NVIDIAがウイルスタンパク質の「立体地図」を描く：AI予測の先で科学者が確かめること

林政賢 Zheng-Xian Lin · 2026-09-26

AIがウイルスタンパク質の立体構造を予測できるなら、ワクチンもボタン一つで作れるようになるのでしょうか。実験室を閉じるのは、まだ早そうです。今回のNVIDIAの発表は、研究者が参照して比較できる地図を用意したものと考えるとわかりやすくなります。探索の方向は示しても、旅のすべてを代わりに進めてくれるわけではありません。

今回、何が公開されたのか？

NVIDIAは2026年9月24日、Google DeepMind、EMBL-EBIなどの研究チームとの協力により、2,800種を超えるウイルスを対象としたタンパク質複合体の予測構造を、AlphaFold Databaseを通じて研究者に公開すると発表しました。[1]

「複合体」は、いくつかの部品でできたチームのようなものです。研究者は、一つのタンパク質の形だけでなく、ほかのタンパク質とどう組み合わさる可能性があるかにも注目します。ここでの立体モデルは計算による予測であり、すべての組み合わせを実験で撮影したものではありません。

データベースの更新情報によると、人の健康に関係する23のウイルス科に属する2,812のウイルスプロテオームを解析し、信頼度の高いヘテロ二量体5,279件とホモ二量体2,749件を生成しました。前者は異なる二つのタンパク質の組み合わせ、後者は同じタンパク質同士の組み合わせと考えられます。[2]

それぞれの数字が数えているものは異なります。「解析したプロテオームの数」を「新たに発見したウイルスの種類数」と書くことはできませんし、構造の数を利用可能な薬の数と捉えることもできません。

NVIDIAの役割は、きれいな構造図を作るだけではない

NVIDIAはBioNeMo Structure Prediction Pipelineも公開しました。プロジェクトの説明によると、配列データの前処理、構造予測、その後の品質評価を、GPUクラスター上で実行できるワークフローとしてつないでいます。[3]

アミノ酸配列、AI構造予測、実験検証の3段階を示すAI生成の概念図 — AI生成の概念図。BioNeMoとEMBLの説明をもとに工程を簡略化したもので、特定のタンパク質構造や実験データではありません。色は信頼度の概念を表すためのものです。

ここから、AIの価値を別の角度で見ることができます。重要なのはモデルだけでなく、データの準備方法、結果の確認方法、そしてほかの人が作業を引き継げるかどうかです。映像や画像の制作に携わる人なら、一枚の画像を作ることと、引き継ぎ可能な制作工程を整えることの違いは想像しやすいでしょう。

ただし、コードが公開されていても、家庭のパソコンで手軽にすべてを再実行できるわけではありません。要件にはSlurmクラスターや、80GB以上のメモリーを搭載したNVIDIA GPUなどが挙げられています。公開データを見ることと、予測工程全体を自分で動かすことでは、必要な環境が大きく異なります。[3]

一枚の構造図では、すべてに答えられない

EMBLは、予測構造からタンパク質の形や相互作用の可能性は見えても、それだけでウイルスの実際の振る舞いや変異の影響は判断できず、実験研究が必要だと説明しています。[4]

ニュースに登場する「高い信頼度」は、特定の予測に対するモデルの確信度として理解するのが適切です。ワクチンの有効率でも、治療の安全性や有効性が確認されたという意味でもありません。これらを混同すると、話は刺激的でも情報は不正確になります。

モデル予測と実験による証拠を比較するAI生成の概念図 — AI生成の概念図。左は仮想的な構造、右は説明用の装置と曲線であり、実験記録ではありません。予測には対応する実験検証が必要です。出典：EMBL、2026年9月24日発表。

この記事の図も、同じ区別を守っています。工程の理解を助けるためにAIで生成した教育用の概念図であり、特定のタンパク質の実測構造や実験結果を示すものではありません。

オープンデータの価値は、次の問いにつながること

今回の公開が注目に値するのは、研究を毎回ゼロから始めなくてもよくなるからです。EMBLによると、資源の限られた地域の研究者の障壁を下げ、研究の少ないウイルスも対象にすることを目指しています。[4]

瑭宜（TangYi）が大切だと考えるのは、「生成できた」をそのまま「完成した」としないAIの使い方です。出典を残し、限界を明示し、次の人が再利用できる部分と検証すべき部分を判断できるようにする。この姿勢は科学にも、コンテンツ制作にも、企業内の自動化にも役立ちます。

期待できるニュースですが、その期待を向ける先は大切です。AIが研究の対象となる形や方向を提示し、科学者が証拠に基づいて可能性を確かめていくのです。

資料確認日：2026年9月26日。公式発表、データベース更新情報、公開プロジェクト文書をもとにまとめました。モデルの再実行やデータセットの独立検証は行っていません。本文の[1]〜[4]は以下の原典に対応しています。

出典

著者：林政賢（監督 · Gen AI クリエイター兼エンジニア · 瑭宜影像創意工作室創業者）