--- title: "AIモデル「Claude」が自律的に設計したタンパク質は、なぜ15個の標的中14個で「くっついた」のか。Anthropicの検証結果を確認する" description: "1320個の設計から354個が的中、業界平均の2〜3倍という打率。外部の検証機関が実験室で確かめたAIによる自律的なタンパク質設計の中身を確かめた" url: https://itpostjp.com/ai/anthropic-claude-protein-binder-design-14-of-15-targets/ category: "AI・生成AI" published_at: 2026-08-22T08:40:00Z updated_at: 2026-08-22T08:40:00Z author: "IT Post編集部" editor: "編集長 千田智也" publisher: "IT Post by Rice Studio Lab" language: ja-JP ai_generated: true ai_model: claude-sonnet-5 terms: ["AIエージェント", "生成AI"] --- # AIモデル「Claude」が自律的に設計したタンパク質は、なぜ15個の標的中14個で「くっついた」のか。Anthropicの検証結果を確認する IT Post編集部 ＆ 編集長 千田智也 1320個の設計から354個が的中、業界平均の2〜3倍という打率。外部の検証機関が実験室で確かめたAIによる自律的なタンパク質設計の中身を確かめた ## 30秒で分かる結論 AI開発企業のAnthropic(アンソロピック)は2026年8月20日、自社のAIモデル「Claude」が、実験の実施中は人間の科学者による逐次的な指示を受けずに、自律的にタンパク質結合剤(特定の標的分子にくっつくよう設計されたタンパク質、Binder)を設計する取り組みを行ったと発表しました。設計されたタンパク質は、外部の検証機関であるAdaptyv Bio社とTwist Bioscience社が独立して実際に製造し、実験室でのテストを行いました。その結果、15個の標的タンパク質のうち14個に対して、実際に結合するタンパク質を少なくとも1つ設計できたとしています。合計1320個の設計のうち354個が実際に標的への結合を確認され、条件によって22.6%から35.1%の的中率を記録しました。Anthropicは、現在のタンパク質設計分野で一般的とされる的中率が10%から15%程度であるとしており、今回の結果はその2倍から3倍にあたるとしています。 ## まず初めに 「AIが新薬を作った」といった見出しが飛び交いそうな発表だが、慌てて期待を膨らませる前に一呼吸置いた方がいい。Anthropic自身が「タンパク質結合剤は薬そのものではない」とわざわざ釘を刺しているように、これは創薬という長い道のりの入り口に立っただけの話だ。とはいえ、AI企業の自己採点ではなく、外部の検証会社が実験室で「本当にくっつくかどうか」まで確かめた上での15戦14勝という成績は、話半分で聞き流していい数字でもない。誇大な見出しには用心しつつ、この結果自体はきちんと評価していい部類だろう。※個人の感想です ## 何が起きているのか Anthropicは2026年8月20日、自社のAI研究成果として、AIモデル「Claude」を使った自律的なタンパク質設計の実験結果を公表しました。実験では、Claudeの複数のモデル(非公開の研究用モデルとされる「Mythos Preview」と、既存の上位モデル「Claude Opus 4.8」)が、一般に公開されているタンパク質設計モデルや構造予測モデルを、自らの判断で組み合わせて使用し、15個の標的タンパク質に対して結合するタンパク質の設計を試みました。人間の専門家が事前に用意したのは、約3万トークン分の初期指示のみで、実際の設計作業の実行中は人間による逐次的な介入を受けていないとしています。 ![AIを描いた挿絵](/images/articles/anthropic-claude-protein-binder-design-14-of-15-targets-inline-1.webp) 設計されたタンパク質は、Anthropic自身ではなく、外部の専門機関であるAdaptyv Bio社とTwist Bioscience社が独立して実際に製造し、実験室で標的への結合を確認するテストを行いました。全15標的を同時に扱う48時間の設計セッションでは、Claude Opus 4.8が22.6%、Mythos Previewが26.7%の的中率を記録しました。一方、Mythos Previewが1つの標的に絞って24時間かけて設計に取り組んだ場合には、的中率が35.1%まで上昇しています。全体では、1320個の設計のうち354個が実際に標的への結合を確認され、15個の標的のうち14個で少なくとも1つの結合タンパク質を設計できたとしています。特に「RBX1」という標的に対しては、Mythos Previewが40%の的中率を記録しており、これは同じ標的を対象にした外部の設計コンペティションの参加者平均(3.7%)を大きく上回る数字だとしています。 今回の発表にはもう一つの実験も含まれています。すでに一般提供されている「Claude Opus 5」に、実験室でよく使われる2種類の分析装置(核磁気共鳴(NMR)装置と液体クロマトグラフィー質量分析(LC-MS)装置)から得られた生データを渡して解析させたところ、それぞれ23分・19分でAnthropicの分析結果を返し、その純度の算出結果は研究室が独自に算出した数値との差が0.1%以内に収まったとしています。 ## なぜ重要なのか 今回の結果が注目される理由の一つは、AI企業による自己評価ではなく、外部の独立した専門機関が実験室で検証した点です。AIの性能に関する発表は、開発元自身のベンチマーク評価にとどまるケースが少なくありませんが、今回はAdaptyv Bio社・Twist Bioscience社という、タンパク質設計・合成を専門に扱う企業が、実際にタンパク質を製造して結合を確かめています。 ![この記事の内容にちなんだ挿絵](/images/articles/anthropic-claude-protein-binder-design-14-of-15-targets-inline-2.webp) もう一つの理由は、的中率の水準です。現在のタンパク質設計分野で一般的とされる10%から15%程度の的中率に対し、今回のClaudeによる設計は条件によって22.6%から35.1%を記録しており、単純計算で2倍から3倍にあたります。タンパク質の設計・合成には時間とコストがかかるため、的中率が上がることは、同じ予算・期間でより多くの候補を絞り込めることを意味します。 一方で、Anthropic自身が明言しているように、結合するタンパク質を設計できることと、それが実際に薬として使えることの間には大きな距離があります。今回の結果は、あくまで創薬プロセスの初期段階である「候補分子の設計」を効率化する可能性を示したものであり、安全性試験や臨床試験といった、その後の長い開発プロセスを経なければ、実際の薬にはなりません。 ## 私たちへの影響 ![AIを描いた挿絵](/images/articles/anthropic-claude-protein-binder-design-14-of-15-targets-inline-3.webp) 今回の発表は、一般利用者が直接何かの操作をする性質のものではありません。創薬や研究開発に携わる企業・研究者にとっては、タンパク質設計の初期段階でAIを活用する選択肢が、実用段階に近づきつつあることを示す事例といえます。バイオテクノロジー分野の企業がAIツールをどう業務に組み込むかを検討する際の材料になり得ます。 一般の利用者への影響は間接的です。仮に今後、AIを活用したタンパク質設計が創薬の現場で広く使われるようになれば、新薬の候補分子を見つける期間が短縮され、将来的に薬の開発スピードに影響する可能性はあります。ただし、これは今回の発表だけで判断できるものではなく、今後の臨床試験などの結果を待つ必要があります。 ## 初心者が知っておくべきこと 「タンパク質結合剤(Binder)」とは、特定の標的となる分子(タンパク質など)に、狙って結合するように設計された人工のタンパク質のことです。抗体医薬をはじめ、さまざまな治療法の基礎となる技術で、新しい薬の候補分子を探す最初のステップの一つとして使われます。 「創薬」とは、新しい薬を発見・開発することです。候補となる分子の設計から、安全性の確認、有効性を確かめる臨床試験まで、長い年月と多額の費用がかかる工程を経て、実際に使える薬が生まれます。今回のAIによるタンパク質設計は、この長い工程のうち、最初の「候補分子を作る」段階に関わるものです。 「AIエージェント」とは、あらかじめ指示された1つの質問に答えるだけでなく、複数の手順からなる作業を、AIが自律的に計画し実行する仕組みのことです。今回のタンパク質設計実験でも、Claudeが複数の専門ツールを自らの判断で組み合わせて使用しており、この考え方が使われています。 ## IT Postの見方 IT Postでは、AI企業の自己評価にとどまらず、外部の専門機関が実験室で検証したという点で、今回の結果は一定の信頼性があると考えます。一方で、「タンパク質結合剤は薬ではない」というAnthropic自身の注記が示すとおり、今回の成果が実際の新薬として利用者の手元に届くまでには、安全性試験や臨床試験といった長い工程が残っています。AI企業の研究発表は、華々しい数字だけが独り歩きして「AIが薬を作った」という誤解を招きやすい分野でもあるため、報道に接する際は、どの段階の成果なのかを見極める視点を持っておくことをおすすめします。 ## 今後どうなりそうか Anthropicは、今回の成果を踏まえてタンパク質設計分野での取り組みを継続するとみられます。設計されたタンパク質が実際の創薬プロセスでどこまで活用されるか、また外部の研究機関や製薬会社との連携が今後どう進展するかが焦点になりそうです。IT Postでは、続報があり次第、あらためて取り上げます。 ## 情報源 - [How Claude is accelerating protein design and analytical chemistry](https://www.anthropic.com/research/Claude-accelerates-protein-design) — Anthropic（一次情報） - [Claude Runs Autonomous Protein Design Campaign: Wet Lab Confirms Twice Industry Hit Rate](https://www.techtimes.com/articles/325081/20260820/claude-runs-autonomous-protein-design-campaign-wet-lab-confirms-twice-industry-hit-rate.htm) — Tech Times - [Anthropic Says Claude Designed Protein Binders For 14 Of 15 Targets](https://dataconomy.com/2026/08/20/claude-ai-protein-binders-14-of-15-targets/) — Dataconomy - [The most interesting takeaway from Anthropic's design study has nothing to do with proteins](https://endpoints.news/analysis-what-anthropics-protein-study-says-about-its-life-sciences-aims/) — Endpoints News ## この記事に出てくるIT用語 - [AIエージェント](https://itpostjp.com/terms/ai-agent/): 与えられた目標に向けて、AIが自ら計画を立て、複数の作業を連続して実行する仕組みのことです。 - [生成AI](https://itpostjp.com/terms/generative-ai/): 文章や画像などを新しく作り出すAIのことです。 --- この記事は、公開情報と出典URLの検証、文章作成の一部に生成AIを使用しています。内容の責任はIT Post by Rice Studio Labが負います。 出典表記: IT Post by Rice Studio Lab — https://itpostjp.com/ai/anthropic-claude-protein-binder-design-14-of-15-targets/