ハクソク

世界を動かす技術を、日本語で。

新しい抗生物質が炎症性腸疾患（IBD）を標的にし、AIがその作用を予測した

2025年10月4日原文(healthsci.mcmaster.ca)

概要

新規細菌種の発見 とその ゲノム解析 についての論文。 ヒト腸内環境 における未同定細菌の多様性と機能解明が主題。 メタゲノム解析手法 を活用し、従来未発見だった細菌種の特定。 腸内細菌の 健康・疾患との関連性 に新たな知見。 今後の 微生物研究や医療応用 への影響に言及。

Nature論文：ヒト腸内の新規細菌種の発見とその意義

  • Nature Microbiology に掲載された2024年の論文
  • ヒト腸内に存在する 未同定細菌種 の網羅的探索
  • メタゲノムシーケンス解析 による新規種の発見
  • 約 1,000種類以上 の新規細菌ゲノムを特定
  • 既存のデータベースに含まれない 独自の遺伝子配列 の同定

研究手法と発見

  • 世界各地から収集した ヒト糞便サンプル の利用
  • 高精度なDNAシーケンス技術 の導入
  • メタゲノムアセンブリによる ゲノム再構築
  • 新規細菌種の 系統分類 と機能予測
  • 健康・疾患状態ごとの 細菌叢構成の比較

主な成果と意義

  • ヒト腸内微生物の 多様性拡大
  • 未知の細菌種が持つ 新規代謝経路 の発見
  • 疾患リスクや健康維持 に関わる可能性の示唆
  • 既知の腸内細菌データベースの 大幅な拡充
  • 微生物研究や 個別化医療 への応用展望

今後の展望

  • 新規細菌種の 機能解析 の深化
  • 疾患バイオマーカー や治療標的としての活用
  • 腸内環境改善 を目指したプロバイオティクス開発
  • グローバルな 腸内細菌叢データベース の構築推進
  • 微生物多様性 理解のさらなる進展

Hackerたちの意見

こちらがNature Microbiologyに掲載された元の研究です。https://www.nature.com/articles/s41564-025-02142-0 面白い部分をシェアしたいと思います。大学のプレスリリースからの引用です。「これまでAIは、どの分子が治療の可能性を持つかを予測するツールとして活用されてきましたが、この研究では、研究者が「作用機序（MOA）」と呼ぶものを説明するために使用されました。つまり、薬が病気にどのように作用するかということです。MOA研究は、薬の開発にとって不可欠だと言います。これにより、科学者は安全性を確認したり、投与量を最適化したり、効果を高めるための修正を行ったり、時には全く新しい薬のターゲットを発見したりすることができます。また、規制当局が特定の薬候補が人間に使用できるかどうかを判断するのにも役立ちます… 徹底したMOA研究には最大で2年かかり、約200万ドルの費用がかかることがありますが、AIを使うことで、彼のグループはエンタロロリンの研究をわずか6ヶ月で、しかも6万ドルで行いました。実際、彼の研究室が新しい抗生物質を発見した後、ストークスはMITのコンピュータ科学・人工知能研究所（CSAIL）の同僚と連絡を取り、彼の今後のMOA研究を迅速化するために、彼らの新しい機械学習プラットフォームが役立つかどうかを確認しました。わずか100秒で、彼は予測を受け取りました：彼の新しい薬は、特定の細菌の生存に不可欠なLolCDEという微小なタンパク質複合体を攻撃することがわかりました。「薬の発見におけるAIの多くは、化学空間を探索し、活性を持つ可能性のある新しい分子を特定することに関するものです」と、MITの工学部の教授であり、予測を行ったAIモデルDiffDockの開発者であるレジーナ・バルジレイは言います。「ここで示しているのは、AIがメカニズムの説明も提供できるということで、これは分子を開発パイプラインに進めるために重要です。」

└

実際、彼の研究室が新しい抗生物質を発見した後、ストークスはMITのコンピュータ科学・人工知能研究所（CSAIL）の同僚と連絡を取り、彼の今後のMOA研究を迅速化するために、彼らの新しい機械学習プラットフォームが役立つかどうかを確認しました。大学で働くのってめっちゃクールだよね。キャンパスを歩いて専門家に会いに行ったり、興味のある問題を解決するために最先端の技術を学んだりできるんだから。

└

徹底したMOA研究には最大で2年かかり、約200万ドルの費用がかかることがありますが、AIを使うことで、彼のグループはエンタロロリンの研究をわずか6ヶ月で、しかも6万ドルで行いました。素晴らしい！やっとAIや機械学習がコーディングのオートコンプリートや画像生成以外で役立つことが出てきたね。この分野を今後10年間追いかけるのはとても面白そう。アルファフォールドによるタンパク質の折りたたみや、これによる挙動の予測、コストの削減、試験の迅速化がどう進むか見てみたいな。

└

誰かプレプリント持ってる？もう大学に所属してないから、いつもの人たちが論文を一晩でアップロードすることもなくなったし。

└

DiffDockは大規模言語モデルなの？一般の人はAIがそういう意味だと思ってるし、OpenAIはそれで思考する機械を作ってるって言ってるし、この記事の見出しも「予測された」ってなってる。

└

えっ？？？LolCDEがE. coliに対する脆弱性だって、2016年より前から知ってたし、複合体の阻害剤、グロボマイシンも1978年から知ってたよ。https://journals.asm.org/doi/full/10.1128/jb.00502-16 https://pubmed.ncbi.nlm.nih.gov/353012/ エンテロロリンってグロボマイシンの別の形なの？AIが賢いのか、それとも科学者がどんどんバカになってるのか？

IBDがEコリによって引き起こされるって確立されてるの？Eコリに対する感受性みたいな感じ？

└

わからないね。多分、遺伝的要因とバイ菌の組み合わせだと思う。少なくとも、複雑で多面的な問題だから、炎症した皮膚の培養や生検を取って「はい、これが明らかに違う！」とは言えないんだ。最も効果的な治療法は、免疫系の一部を抑えることを目指していて、いくつかの患者が複数の免疫抑制剤を試して適切なものを見つけるのに小さな成功を収めているけど、病気をうまく管理するためにはカクテル療法も必要だったりする。

└

直接的にはそうじゃないよ。みんな持ってるからね。記事からはちょっと混乱するけど、基本的には、以前よりも狭いスペクトルをターゲットにできる抗生物質を発見したんだ。これにより、自然のフローラを乱すことを最小限に抑え、薬剤耐性の腸内細菌（Eコリが主な種だけど、他にもいるよ）が過剰に表れることを防げる。IBDとEコリが過剰に表れるマイクロバイオームとの関連があるんだ。Eコリのいくつかのサブタイプが関連しているようだよ。詳しくはここを見てね: https://pubmed.ncbi.nlm.nih.gov/29141957/

└

正確にはそうじゃないけど、E. coliや他の腸内細菌科は実際に炎症を利用できるんだ。炎症は硝酸塩を放出し、腸内細菌科はそれを酸素の代わりに終末電子受容体として利用できる。炎症の状態では、保護的な粘液層が薄くて多孔質になっているから、彼らはそれに侵入しやすくなる（これ自体がマイクロバイオータの乱れの結果かもしれないから、広域抗生物質は解決策にならないんだ）。これらの腸内細菌科の増殖は炎症を引き起こし、寛解を難しくする。E. coliが上皮や粘液に付着するために使う結合因子をブロックすることで、IBDの炎症レベルを下げることに成功した例もあるよ。

現在、これらのAIモデルが完全に正しいと仮定することはできないよね。なんでそんなことを仮定できるの？ > でも、正しいかもしれないという考え方が、次のステップの推測を取り除いてくれた。ここで悪魔の弁護をしてみるけど、これは単なる確認バイアスのひどいケースじゃない？100件のケースを取って、AIに「どうやって機能するの？」って聞いたら、そのうち99件は「全くのナンセンス」と「巧妙な定式化だけど間違っている」の間のどこかに答えがある。1件だけが正しい。その正しいやつが、今ここで確認されているわけ。だからって、AIが時間を75%短縮したってわけじゃないよ。壊れた時計も一日に二回は正しいし、エネルギーなしで動く時計を発明したとは言えない。確かに時々間違うけど、正しいときはすごい！いや、ほとんどの時間間違っている壊れた時計に過ぎない。私も「生成AI」で何か役立つ魔法を発見したいけど、その詳細について正直でない限り（ミスを公表して認めることを含む）、これはただのハイプトレインに乗ってるだけだと思う。

└

この視点は、人間の専門知識が実際にどう機能するかを見落としていると思う。最先端の研究をしている人間も、結構間違えることが多いしね。ほとんどの仮説は失敗するし、実験はうまくいかないことが多いし、新しいアプローチは行き詰まることがほとんど。科学者がブレークスルーを達成したとき、彼らが100%正しいから評価されているわけじゃない。彼らがランダムな確率よりも正しいことが多く、プロセスの早い段階で正しいことを認識しているからなんだ。2/99や3/99の確率で有望な方向性を見つけられる研究者（またはAI）は、本当に価値がある。発見プロセスの効率を2倍または3倍にしているからね。もしAIが100秒以内に理論をテストできて、99回の試行で少しでも正しい確率が高いなら、人間を超えているよ。

Hacker Newsで議論の続きを見る