DNAをソースコードとして——モデルよりもモデルが重要な理由
いかなる科学分野の歴史においても、現実が変わる前に言語が変わる瞬間がある。まず、あることがすでに真実であるかのように語られ始め、その後、ゆっくりと、本当にそうなる。プログラマブル生物学において、私たちは今まさにその閾値に立っている。DNAは、数十年にわたって「読む」対象であったが、今や「書く」対象へと変わりつつある。そして、そのことが投資家、経営者、あるいは創業者に突きつける問いは、科学が機能するかどうかではなく、それを取り巻くビジネスモデルが長続きするよう設計されているかどうかである。
背景はこうだ。ジュネーブ大学は今年、DNAに基づく治療システムを発表した。それは分子論理回路として機能するものだ。この薬は、特定の腫瘍マーカーを二つ同時に検出するまで不活性のままであり、これは腫瘍学に応用された二要素認証アーキテクチャと言える。マーカーが一つだけ現れても何も起こらない。二つが揃って初めて、システムはがん組織に直接治療薬を放出する。この研究は Nature Biotechnology に掲載されており、その内部論理は生化学の枠を超えた意味で洗練されている。すなわち、副次的毒性と薬剤耐性という二つの問題を同時に攻略しながら、既存のものとは根本的に異なる投与機構を必要としない。
並行して、Arc InstituteとNvidiaが開発したEvo 2のような計算モデルが、ゲノムをその技術的実態として扱っている。つまり、トランスフォーマーアーキテクチャでモデル化できる四文字の言語として、だ。AlphaFoldはすでに、タンパク質を計算的に十分な精度で予測できることを示し、2024年のノーベル賞受賞に値すると証明した。論理的な次のステップは、同じ計算能力を完全な遺伝子配列の設計に応用することだ。そしてそこに、スタートアップの語り口が力強く、時に厳密さより速く入り込んでくる。
モデルが競争優位ではない場合
この領域で投資家が犯す最もコストの高い誤りは、基盤モデルへのアクセスと競争上のポジションを混同することだ。両者は同じではない。ゲノム言語モデルは、インプット（生産要素）のカテゴリーへと収束しつつある。必要ではあるが、持続的な優位性を構築するためには十分ではない。Gartnerはすでにこれらを「戦略的原材料」に分類している。同等のモデルを訓練するコストは下がり続けており、オープンソースの代替品も登場し続けている。
これはテクノロジーへの批判ではない。価値のアーキテクチャに関する観察だ。他社も購入あるいは複製できるモデルへのアクセスを提案の根拠に据えた企業には、堀（モート）はない。あるのは出発点だけだ。堀は別のところから生まれる。
DNAに基づく治療の場合、構造的な優位性はゲノムが言語であることを知っていることにはない。それは、どの配列が機能し、どれが機能しないか、どのような条件下で、どの組織で、どの程度の選択性をもって機能するかについて、独自のデータを体系的かつ累積的に生成する能力にある。それはダウンロードできるものではない。ピペット、マウス、誰も持っていない記録された失敗の積み重ねで、実験ごとに構築されるものだ。計算的予測から生物学的検証まで、そして再びモデルへという循環を閉じた企業は、競合他社が同じAIインフラへのアクセスを購入しても複製できないものを持っている。
計算バイオテクノロジーのスタートアップエコシステムは、この区別について繰り返し問題を抱えている。豊富な資本、強力なテクノロジーの語り口、最先端モデルへのアクセス——これらは多くの企業が共有している条件だ。反復的なウェット・ラボ実行によって生成される独自データこそが希少なリソースである。市場がモデルを購入する企業とループを構築する企業を区別するとき、その差は防御可能なポジションとラボ付きのコモディティの間の境界線になる。
規制は摩擦ではなく、フィルターだ
純粋に技術的な分析が過小評価しがちな第二の側面がある。それは、厳格な規制環境で事業を行うことの価値だ。ヒトの腫瘍学は、12週間の製品サイクルでは動いていない。動物実験、製造審査、各フェーズにわたるFDA承認——これらすべては遅く、コストがかかり、交渉の余地がない。外から見れば、それは参入障壁のように見える。しかし戦略の内側から見れば、まったく逆のことだ。
規制は構造的な品質フィルターとして機能する。臨床検証プロセスを維持できない企業はフェーズ1に到達しない。十分に堅牢なデータを持たない企業は製造審査を通過しない。証拠よりも語り口を優先する企業は、市場に到達する前に暴露される。これは患者だけを保護するのではなく、急いで、厳密さなしに参入した競合他社から、長期的な視野を持つ投資家を守るものでもある。
がんに応用されたプログラマブル生物学は、「機能しそうだ」では決して十分ではなかった分野だ。規制の少ないセクターでは制限と見なされるこの要求の厳しさが、ここでは正しくプロセスを通過した者にとっての優位性となる。動物モデルにおける完全なセキュリティデータパッケージ、承認済みの製造プロセス審査、実証された選択的活性化プロファイルを持ってフェーズ1試験に臨む企業は、新鮮な資金では複製できない資産を持っている。そのプロセスに費やされた時間は機会費用ではなく、構築されたポジションだ。
これはまた、この領域のスタートアップを評価している投資家にとっても直接的な意味を持つ。最も情報量の多い指標は、使用しているAIモデルではなく、自社の実験プロセスの質と深さだ。一度のラウンドで評価された25万件の候補から成るパイプラインで、各変異体にラベルが付けられてシステムにフィードバックされているなら、それは支えとなる基盤モデルの名前よりもはるかに具体的なシグナルだ。誰も持っていないデータが資産であり、モデルはツールに過ぎない。
治療設計、アーキテクチャの教訓として
ジュネーブ大学の二重マーカーシステムの論理には、その臨床的意味を超えて吟味する価値があるものがある。この設計は、従来の薬の特異性の欠如という古い問題を、より強力な分子によってではなく、より精密な活性化条件によって解決している。より多くを破壊しようとするのではなく、より適切に破壊しようとする。この区別はアーキテクチャ的なものだ。
生化学では、この原理はゲート論理と呼ばれる。ソフトウェアエンジニアリングでは条件分岐だ。リスク戦略では、引き金と銃を分離することと同じだ。システムは、二つの独立した条件が同時に満たされるまで作動しない。その結果、望ましくない活性化の発生率は、用量調整によってではなく、設計によって構造的に低下する。
このアプローチを単に巧妙なものではなく、堅牢なものにしているのは、薬剤耐性を効力の問題としてではなく、カバレッジの問題として扱っている点だ。腫瘍がある薬剤に対して耐性を発達させた場合、同じ活性化イベントで複数の薬剤を放出するようシステムを設計できる。それは耐性を排除しないが、問題を、腫瘍より設計者がより多くの変数を持つ領域へとシフトさせる。
ビジネスモデルへの示唆は直接的だ。異なるマーカーの組み合わせと異なる薬物ペイロードのためにモジュール化できる治療システムは、単一分子の薬とは大きく異なる製品プロファイルを持つ。検証された新しい組み合わせはそれぞれ潜在的に新製品となる。資産は単一の分子ではなく、設計プラットフォームと、実験サイクルごとに蓄積される検証済み組み合わせのカタログだ。これは企業の評価方法を変え、知的財産の構造を変え、このコンテキストでスケールが意味することを変える。
資本は生物学を代替できない
AIバイオテクノロジーの資金調達において最も顕著な罠は、資本を生物学的時間の代替として使うことだ。計算モデルは候補の特定を加速できる。しかし臨床検証のタイムラインを、証拠の質を落とすことなく圧縮することはできない。そしてこの分野では、劣化した証拠は広報上の問題ではない。フェーズ2またはフェーズ3の失敗——薬の全ライフサイクルで最もコストのかかる段階——に終わるリスクだ。
この領域で最も脆弱なスタートアップは、十分な実験的検証を持つ前に、AIの語り口によって大きなラウンドを獲得したものだ。資本は素早く集まる。生物学的データの成熟はそうではない。二つの曲線が一致していないとき、資金は問題を解決しない。より後になって、より大きなコストでそれを可視化するだけだ。バイオテクノロジーでは、これには技術的な名称がある。臨床実行リスクだ。そして、これが最も頻繁に良い話を悪い投資に変えるものだ。
この空間で最も防御しやすいリスクプロファイルは特定の形を持っている。素早く体系的な実験的反復、予測モデルへの継続的なフィードバック、そして蓄積されるデータ——即興ではなく——による段階的な規制上の進展だ。その組み合わせは派手ではない。最大のラウンドも、最も注目を集める見出しも生まない。しかしそれだけが、複製できない種類の資産を生み出す。すなわち、時間をかけて、誰も構築する規律を持たなかったプロセスによって生成された、独自の生物学的精度データだ。
ベンチャーキャピタル市場の状況は、構造よりも語り口を定期的に優遇する。AIバイオテクノロジーにおいては、ゲノミクスと言語モデルの収束が本物の意味で強力であり、本物の意味で新しいため、これは特に顕著だ。しかしこのセクターにおける企業の構造的な質は、使用しているモデルでは測られない。実験ループの深さ、規制プロセスの堅牢さ、そしてデータの複製不可能性によって測られる。それら三つのことには、時間、制度的な粘り強さ、そして資本が資金提供はできても代替はできない実行が必要だ。
