Google DeepMindのタンパク質構造予測、95%達成が創薬にもたらす本当のインパクトとは？ 編集部が一次情報を確認したところ、この「95%」という数字の出典となる公式発表は見当たらなかった。DeepMindおよびそのスピンオフであるIsomorphic Labsが公開している資料から確認できるのは、以下の実績である。
AlphaFold2がCASP14で示した精度
DeepMindは2020年、タンパク質構造予測の国際コンテスト「CASP14」において、AlphaFold2が全対象タンパク質でGDTスコア（Global Distance Test、構造予測の一致度を0〜100で表す指標）の中央値92.4を記録したと公表した。CASP共同創設者のJohn Moult教授は、GDTスコアがおおむね90を超えると実験手法に匹敵する精度とみなされると述べている（出典: Google DeepMind公式ブログ「AlphaFold: a solution to a 50-year-old grand challenge in biology」 https://deepmind.google/blog/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology/ ）。
これが「タンパク質構造予測の精度が90%を超えた」という報道の出どころであり、見出しにある「95%」という数字とは異なる。編集部としては、95%という具体的な数値の一次資料は確認できなかった旨を明記しておく。
AlphaFold3による適用範囲の拡大
2024年5月、DeepMindとIsomorphic Labsは後継モデル「AlphaFold3」を発表した。公式発表によると、AlphaFold3はタンパク質単体だけでなく、DNA、RNA、低分子化合物との相互作用構造も予測できるようになり、タンパク質と低分子の結合構造予測（PoseBustersベンチマーク）において既存の最良手法比で50%以上精度が高く、一部の重要な相互作用カテゴリでは精度が倍増したとされている（出典: Isomorphic Labs「AlphaFold 3 predicts the structure and interactions of all of life’s molecules」 https://www.isomorphiclabs.com/articles/alphafold-3-predicts-the-structure-and-interactions-of-all-of-lifes-molecules ）。
この「相互作用まで予測できる」という点が、AlphaFold2からの最大の技術的進化であり、創薬研究者が実際に必要としていた「薬剤候補分子がターゲットタンパク質にどう結合するか」という問いに、初めて直接答えられるようになった。
創薬への実装状況
DeepMindのスピンオフであるIsomorphic Labsは、これらの技術を実際の創薬プロセスに組み込んでいる。同社は2025年3月、Thrive Capitalが主導するラウンドで6億ドルの資金調達を実施し、Alphabet傘下のGVも参加した（出典: TechCrunch「Alphabet’s AI drug discovery platform Isomorphic Labs raises $600M from Thrive」 https://techcrunch.com/2025/03/31/alphabets-ai-drug-discovery-platform-isomorphic-labs-raises-600m-from-thrive/ ）。同社はEli LillyやNovartisといった大手製薬企業と創薬提携を結んでおり、AI予測技術を実際の医薬品開発パイプラインに組み込む取り組みを進めている。
データと検証体制の重要性
AlphaFold3は研究・非商用利用向けにウェブ上の「AlphaFold Server」を提供し、研究者が構造予測を試せる環境を整えている。一方で、学習データの偏りや、まれな配列・進化的に遠い種のタンパク質に対する予測精度の限界は、DeepMind自身も認識している課題である。AI創薬に関する報道を評価する際は、モデルの公開状況（オープンアクセスかどうか）と、検証可能な一次資料の有無をあわせて確認することが欠かせない。
数字をどう読むか、実務でどう判断すべきか
AI創薬の分野では「精度○%」という数字が独り歩きしやすい。GDTスコアはあくまでタンパク質の立体構造がどれだけ実験結果に近いかを示す指標であり、「その薬が効くかどうか」「安全かどうか」を保証するものではない。精度指標が高くても、実際の薬剤候補として機能するかどうかは、依然としてウェットラボでの実験検証が不可欠だという点で、専門家の見解は一致している。
実務担当者がAI創薬関連のニュースに接する際は、(1)その数字がどのベンチマーク・データセットに基づくものか、(2)一次資料（企業公式発表・査読論文）に当たれるか、(3)臨床段階まで到達した実績があるか、の3点を確認することが、誇張された数字に振り回されないための最低限の作法になる。
投資家・技術者への示唆
投資家にとっては、AlphaFoldのような基盤モデルの精度向上そのものよりも、それを実際の創薬パイプラインに落とし込み、臨床試験まで到達させる実行力を持つ企業を見極めることが重要になる。Isomorphic Labsのように、大手製薬企業との提携と資金調達の両輪を回せているかどうかが、一つの判断材料になるだろう。
技術者にとっては、AIが生成した予測構造をどう解釈し、次の実験設計にどうつなげるかという、計算生物学とウェットラボの橋渡しができる人材の需要が今後も高まると見られる。AIモデルの出力をそのまま信じるのではなく、その予測の根拠や限界を理解した上で活用する姿勢が求められる。
まとめ
Google DeepMindおよびIsomorphic Labsの一連の発表を一次資料まで遡ると、確認できる事実は「AlphaFold2がCASP14でGDT中央値92.4を記録した」「AlphaFold3が相互作用予測で50%以上の精度向上を達成した」という2点であり、出典として引用した両社の公式資料に「95%」という具体的な数字は見当たらなかった。AI創薬のニュースを評価する際は、見出しの数字よりも、一次情報に当たり、その数字が何を測定したものかを確認する姿勢が欠かせない。