシステムを使って生物兵器を開発しようとしても、おそらく非効率できちんとした成果にはならないだろう」と述べており、現時点での実害の可能性については慎重な見方を示しています。
とはいえ、ヒー氏自身が今回の成果を「自分たちにとっても未知の領域だった」と振り返っている点は、技術の進歩の速さと、それに追いつききれていないルール整備の現状を象徴しているように見えます。

Shiritomo編集部の考察：AIガバナンスの論点はテキスト生成の外にも広がっている

今回の件は、ゲノム設計という専門領域の話に見えますが、構造そのものは私たちが日々扱っている生成AIの課題と地続きです。
オープンソースで公開された強力なモデルが、開発者の想定外の用途に転用され得るという「デュアルユース（善用にも悪用にも使える技術）」の論点は、画像生成AIや大規模言語モデルの分野でも繰り返し議論されてきたテーマそのものです。
技術が「何を生成できるか」だけでなく「誰が、どう使うか」まで含めて評価されるようになっている流れは、AI活用の情報発信やSNS運用に関わる立場からも注視しておく価値があります。
今後、AIによる生成物の審査・出所確認・利用規約整備といった議論は、テキストや画像の領域でも一段と厳しくなっていく可能性が高く、自社でAI生成物を扱う際の運用ルールを今のうちに点検しておくことをおすすめします。

まとめ

生成AI「Evo 2」がウイルスのゲノムを丸ごと設計し、16種類が実際に機能することを実証した今回の研究は、抗生物質耐性菌への新たな対策として医学的な意義を持つ一方、AIによる生命設計の悪用リスクという新しいバイオセキュリティ課題を浮き彫りにしました。
技術の可能性とリスクの両方を冷静に見極める視点が、これからますます必要になりそうです。