「DeepMindがAlphaFold 4を発表し、精度90%超えを達成した」という趣旨の情報が一部のニュースサイトやSNSで拡散した。しかし編集部が確認した限り、「AlphaFold 4」はDeepMindが公式に発表した製品名ではない（出典: DeepMind公式ブログ https://deepmind.google/science/alphafold/ の製品一覧を編集部が確認、2026年8月時点）。「精度90%超え」という具体的な数値も、DeepMind自身のリリースでは確認できていない。この数字を前提に投資判断や研究計画を組むのは避けるべきだ。
AlphaFold 2がもたらした転換点
2020年のAlphaFold 2の登場は、生物学の歴史におけるランドマークだったと言っていい。タンパク質フォールディング問題は半世紀以上にわたり「生物学の聖杯」と呼ばれ、多くの研究者が挑んできた難問だった。アミノ酸配列から、そのタンパク質が細胞内でどのような立体構造をとるのかを予測できれば、病気のメカニズム解明や新薬開発が加速する。AlphaFold 2はCASP（Critical Assessment of Protein Structure Prediction）の評価において、それまでの手法を大きく上回る精度を示し、科学界に衝撃を与えた。
DeepMindはその後、AlphaFold 2で予測したタンパク質構造をEMBL-EBI（欧州分子生物学研究所・欧州バイオインフォマティクス研究所）と連携し「AlphaFold DB」として無償公開した。これにより世界中の研究者が予測構造に自由にアクセスできるようになり、その後のバイオテック分野の研究加速に大きく寄与した。
「次世代AlphaFold」の公式情報とAlphaFold 4という呼称の実態
DeepMind自身が公式ブログで言及しているのは「次世代のAlphaFold」であり、既存の実験データがほとんどない、あるいは全くないタンパク質やリガンド（低分子化合物）についても、従来より高い精度で構造予測できるようになったと説明している。ただし、この発表でも具体的な改善率としての「90%」という数字は示されていない（出典: DeepMind公式ブログ「A glimpse of the next generation of AlphaFold」https://deepmind.google/blog/a-glimpse-of-the-next-generation-of-alphafold/）。
「AlphaFold 4」という呼び方が広まったきっかけは、DeepMindのスピンオフであるIsomorphic Labsが2026年2月に発表した創薬AIモデル「IsoDDE」だ。抗体構造やタンパク質-薬剤相互作用の予測で既存のオープンソースモデルを上回る性能を示し、外部の計算生物学者がその水準を「AlphaFold 4に匹敵する進歩」と評したことから、この呼称がメディアやSNSで独り歩きするようになった。IsoDDEはIsomorphic Labs独自のモデルであり、DeepMind本体が「AlphaFold」シリーズの新バージョンとして公式に位置付けたものではない。
ビジネス面で確認できる事実
DeepMindはGoogle傘下であり、創薬に特化したスピンオフ企業Isomorphic Labsを既に展開している。Isomorphic Labsは2024年1月、Eli Lillyとの戦略研究提携を発表し、契約一時金4,500万ドルに加え、開発の進捗に応じて最大17億ドルの成功報酬(マイルストーン)を受け取る権利を得た。同時期にNovartisとも提携し、契約一時金3,750万ドル、最大12億ドルのマイルストーン契約を結んでいる(出典: TechCrunch「Isomorphic inks deals with Eli Lilly and Novartis for drug discovery」https://techcrunch.com/2024/01/07/isomorphic-inks-deals-with-eli-lilly-and-novartis-for-drug-discovery/、Isomorphic Labs公式 https://www.isomorphiclabs.com/partnerships)。この2件だけで合計約30億ドル規模の契約となっており、AI創薬への製薬大手の本気度を示す実例といえる。
投資家にとっては、これはAI創薬分野への継続的な資金流入を示すシグナルだ。ただし、AIはあくまで候補化合物の探索・予測を加速するツールであり、実際に薬が患者に届くまでには臨床試験という長いプロセスが残る。AIが提示した有望な候補が、臨床で効果を発揮し安全性を確認されるまでには、なお膨大な時間とコストがかかる。投資判断にあたっては、技術的な性能だけでなく、契約条件や臨床開発の進捗、規制当局との関係まで多角的に見る必要がある。
技術者が今、着目すべき点
技術者にとって重要なのは、出典不明のまま広まった改善率の数字ではなく、DeepMindが公式に示している方向性だ。既存の実験データが乏しい分子でも高精度な予測を可能にするアプローチ、リガンドや核酸を含む幅広い生体分子への対応拡大は、公式ブログで確認できる実際の技術トレンドである。Diffusionモデルや大規模言語モデル（LLM）の知見を構造予測に応用する研究は、AlphaFold 3以降すでに進んでいる領域であり、次のブレークスルーもこの延長線上にある可能性が高い。
創薬におけるリード化合物の最適化、毒性予測、体内動態予測など、予測構造を基盤とした応用シミュレーション技術の開発は、公式・非公式を問わず着実に進んでいる分野だ。技術者としては、未確認の性能数値に注目するより、DeepMindやIsomorphic Labsが実際に公開する技術レポートやベンチマーク結果を追い、再現可能な情報から判断する姿勢が求められる。
精度の数字より、何を検証すべきか
「精度90%超え」というインパクトのある数字が一人歩きする一方で、その数字が何を測定した結果なのか、どのタンパク質・分子クラスに対する精度なのかが分からなければ、実務上の意味は薄い。創薬の現場では、たった1つのアミノ酸の予測誤差が薬の有効性や安全性に致命的な影響を与えることもある。柔軟性に富むタンパク質や、他分子と相互作用する部位の構造予測は、依然として難易度が高い領域として残り続けるだろう。
結局のところ、この技術が医療の未来を変えるかどうかは、精度の数字そのものよりも、実験による検証や臨床試験を通じてどれだけの成果が積み上がるかにかかっている。編集部は今後も、公式に確認できる一次情報をもとにAlphaFoldおよび関連技術の動向を追跡していく。