[イーデイリーKIM JI-WAN 記者] 人工知能（AI）が数十万もの新薬候補物質を設計する時代が幕を開ける中、むしろこれらを実際の実験で検証するウェットラボ（Wet-Lab）が、AI新薬開発における新たなボトルネックとして浮上しています。#プロティナが、タンパク質相互作用（PPI）分析技術を基盤に、この市場を的確に狙っているという分析が示されました。
IVリサーチは去る2日、報告書を通じて「今後、AIを活用した新薬開発における核心的なボトルネックは、AIモデル自体よりも、供給が限られている実際の実験による検証能力になるだろう」とし、プロティナのAIバイオファウンドリー（Biofoundry）事業の拡大の可能性に注目しました。投資判断と目標株価は提示しませんでした。
問題は、AIが生成した候補物質が実際に医薬品となり得るかどうかという点です。抗体候補物質は、標的と良好に結合するだけでなく、大量生産が可能か、容易に凝集しないか、特定の温度で安定性を維持できるかなどを確認する必要があります。いわゆる「開発適性（developability）」です。
IVリサーチは、結合力やタンパク質構造の予測技術は急速に改善されているものの、生産性・凝集の可能性・安定性といった開発適性に関するデータは相対的に不足しており、AIの予測精度が低いと分析しました。結局のところ、AIが候補物質を大量に生み出せば出すほど、これを実際の実験で検証するためのインフラの希少性が高まる可能性があるということです。
プロティナが推進するAIバイオファウンドリーは、まさにこの点を狙っています。AIが設計した抗体候補物質を実際のウェットラボで大規模に発現させ、結合力・生産性などの特性を評価して、最終候補を選定してくれるサービスです。
同社は、既存のPPIランドスケープ（Landscape）事業を通じて、社内の新薬開発に活用してきた候補物質の生成、発現、結合力・生産性の評価、候補選別プロセスを、外部の顧客にサービスとして提供する計画です。 現在、月間約4万件である分析能力（CAPA）を、完全自動化ウェットラボ（Full Wet Lab Automation）を通じて、2028年には月間100万件まで約25倍に拡大するという目標を掲げています。
事業構造についても、AIモデルのみで候補を選定する方式から脱却し、「Lab-in-the-Loop」、すなわちAIによる設計と実際の実験検証を繰り返す構造へと移行することで、新薬開発の効率を高める方向性を提示しています。
既存の事業もAIバイオファウンドリーと連携します。プロティナの中核事業は、PPIランドスケープとPPIパスファインダー（PathFinder）です。PPIランドスケープは、単一分子タンパク質相互作用解析（SPID）プラットフォームを利用して、抗体候補物質の特性を大規模に測定・最適化する事業です。サムスンバイオエピスと共同開発および技術移転オプション契約を締結し、現在評価を進めています。
PPIパスファインダーは、患者の臨床検体からタンパク質間の相互作用の変化を分析し、バイオマーカーを発掘・検証するものです。 現在、BCL-2血液がんバイオマーカーの分析・検証サービスを提供しており、炎症性疾患や脳疾患へと適用範囲を広げています。自社開発の新薬としては、変形性関節症治療薬「PRT-101」と、肥満・代謝性疾患治療薬「PRT-1309」を開発しています。
プロティナの投資ポイントは、結局のところ「AIモデルの競争」そのものではなく、AIが生み出した膨大な候補物質を実際の医薬品として選別する検証インフラにあります。AIを活用した新薬開発企業が減り、候補物質の生成速度が速くなるほど、ウェットラボでの検証需要も同様に高まる可能性があるためです。
IVリサーチは、「AIを活用した新薬開発における核心的なボトルネックは、モデル自体よりも実際の実験による検証能力になるだろう」と明らかにしました。AIによる新薬候補の生成速度が速くなるほど、プロティナはその候補を「検証する工場」として事業モデルを拡大していくという構想です。
IVリサーチは去る2日、報告書を通じて「今後、AIを活用した新薬開発における核心的なボトルネックは、AIモデル自体よりも、供給が限られている実際の実験による検証能力になるだろう」とし、プロティナのAIバイオファウンドリー（Biofoundry）事業の拡大の可能性に注目しました。投資判断と目標株価は提示しませんでした。
AIが数十万個を設計しても、結局は「実験」を経なければなりません。 AIによる新薬開発技術は、ここ数年で急速に発展しました。AlphaFold3をはじめ、Boltz-1、Protenix-v1、OpenDDEなど、タンパク質構造や抗原・抗体結合を予測する公開モデルが登場したことで、候補配列を作成するための参入障壁は大幅に低くなりました。
問題は、AIが生成した候補物質が実際に医薬品となり得るかどうかという点です。抗体候補物質は、標的と良好に結合するだけでなく、大量生産が可能か、容易に凝集しないか、特定の温度で安定性を維持できるかなどを確認する必要があります。いわゆる「開発適性（developability）」です。
IVリサーチは、結合力やタンパク質構造の予測技術は急速に改善されているものの、生産性・凝集の可能性・安定性といった開発適性に関するデータは相対的に不足しており、AIの予測精度が低いと分析しました。結局のところ、AIが候補物質を大量に生み出せば出すほど、これを実際の実験で検証するためのインフラの希少性が高まる可能性があるということです。
プロティナが推進するAIバイオファウンドリーは、まさにこの点を狙っています。AIが設計した抗体候補物質を実際のウェットラボで大規模に発現させ、結合力・生産性などの特性を評価して、最終候補を選定してくれるサービスです。
同社は、既存のPPIランドスケープ（Landscape）事業を通じて、社内の新薬開発に活用してきた候補物質の生成、発現、結合力・生産性の評価、候補選別プロセスを、外部の顧客にサービスとして提供する計画です。 現在、月間約4万件である分析能力（CAPA）を、完全自動化ウェットラボ（Full Wet Lab Automation）を通じて、2028年には月間100万件まで約25倍に拡大するという目標を掲げています。
事業構造についても、AIモデルのみで候補を選定する方式から脱却し、「Lab-in-the-Loop」、すなわちAIによる設計と実際の実験検証を繰り返す構造へと移行することで、新薬開発の効率を高める方向性を提示しています。
ツイスト社との協力…バイオファウンドリー事業化の試金石 最初の
事業化の試金石として、ツイスト・バイオサイエンス（Twist Bioscience）社との協力が挙げられます。IVリサーチは、両社がプラットフォームの検証を終えた後、本契約へとつながる可能性があると見込んでいます。本契約が締結された場合、ツイスト社が候補配列のDNAを製造し、プロティナ社がタンパク質の発現から特性評価までを担当する構造になると予想されます。
既存の事業もAIバイオファウンドリーと連携します。プロティナの中核事業は、PPIランドスケープとPPIパスファインダー（PathFinder）です。PPIランドスケープは、単一分子タンパク質相互作用解析（SPID）プラットフォームを利用して、抗体候補物質の特性を大規模に測定・最適化する事業です。サムスンバイオエピスと共同開発および技術移転オプション契約を締結し、現在評価を進めています。
PPIパスファインダーは、患者の臨床検体からタンパク質間の相互作用の変化を分析し、バイオマーカーを発掘・検証するものです。 現在、BCL-2血液がんバイオマーカーの分析・検証サービスを提供しており、炎症性疾患や脳疾患へと適用範囲を広げています。自社開発の新薬としては、変形性関節症治療薬「PRT-101」と、肥満・代謝性疾患治療薬「PRT-1309」を開発しています。
プロティナの投資ポイントは、結局のところ「AIモデルの競争」そのものではなく、AIが生み出した膨大な候補物質を実際の医薬品として選別する検証インフラにあります。AIを活用した新薬開発企業が減り、候補物質の生成速度が速くなるほど、ウェットラボでの検証需要も同様に高まる可能性があるためです。
IVリサーチは、「AIを活用した新薬開発における核心的なボトルネックは、モデル自体よりも実際の実験による検証能力になるだろう」と明らかにしました。AIによる新薬候補の生成速度が速くなるほど、プロティナはその候補を「検証する工場」として事業モデルを拡大していくという構想です。
