米Biohubは米エネルギー省（DOE）や国立衛生研究所（NIH）、Google DeepMind、Metaなどと連携し、生物学AI向けデータ基盤を構築する国際プロジェクトの拡大を発表した。
資金や計算資源など総額18億ドルを投じる。
官民連携で生物学AI向けデータを大規模整備
Biohub、DOE、NIH、新たな資金提供パートナーは、生物学の予測AIモデルに必要なデータを生成・公開する取り組みを拡大すると2026年10月7日に発表した。
参加組織は資金や既存の研究データ、計算資源、計測技術など、総額18億ドル規模の資源を結集し、研究者が利用できるオープンな基盤を整備する方針だ。
DOEは今後5年間で5億ドル超を拠出し、国立研究所のエクサスケール級スーパーコンピューターや高度な計測設備、自律実験室などを活用する。
NIHは過去5億ドル超の連邦投資によって構築されたデータセットやリポジトリ、知識ベースの提供を調整する。BiohubはNIHと協力し、これらのデータをAIモデルの学習に適した形式へ標準化する。
民間ではGoogle DeepMind、Isomorphic Labs、Metaが「Virtual Biology Initiative」に合計3億ドルを投資する。
Biohubも同構想に5億ドルを拠出しており、うち4億ドルを新たな計測技術の開発、1億ドルを外部研究の支援に充てる。
対象となるのは、細胞が介入にどう反応するかを示す大規模なマルチモーダルデータ（※）などである。
Allen InstituteやBroad Instituteなどの研究機関も協力し、NVIDIAは高速化された計算インフラや専門ソフトウェア、技術的知見の活用を支援する。
※マルチモーダルデータ：画像、遺伝子情報、分子情報など、異なる種類・形式のデータを組み合わせた情報群。AIが複数の観点から生命現象を学習するための基盤となる。
疾病研究を加速する一方、標準化と検証が課題
今回の投資が進めば、研究者は実験室で一つずつ検証していた生命現象の一部を、AIモデル上で予測しながら研究できるようになる可能性がある。
特に細胞の状態変化や介入への反応を高精度で再現できれば、疾病の理解や治療法候補の探索を効率化する効果が期待できる。
一方、巨大な研究資源を実用的なAI基盤へ変えるには、異なる研究機関が持つデータを共通形式で扱えるようにする必要がある。
測定条件や識別子が統一されなければ、モデルの学習精度や再現性に影響するため、データ標準化は事業規模と同じほど重要な論点になる。
また、生物学AIの予測は最終的な医学的判断そのものではない。
予測結果を実験で検証し、誤差や偏りを継続的に確認する仕組みが欠かせないだろう。
それでも、政府、巨大テック、研究機関が共同でオープンなデータ基盤を整える意義は大きい。
今回の18億ドル規模の連携が継続すれば、生命科学におけるAI活用は、個別の研究機関による取り組みに加え、国際的な共通インフラを活用した共同研究へと広がる可能性がある。
関連記事：
Microsoftが生物学世界モデル発表 創薬研究をAIで加速
Googleが90億通りのDNA全塩基変異の影響を予測した基盤地図を無償公開
エヌビディア×イーライリリー AI創薬研究施設設立 10億ドルを投じる計画
