マサチューセッツ州ケンブリッジ、2025年3月3日 --- 臨床段階の生成型人工知能（AI）駆動型バイオテクノロジー企業であるインシリコ・メディシン（「インシリコ」）と、神経系障害に対する革新的な治療法を開発・商業化する商業段階のバイオ医薬品企業であるテナシア・バイオテクノロジー（「テナシア」）は、本日、戦略的な研究提携を発表しました。特定の標的候補に焦点を当て、インシリコとテナシアは、中枢神経系（CNS）疾患に対する新規治療薬の初期探索段階において協力し、低分子阻害剤をゼロから前臨床候補化合物の選定までの開発を行います。

新しい研究によると、根切り虫という害虫への対処を目的とした遺伝子組換えBtトウモロコシの広範な使用は、過剰栽培と害虫耐性をもたらし、この作物の長期的な有効性を危うくしているという。米国の「コーンベルト（トウモロコシ栽培地帯）」10州のデータから得られたこの研究結果は、こうした過剰使用が米国の農民に16億ドルの経済的損失をもたらしたと推定しており、遺伝子組換え作物の利益を維持するためには、種子の多様性、透明性、農民の意思決定を改善する必要があると強調している。「現在および将来の関連する技術革新が、Btトウモロコシの雑種と同じように管理されるならば、遺伝子組換え技術が急速に陳腐化するサイクルに陥る危険性がある……」と著者らは述べている。遺伝子組換え作物、特にバチルス・チューリンゲンシス（Bacillus thuringiensis、Bt）由来の殺虫タンパク質を組み込んだ作物は、環境への影響を最小限に抑えつつ害虫の被害を減少させることにより、世界の食糧生産を大幅に増加させてきた。しかし、Bt作物の使用が増えるにつれて、害虫は必然的に耐性を獲得し、この技術の有効性は徐々に低下している。トウモロコシ根切り虫を標的とするBtトウモロコシの雑種は広く使用されているが、2009年に耐性が出現し始め、Btトウモロコシの長期的な存続可能性に対する懸念が高まっている。この問題は、自己利益に基づく個人の行動が共有資源の乱獲につながる「コモンズの悲劇」に似ている。 Ziwei Yeらは、米国のコーンベルト10州における12年間の実地試験データ、農家の種子使用、および利己的な意思決定と広範なコミュニティへの影響を考慮した最適な決定とを区別する学際的アプローチを活用して、根切り虫耐性Btトウモロコシの最適な作付けレベルから逸脱することによる経済的影響を評価した。Yeらは、Btトウモロコシによる害虫抑制の結果として害虫圧が低下する一方で、この作物の作付けが増加したことにより、根切り虫に対する有効性が損なわれていることを見出した。さらに、2014年から2016年までの費用便益分析では、Btトウモロコシがしばしば過剰に栽培されていたことが示されており、特に害虫圧が低いコーンベルト東部の州でこの傾向が顕著であった。こうした過剰使用によって、害虫抑制の利益は最小限に抑えられ、遺伝子組換え種子のコストは上昇し、害虫感受性プールは大幅に減少し、その結果として、これらの地域の栽培者は生涯で推定16億ドルの経済的損失を被った。著者らによると、今回の研究結果によって、Btの過剰使用を引き起こす広範な組織的問題が浮き彫りになったという。自己利益のための作付けと最適なBt作付けレベルとの相違は、おもにBtトウモロコシの全体的なコストと利益に対する誤解が原因である。これは、バンドルされた特性パッケージと、利益を重視する種子会社からの市場圧力によってさらに複雑になる。さらに、農家は根切り虫の圧力やBt雑種使用の長期的影響について、十分な情報を得ていないことが多い。関連するPolicy ForumではZachary BrownとDominic Reisigが、「規制当局が直面し、Yeらが提起した課題に対処するには、短期的な農家へのインセンティブと、長期的な農業および環境の持続可能性とのバランスをとり、Bt作物を害虫管理の実行可能な手段として存続させる必要がある」と述べている。

研究者らの報告によると、斬新な仮想現実（VR）環境下で飛翔するイナゴについての研究は集団群生行動の古典的モデルに異議を唱えるものであったという。この研究では、イナゴは自己駆動粒子のようにただ仲間に続くのではなく、内的な認知的意思決定プロセスを頼りに群れで飛翔することを示す結果が得られた。集団運動は自然界に広く見られる現象で、従来から物理学の「自己駆動粒子」理論モデルを使って説明されてきた。大きな影響力のあるVicsekモデルといった集団行動の「古典的」モデルが、基本的な局所的相互作用 ―― 個人が自身の動きを近くにいるメンバーの動きと足並みをそろえ、合わせる ―― によって集団内でどのように大規模な協調行動が起こるかを説明している。サバクトビバッタ（Schistocerca gregaria）の群れは、広域を飛翔したり、数十億匹で群れを成したりでき、自然界における集団行動の顕著な例となっている。Sercan Sayin らは、3D仮想環境下でイナゴの幼虫が仮想イナゴと相互に作用しながら自由に動くという革新的な仮想現実（VR）システムと野外実験を組み合わせて、古典的な集団行動モデルではイナゴの群生行動を説明できないことを示した。イナゴは、群れの密度が上がると自身のそばで動くイナゴときっちり足並みをそろえるというような、従来のモデルで想定されていた一定の相互作用規則に従うのではないことをSayinらは発見した。そうではなく、イナゴは他のイナゴに引き寄せられたかのように動いた。この行動は、個人は自身の内的コンセンサスに基づいて方向を選択するという時空間に関する意思決定の極小認知モデルと一致していた。関係するPerspectiveではCamille BuhlとStephen Simpsonが次のように書いている。「Sayinらは、イナゴなどの生物が一定の時空間規則に従って行動する移動粒子だと考えるのを止め、生物はそれぞれの感覚環境に動的に反応して確率的意思決定を行うと考えるときが来たと結論付けている。」

臨床段階の生成AI駆動バイオテクノロジー企業であるインシリコ・メディシン（以下「インシリコ」）は本日、経口投与可能な新規共有結合型CDK12/13デュアル阻害剤のシリーズを発表しました。このシリーズは、難治性および治療抵抗性癌に対する潜在的な治療オプションとなる可能性があります。この研究は、Journal of Medicinal Chemistry（インパクトファクター=7.2）に掲載され、CDK12/13を標的とする強力で選択的かつ安全な治療法である化合物12bの発見を特集しています。この研究は、インシリコが独自に開発した生成AIプラットフォーム「PandaOmics」および「Chemistry42」によって可能となりました。

組織内の細胞同士の協調に着想を得て、研究者らがロボット集合体システムを開発した。このシステムは、強固な構造から別の強固な構造へと変化でき、自身の数百倍の重量を支えることもできる。この進歩はいわゆる「ロボット材料」 ―― 個々のロボットユニットがまとまって密接に相互作用し、単一の動的適応構造として機能するもの ―― の開発における主要な課題を克服している。これらのシステムの実現では根本的課題が提示される。すなわち、この「材料」は荷重を支持する十分な強度と剛性がなければならないのと同時に、スイッチを入れれば自由に流動して新しい形態をとることができなければならないのだ。自力で運動できない物質や従来のロボットシステムとは異なり、生きた胚組織には空間や時間を超えて自らの機械的性質を組織内で調整できる驚くべき能力がある。協調的な細胞挙動を通じて機械的性質を調整する生きた胚組織から着想を得て、Matthew Devlinらは、鍵となる細胞間相互作用の機構をモーター駆動ギア、受光装置および回転磁石を使って模倣したロボット集合体を設計した。これらの機構によって力の変動や極性を精密に制御することが可能になり、システムは剛性と流動性を動的に調整できるようになっている。Devlinらが実証した構造形成では、ロボットユニットは複数の柱を形成し、それらがまとまって1本の安定した耐荷重性アーチになった。この集合体は自己回復性も示し、流動化して構造的欠陥を閉じた。またこれは物体操作も示し、方向性を持った力を加えて物体を動かした。その上、このシステムは機能的なツールへと応用され、物体の周囲へと流動してから堅くなり、トルクをかけることのできるレンチになった。研究者らはさらに支持構造を紹介し、ここで集合体は個々のユニットの重量を超える荷重に耐えて人間1人分（約700ニュートン）を支持し、その後は難なく流体の状態へと戻っていった。

新規の機械学習モデルであるMal-IDは、個人が過去に罹患した感染症や疾患に関する免疫系の記録を解読できることが、新たな研究によって報告されている。このモデルは強力なツールであり、自己免疫疾患、ウイルス感染症、およびワクチンに対する応答性を正確に診断・評価できる可能性がある。自己免疫疾患やその他の免疫疾患に対する従来の臨床診断法は、身体診察、病歴、ならびに細胞および分子レベルの異常を検出するための様々な臨床検査の組み合わせに依拠する傾向があり、そのプロセスは手間がかかり、最初の誤診断や曖昧なシステムによってさらに複雑化することが多い。これらの従来法では、個々の患者における適応免疫系のB細胞受容体（BCR）およびT細胞受容体（TCR）に関するデータが十分に活用できない。BCRおよびTCRのレパトアは、病原体、ワクチン、およびその他の抗原刺激に反応して、クローン性増殖、体細胞変異、および免疫細胞集団の選択的再構成によって変化を受ける。BCRとTCRの遺伝子配列決定を行うことは、包括的な診断ツールとして、一回の検査で感染症、自己免疫疾患および免疫関連疾患を同時に検出できる可能性がある。しかし、どの程度、免疫受容体レパトアの配列決定だけで疾患を高い信頼性で幅広くs域別できるかは、依然として不明である。 この問題を解決するため、Maxim ZaslavskyらはMal-ID（MAchine Learning for Immunological Diagnosis）と名付けられた、3つのモデルから成る機械学習モデルを開発した。このモデルは、患者の免疫受容体に関するデータセットを解析して、感染症や免疫疾患、およびワクチン応答性の遺伝的シグネチャーを同定するものである。Zaslavskyらは、593人の対象者から系統的に収集されたBCRおよびTCRに関するデータを用いてMal-IDの訓練を行い、この対象者にはCOVID-19、HIVおよび1型糖尿病（T1D）の患者、インフルエンザワクチン接種者、ならびに健康対照者が含まれた。その結果Mal-IDは、BCRおよびTCRのペアサンプル550個において6つの疾患状態を効果的に識別し、マルチクラスAUROCスコアは0.986であったことから、疾患分類の精度が極めて高いことが示された。この指標値は同モデルについて、これら全ての疾患の比較において陽性者を陰性者から分類する性能を反映している。同モデルはCOVID-19、HIV、ループス、T1Dの患者および健康者を識別でき、このことは強力な診断ツールとしての能力を示しているが、Zaslavskyらは同モデルについて、臨床現場において信頼できるツールとして使用できるようになる前に、臨床データを用いてさらなる改良を行う必要があると指摘している。