GENの報告によると、米Triplebar Bioが、米国立科学財団（NSF）の支援を受け、カリフォルニア大学バークレー校のYun Song教授やBioMADEと組んで、バイオ製造の現場で得たデータで学習するAI細胞エンジニアリングモデルを開発している。製造工程に関連するタンパク質産生データを大規模AIデータベースに集積し、商業化された際に開発タイムラインの大幅な短縮と最適化成功率の向上をもたらし得るとされている。このようなバイオ製造関連の大規模データは現時点ではまだ希少であり、その整備が業界全体の課題となっている。
なぜバイオ製造に特化したAIモデルが必要か
医薬品タンパク質の製造では、細胞株の選択、培地組成、培養条件、精製プロセスなど多数のパラメータが生産性や品質に影響を与える。従来の開発アプローチでは経験則や試行錯誤に頼る部分が多く、スケールアップ段階での予期しない変動が開発期間の長期化や製品ロスにつながりやすかった。AIモデルを活用すれば、これらの多変数最適化問題をデータ駆動的に解くことが可能になる。ただし、汎用的なAIモデルは医薬品製造の文脈では直接使いにくく、実際の製造工程から得られた品質・収率・安定性データを組み込んだ専用モデルの構築が求められている。
バイオ製造データの「希少性」という課題
GENが指摘するように、バイオ製造に関連するタンパク質産生の大規模データを取得・整備しAIに供給できる体制は現状ではまだ整っていない。製薬企業やCDMOが保有する製造データは機密性が高く、業界横断での共有が難しいという構造的な問題もある。バイオ製造向けAIモデルの実装に向けては、製造データの体系的な収集・整備が最初のハードルとなる。商業化に向けた取り組みが本格化すれば、バイオプロセス開発の様相を大きく変えうる技術として注目を集めそうだ。
※ 本ページは公開情報（GEN報道）をもとにしたProglenth編集部による整理です。詳細・数値は一次情報もあわせてご確認ください。