京都大学などの研究グループが発表した「ごちゃまぜ人工基質法」は、新しい酵素を多数見つけた研究である。同時に、それは生命科学における問いの作り方を変える研究でもある。研究成果としてまず重要なのは、ペプチドへ脂質を付加する新しいプレニルトランスフェラーゼが多数見つかった点である。プレニルトランスフェラーゼとは、プレニル基と呼ばれる脂質性の分子部品を、別の分子へ移す酵素である。ペプチドにこのような脂質性の修飾が加わると、分子の安定性、膜とのなじみやすさ、体内での動き方、標的分子との結合の仕方が変わりうる。そのため、この酵素群は、天然物化学、ペプチド医薬品、酵素工学にまたがる重要な対象である。
京都大学と横浜市立大学の発表によれば、この研究では、天然基質に頼らず、さまざまな人工ペプチドを混ぜて反応させることで、候補タンパク質の酵素機能を一挙に評価する手法が開発された。その結果、14 種類の新規プレニルトランスフェラーゼと、これまでにない脂質化様式が見出された[1][2]。原論文は Nature Catalysis に掲載されており、論文名も「ペプチドプレニルトランスフェラーゼの迅速な探索基盤」という方法論上の位置づけを明確に示している[3]。
ただし、この研究の意味は、発見された酵素の数だけでは捉えきれない。14 種類という数字は成果を示すが、それだけでは、なぜこの研究が重要なのかを十分には説明しない。より重要なのは、研究者が自然界に存在する基質を待つのではなく、人工的に基質を作り、酵素に向けて多数の問いを投げた点にある。ここでいう問いとは、言葉による質問ではない。ある配列のペプチドを与えたら反応するか。どの残基に脂質が付くか。どの大きさの脂質を受け入れるか。反応の場所や様式は変わるか。人工基質は、酵素に対してそのような問いを物質の形で与える装置である。
基質という言葉を確認しておく。基質とは、酵素が反応を起こす相手の分子である。したがって、基質を変えることは、酵素に与える入力を変えることでもある。天然基質を使う場合、研究者は自然界で実際に使われている相手を手がかりにする。人工基質を使う場合、研究者は相手の種類、配列、構造、組み合わせを自分で設計できる。つまり、人工基質とは、単に便利な代用品ではない。酵素に何を尋ねるかを、研究者側が構成するための媒体である。
ここで見えてくるのは、酵素の能力が酵素の中だけに閉じているわけではないという点である。ある酵素が「何をできるか」は、その酵素を単独で眺めても分からない。どの基質を与えるか、どの条件で反応させるか、どの測定法で結果を読むかによって、見える能力は変わる。したがって、酵素の能力は、分子に固定された性質であると同時に、入力との関係の中で現れる性質でもある。この関係を見落とすと、今回の研究は「酵素の種類が増えた」という話に縮んでしまう。
生命科学は、生命を観察する学問であるだけでなく、生命への問いを設計する学問になり始めている。分子の能力は、分子の中に固定された性質として閉じているのではない。どのような問いを与えるかによって、どの能力が現れるかが変わる。新しい知識は、自然の中に眠っているだけではない。問いの設計によって、初めて現れることがある。
この見方は、測定を軽視するものではない。むしろ、問いを設計するとは、測定をより深く考えることである。何を測るか、何を測らないか、どの入力を与えるか、どの差異を意味あるものとして読むかを決めなければ、測定結果は単なる反応の一覧にとどまる。大量に試せることと、深く理解できることは同じではない。ごちゃまぜ人工基質法は、効率的な探索技術であると同時に、生命科学における知識の作り方を変える例でもある。
1. 新しい酵素を見つけた研究ではなく、問いを作った研究である
今回の研究を表面的に読めば、「新しい酵素を 14 種類見つけた」という話になる。その理解は間違いではない。未知だった酵素を見つけることは、天然物化学にとって重要である。ペプチドを修飾する酵素の種類が増えれば、天然物の多様性を理解しやすくなる。さらに、ペプチド医薬品や機能性分子の設計にも使える可能性が広がる。
ただし、その理解だけでは、成果の位置づけが浅くなる。なぜなら、14 種類の酵素が見つかったという結果は、より根本的な変化の表面に現れたものだからである。研究の順序を丁寧に見ると、まず人工的に設計した多数のペプチド基質がある。それらを混ぜた状態で候補酵素に与える。反応後に、どのペプチドがどのように修飾されたかを質量分析で読む。その結果として、従来は見つけにくかった酵素機能が一挙に見えるようになった。
つまり、成果の因果関係は「酵素をたくさん見つけたから方法が優れていた」ではない。正しくは、「問い方を変えたから、これまで見えなかった酵素機能が見えた」である。この違いは大きい。前者では、研究の価値は発見数に置かれる。後者では、研究の価値は、見えなかった機能を見えるようにした実験形式に置かれる。
この違いを理解するために、従来の探索と今回の探索を分けて考える必要がある。従来の探索では、自然界に存在する基質や既知の天然物が重要な手がかりになる。そこでは、自然がすでに実現した反応をたどり、その反応に関わる酵素を見つけていく。一方、ごちゃまぜ人工基質法では、研究者が多様な人工ペプチドを用意し、候補酵素に対してまとめて与える。これは、自然界で確認済みの相手を探すというより、酵素がどのような相手に反応しうるかを広く尋ねる方法である。
| 観点 | 浅い理解 | 本稿での読み方 |
|---|---|---|
| 発見 | 新しい酵素を多数見つけた研究である。 | 多数の人工基質を通じて、酵素の応答を広く読めるようにした研究である。 |
| 方法 | 一度にたくさん試せる効率的な実験法である。 | 自然界が用意した基質ではなく、研究者が設計した問いを酵素へ与える方法である。 |
| 基質 | 酵素反応に使う材料である。 | 酵素にどの能力を示させるかを決める入力である。 |
| 能力 | 酵素の中に固定された性質である。 | 酵素と基質の関係の中で現れる応答の幅である。 |
| 意味 | ペプチド修飾酵素の種類が増えた。 | 分子の能力を、問いと応答の関係として測る入口が開かれた。 |
この表で最も重要なのは、「基質」の欄である。基質を単なる材料と考えると、今回の研究は大量処理の工夫に見える。しかし、基質を入力と考えると、意味が変わる。入力が変われば、出力も変わる。出力が変われば、酵素の能力の見え方も変わる。したがって、人工基質を設計することは、酵素機能を測る条件を設計することであり、さらに言えば、酵素に向ける問いを設計することである。
この読み替えをしないと、今回の研究は天然物化学や酵素工学の専門的成果に閉じてしまう。しかし一段抽象化すると、ここにはより広い科学観の転換がある。科学は自然を観察するだけではない。自然がどのように答えうるかを考え、その答えが現れるように問いを作る。今回の人工基質は、その問いを物質として実装したものである。
ここで本稿の主題が定まる。問題は、酵素がいくつ見つかったかだけではない。どのような問い方をすれば、生命のまだ見えていない能力が現れるのかである。生命科学がこの方向へ進むとき、研究対象は分子そのものにとどまらない。分子へ与える入力、入力を選ぶ基準、応答を読む測定法、得られた差異を意味づける解釈までが、知識生成の一部になる。ごちゃまぜ人工基質法の本当の新規性は、この構造を具体的な実験として示した点にある。
2. 従来の酵素探索は、自然が見せてくれるものに依存していた
今回の研究の意味を理解するには、まず従来の酵素探索がどのような制約を持っていたのかを確認する必要がある。天然物研究では、自然界で実際に作られている分子や、その分子を作るために並んでいる遺伝子群を手がかりにして、酵素機能を調べることが多かった。これは合理的な方法である。自然界である分子が作られているなら、その背後には、その分子を合成し、修飾し、仕上げる酵素が存在するはずだからである。
リボソーム合成・翻訳後修飾ペプチド、すなわち RiPPs は、この構造を考えるうえで分かりやすい対象である。RiPPs では、まず遺伝子から短いペプチドが作られる。その後、そのペプチドが環化、酸化、脂質化などの化学修飾を受けることで、多様な天然物になる[4]。ここで重要なのは、ペプチドの骨格が同じでも、後から加わる修飾によって、分子の性質が大きく変わることである。つまり、RiPPs 研究では、どの遺伝子があるかだけでなく、どの酵素がどの修飾を加えるかを知ることが中心問題になる。
シアノバクチンをはじめとする RiPPs では、こうした修飾の違いが、生理活性、安定性、細胞内外での振る舞いを変える。そのため、関連酵素の探索と改変は、天然物化学だけでなく、酵素工学や創薬研究にとっても重要な対象になってきた[5]。ここでいう探索とは、単に遺伝子配列を見つけることではない。見つかった候補タンパク質が、実際にどのペプチドへ、どのような修飾を加えるのかを確かめることである。
この流れの中で、ペプチド脂質化は特に応用上の意味が大きい。ペプチドは、生体内の標的に対して高い特異性を示しうる一方、そのままでは分解されやすく、体内に長く留まりにくいことがある。脂質化は、ペプチドの代謝安定性、膜とのなじみやすさ、体内での分布や消失のされ方を変える方法として、創薬研究で利用されてきた[6]。したがって、ペプチドの狙った位置に、狙った脂質を付けられる酵素が増えることには、確かに実用的な価値がある。
しかし、本稿で重要なのは、脂質化が創薬に役立つという応用上の話だけではない。より根本的な問題は、従来の探索が天然基質に強く依存していたことである。天然基質とは、酵素が自然界で実際に作用している相手の分子である。天然基質が分かっていれば、その基質に候補酵素を作用させ、反応が起きるかどうかを調べることができる。つまり、酵素の機能を確かめるための問いが、すでに自然界から与えられている。
この方法は、天然基質が分かっている場合には強い。ある天然物があり、その天然物を作る遺伝子群があり、その中に候補酵素があるなら、研究者は比較的明確な仮説を立てられる。この酵素は、このペプチドの、この部位を修飾しているのではないか。その仮説に従って実験を組めば、反応の有無を調べられる。自然がすでに作っている分子は、実験の入口として非常に有効である。
ところが、天然基質が分からない場合、この構造はすぐに行き詰まる。ゲノム情報を調べれば、酵素らしき配列は見つかる。近くに天然物生合成に関わる遺伝子群が並んでいることもある。配列の特徴から、何らかの修飾酵素らしいと推定できる場合もある。しかし、その酵素が実際に何に作用するのかが分からなければ、実験で機能を確かめにくい。酵素らしきものはある。けれども、それに何を与えればよいのかが分からない。この状態では、知識は途中で止まる。
| 状況 | 従来法でできること | 従来法で止まりやすいこと |
|---|---|---|
| 天然基質が分かっている | 候補酵素に天然基質を与え、反応の有無や修飾位置を調べられる。 | 天然基質以外にどこまで反応できるかは、別途調べなければ分からない。 |
| 天然物は分かっている | その天然物を作る遺伝子群を手がかりに、関与する酵素を推定できる。 | 各酵素がどの段階で、どの相手に作用するのかを切り分ける必要がある。 |
| 酵素らしき配列だけがある | 配列類似性や遺伝子の並びから、大まかな機能を推測できることがある。 | 実際に作用する基質が分からなければ、機能を実験的に確かめにくい。 |
| 天然基質が未知である | 候補酵素を一覧化することはできても、機能評価の入口が狭くなる。 | どの分子を与えれば酵素が答えるのか分からず、探索が停滞しやすい。 |
この表から分かるのは、従来法の問題が単なる手間の問題ではないということである。確かに、一つ一つ酵素を調べることには時間がかかる。しかし、より深い制約は、何を試せばよいのかを自然界が示してくれないと、問いそのものが作りにくい点にある。天然基質が分からないとは、単に材料が足りないという意味ではない。酵素に向けるべき最初の問いが定まらないという意味である。
この構造を一段抽象化すると、従来の酵素探索は「自然が見せてくれた問い」に依存していたと言える。自然界に存在する基質が見つかる。そこから、その基質に対応する酵素を探す。自然界で実際に起きている反応が観察される。そこから、その反応を担う分子機構を読む。つまり、研究者は自然がすでに提示した相手や反応を起点にして、後から酵素機能を解釈していた。
これは科学として劣っているという意味ではない。むしろ、自然界に実在する分子や反応を起点にするからこそ、得られる知識は生体内の現象と結びつきやすい。問題は、そこに限界があることである。自然がまだ見せていない相手、自然界では少量しか存在しない相手、まだ同定されていない相手、あるいは自然界では使われていないが酵素が反応しうる相手については、従来法だけでは問いを立てにくい。
ここで、観察可能性と研究可能性の関係が見えてくる。従来の探索では、観察できるものが、研究できるものの範囲を強く決めていた。自然界に存在する分子が見つかれば、そこから研究が始まる。自然界で反応が確認されれば、その反応を説明する酵素を探せる。しかし、観察されていない可能性は、研究の入口に上がりにくい。つまり、自然が見せてくれるものだけが、知識の出発点になりやすかった。
本稿が注目するのは、今回の研究がこの制約をずらした点である。ごちゃまぜ人工基質法では、研究者が天然基質を待つのではなく、多様な人工ペプチドを用意し、それらを酵素に与える。これは、自然界で確認済みの相手を追跡する方法ではない。酵素がどのような相手に反応しうるのかを、研究者が設計した入力によって尋ねる方法である。従来の探索が「自然が見せたものを読む」方法だったとすれば、今回の方法は「自然にまだ見せていない答えを出させる」方法である。
3. 人工基質は、酵素に向けた人工的な問いである
今回の研究の転換点は、天然基質が分からないなら、人工基質を設計して酵素に与えればよい、という発想にある。ただし、この発想を「代わりの材料を用意した」とだけ理解すると浅い。人工基質とは、自然界で実際にその酵素が使っている相手を再現したものではない。研究者が、酵素の能力を探るために設計したペプチドである。したがって、人工基質は単なる代用品ではなく、酵素がどこまで反応できるかを調べるための質問項目である。
この違いは重要である。天然基質を使う場合、問いの形は自然界によってかなり決められている。自然界にこのペプチドがある。このペプチドにこの修飾が加わっている。では、その修飾を担う酵素はどれか。このように、研究者は自然界にすでに現れている反応を手がかりにする。一方、人工基質を使う場合、研究者は、どの配列を用意するか、どの残基を含めるか、どの範囲まで構造を変えるかを自分で決める。つまり、問いの形式そのものを研究者が設計できる。
ここでいう問いとは、言語による質問ではない。酵素に対して「この相手なら反応するか」と尋ねるために、実際の分子を与えることである。たとえば、ある人工ペプチドを与えれば、そのペプチドは一つの問いになる。別の配列を持つ人工ペプチドを与えれば、別の問いになる。多数の人工ペプチドを用意すれば、酵素に対して多数の問いを並べることができる。酵素が反応するか、どこを修飾するか、どの程度反応するかは、それぞれの問いに対する応答である。
この発想は、近年の疑似天然ペプチド探索の流れとも接続している。疑似天然ペプチドとは、天然物に見られるような複雑な構造や機能を持ちながら、自然界から直接取り出したものではなく、人工的な生成や選抜によって得られるペプチドである。この言葉で重要なのは、「天然」と「人工」を単純に対立させない点である。自然界の分子に学びながら、自然界にそのまま存在するとは限らない分子を作り、その機能を調べる。疑似天然ペプチドは、その中間領域にある。
過去の研究では、プレニル化酵素と人工ペプチドの集合を組み合わせることで、自然界に由来しないプレニル化大環状ペプチドを探索する試みが行われている[7]。大環状ペプチドとは、直線状ではなく環状の構造を持つペプチドであり、分解されにくさや標的への結合のしやすさに関わることがある。ここでも重要なのは、自然界の分子をそのまま探すだけでなく、人工的に作った候補群の中から、酵素反応によって有用な分子を見つけるという方向である。
また、RaPID システムは、非標準アミノ酸を含む大環状ペプチドを高速に探索する基盤として発展してきた[8]。非標準アミノ酸とは、通常のタンパク質合成でよく使われる 20 種類のアミノ酸に限られない、人工的または特殊なアミノ酸である。これを使えるようにすると、自然界のタンパク質合成だけでは作りにくい構造を持つペプチドを作れる。RaPID システムの意義は、単に珍しい分子を作ることではない。探索できる分子の空間を広げ、どのような構造が機能を持つのかを調べる入口を広げる点にある。
その基盤には、遺伝暗号の割り当てを組み替えるフレキシザイム技術も関わっている[9]。遺伝暗号の割り当てを組み替えるとは、どの塩基配列がどのアミノ酸に対応するかという通常の対応関係を、実験系の中で変更することである。これにより、通常の生物が作るペプチドとは異なる構造を、翻訳の仕組みを利用して作れるようになる。ここでも、重要なのは、自然界にある分子を待つのではなく、探索対象そのものを人工的に広げることである。
今回の「ごちゃまぜ人工基質法」は、このような人工ペプチド探索の流れを、酵素機能探索へ向けて使ったものとして読める。ただし、従来の人工ペプチド探索が、主に有用なペプチド分子を見つける方向を持っていたのに対し、今回の研究では、人工ペプチドが酵素を調べるための道具として使われている。つまり、人工ペプチドは生成物候補であるだけでなく、酵素に対する問いとして働いている。
さらに重要なのは、人工基質を一つずつ試すだけではなく、多数の人工ペプチドを混ぜて酵素に反応させた点である。一つの基質だけを与えた場合、得られる応答は、その基質に対して反応するかどうかに限られる。しかし、多数の基質を同時に与えると、酵素の応答は一点ではなく分布として見える。どの配列を受け入れるか。どの残基を修飾するか。どの基質には反応せず、どの基質には反応するか。こうした差異のまとまりが、酵素の能力の輪郭を作る。
| 要素 | 実験上の役割 | 本稿での抽象的な意味 |
|---|---|---|
| 人工ペプチド | 酵素に反応させる基質である。 | 酵素に向けて設計された問いである。 |
| 配列の違い | 酵素が受け入れる相手の範囲を調べる条件である。 | 問いの内容を変え、応答の違いを生み出す変数である。 |
| 混合反応 | 多数の基質を一度に評価する形式である。 | 問いを束にして与え、応答の分布を読む形式である。 |
| 質量分析 | 反応生成物を識別する測定法である。 | 問いに対する応答を読み出す翻訳装置である。 |
| 新規酵素 | 評価の結果として見つかった対象である。 | 問いの形式が変わったことで現れた知識である。 |
この表が示すように、人工基質法の意味は、実験効率の改善にとどまらない。もちろん、多数の基質を一度に調べられることは実務上大きい。しかし、それだけなら「速くなった」「省力化された」という話で終わる。より重要なのは、基質の集合を設計することで、酵素に対してどの範囲の問いを投げるかを研究者が決められる点である。問いの範囲が変われば、見える応答の範囲も変わる。
ここには、測定の性質についての重要な示唆がある。測定とは、対象から値を取り出すだけの作業ではない。どの条件を与え、どの差異を読み、どの応答を意味あるものとして扱うかを含む行為である。今回の研究では、人工ペプチドの集合が問いを作り、混合反応が問いを束として酵素に与え、質量分析が応答を読み出す。つまり、測定系全体が、酵素機能を可視化するための問いの構造になっている。
このとき、酵素の能力は、酵素単体の内部に完全に閉じた性質としては現れない。酵素が何をできるかは、どの人工基質を与えたかによって変わる。狭い基質群を与えれば、狭い能力しか見えない。多様な基質群を与えれば、より広い応答可能性が見える。したがって、人工基質を設計することは、酵素の能力を発見することと同時に、能力が現れる場を設計することでもある。
ここから、本稿の中心命題がより明確になる。生命科学は、自然界にすでに現れた機能を観察するだけではなく、人工的に問いを作り、その問いに対する応答として生命の能力を読む方向へ進み始めている。研究者は、酵素が自然界で何をしているかだけを問うのではない。酵素が何をしうるかを問う。その問いを物質として与えることで、これまで見えなかった機能が現れる。
4. 能力は、分子の中だけではなく、問いとの関係として現れる
ここで、本稿の中心仮説に入る。酵素の能力は、酵素の中だけに閉じた固定属性ではない。能力は、与えられた問いとの関係として現れる。ある酵素が、ある天然基質に反応しないとしても、それだけで、その酵素に有用な能力がないとは言えない。別の配列、別の残基、別の大きさの脂質性分子部品、別の反応条件を与えれば、別の応答が現れるかもしれない。反対に、人工基質に強く反応したとしても、それがそのまま生体内で意味を持つとは限らない。したがって、能力は、問い、条件、測定法、解釈の関係の中で輪郭を持つ。
この点を理解するには、「能力」という言葉を、日常的な意味から少しずらして考える必要がある。日常的には、能力は対象の中にあらかじめ備わっている性質として語られやすい。速く走れる人には走る能力がある。計算できる機械には計算能力がある。この言い方は便利である。しかし、生命科学で分子の機能を読む場合、能力はそれほど単純ではない。酵素が何をできるかは、酵素単体を眺めても分からない。どの相手を与えるか、どの条件で反応させるか、どの精度で結果を読むかによって、見える能力は変わる。
今回の研究で見つかった反応様式の多様性は、このことをよく示している。横浜市立大学の説明では、新規酵素の中には、既知酵素では実現できなかった大きなプレニル基を付加できるものや、トリプトファン残基だけでなくチロシン残基にも脂質を付加できるものが含まれている。さらに、7 種類の酵素について共結晶構造を決定し、活性部位の微細な構造変化が、基質選択性や反応様式の多様化をもたらす仕組みも明らかにされたと説明されている。
ここで重要なのは、「プレニル基を付加する」という一つの機能名だけでは、酵素の能力を十分に表せないことである。どの残基に付加するのか。どの大きさのプレニル基を扱えるのか。どの配列では反応し、どの配列では反応しないのか。反応の速さや効率はどの程度か。生成物は一種類に偏るのか、それとも複数の様式に分かれるのか。こうした差異を読まなければ、酵素の能力は見えてこない。能力は一点ではなく、応答の範囲として現れる。
| 問いの違い | 見える応答 | 能力理解への意味 |
|---|---|---|
| 基質の配列を変える | どの配列を受け入れ、どの配列を拒むかが見える。 | 酵素の能力は、単一基質への反応ではなく、受け入れ可能な配列の幅として読める。 |
| 修飾される残基を変える | トリプトファンだけでなく、チロシンなど別の残基への反応可能性が見える。 | 酵素の機能名だけでは、反応位置の柔軟性や選択性を説明できない。 |
| 付加する脂質性分子部品を変える | どの大きさや構造の基を扱えるかが見える。 | 酵素の能力は、反応の有無だけでなく、扱える化学構造の範囲として現れる。 |
| 反応条件を変える | 反応効率、生成物の偏り、反応の安定性が変わる。 | 能力は固定値ではなく、条件に応じて変化する応答として理解する必要がある。 |
| 測定法を変える | 見える生成物、見落とされる生成物、区別できる差異が変わる。 | 能力は、測定によってそのまま取り出されるのではなく、測定形式を通じて読まれる。 |
この表が示すように、酵素の能力は、酵素の名前や分類だけで決まるものではない。同じ「プレニルトランスフェラーゼ」という分類に入っていても、受け入れる基質、修飾する残基、扱えるプレニル基、反応の効率、生成物の分布は異なりうる。分類名は必要である。しかし、分類名は能力の全体ではない。分類名は入口であり、実際の能力は、問いに対する応答の差異として具体化する。
この見方は、生命科学における機能概念を少し変える。従来の機能理解では、ある分子には「本来の働き」があり、それを見つけることが目標になりやすい。もちろん、生体内で実際に果たしている働きを明らかにすることは重要である。しかし、人工基質を多数与えると、分子は単一の本来機能だけではなく、問いに応じて複数の可能性を示す対象になる。ここでは、機能とは、分子の内側に固定された分類名ではない。入力に対する応答のかたちである。
この区別は、天然の意味を軽くするためのものではない。生体内で実際に使われている反応は、進化的にも生理的にも特別な意味を持つ。だが、天然で使われている反応だけが、分子の能力のすべてではない。自然界で実現している機能は、酵素が取りうる応答の一部である可能性がある。人工基質を与える研究は、その外側にある応答可能性を探る。つまり、自然界に現れた機能と、分子が潜在的に示しうる能力とを分けて考える入口になる。
このとき、人工基質法が明らかにするのは、「この酵素は何者か」という静的な答えではない。むしろ、「どの問いに対して、どのような応答を返す分子なのか」という関係の地図である。ある問いには反応しない。別の問いには反応する。ある条件では一種類の生成物を作る。別の条件では異なる生成物が見える。その応答の分布を読むことで、酵素の能力の輪郭が現れる。
ここに、既稿で繰り返し扱ってきた「構造は応答として現れる」という論点との接続がある。対象の内部構造は、静止した形としてだけではなく、外部からの入力に対する振る舞いとして現れることがある。酵素の場合も同じである。配列や立体構造は重要である。しかし、その構造がどのような意味を持つかは、基質を与え、反応を見て、差異を読むことで初めて明確になる。構造は、応答を通じて機能として現れる。
したがって、本稿でいう「問い」とは、比喩にとどまらない。人工基質、反応条件、測定法、解析方法は、酵素に対してどの能力を示させるかを決める具体的な仕組みである。問いを変えれば、見える能力が変わる。見える能力が変われば、分子について語れる知識も変わる。生命科学が人工的な問いを設計する学問へ進むとは、まさにこの関係を研究の中心に置くということである。
5. 実験計画法とは、問いの並べ方を設計する技術である
この議論は、実験計画法へ自然に接続する。実験計画法とは、実験をただ多く行うための手順ではない。限られた時間、限られた試料、限られた測定回数の中で、どの条件を、どの順序で、どの組み合わせで試せば、意味のある差異を読み取れるかを設計する考え方である。したがって、実験計画法の核心は、測定数を増やすことではなく、問いの配置を整えることにある。
Fisher の『The Design of Experiments』は、現代的な実験計画の基礎を作った文献として知られている。そこでは、無作為化、反復、比較といった考え方が、実験科学の中に深く組み込まれた[10]。無作為化とは、偶然に見える偏りを特定の条件へ集中させないための工夫である。反復とは、一度だけの結果を過大に信じないための工夫である。比較とは、単独の測定値ではなく、条件間の差異から意味を読むための工夫である。これらはすべて、自然から値を取り出すためだけでなく、差異が読めるように問いを置くための技術である。
Platt の「強い推論」も、この文脈で重要である。強い推論とは、単一の仮説を守ることではなく、複数の仮説を立て、それらを識別できる実験を組むことを重視する考え方である[11]。ある結果が出たときに、どの仮説が残り、どの仮説が退けられるのかが分からなければ、実験は知識をあまり進めない。つまり、よい実験とは、ただ反応を見る実験ではない。仮説同士の差が現れるように、問いを組んだ実験である。
Box は、統計モデルと実験を反復させながら科学的理解を進める考え方を論じた[12]。モデルは現実そのものではない。しかし、モデルを立てることで、どの変数が重要そうか、どの条件を試すべきか、どの結果が予想から外れているかを考えられる。実験はその予想を確かめ、外れた部分からモデルを修正する。この往復によって、科学的理解は少しずつ細かくなる。ここでも中心にあるのは、測定結果そのものではなく、問い、測定、解釈、再設計の循環である。
今回の研究をこの文脈に置くと、ごちゃまぜ人工基質法は、単に多検体を処理する方法ではない。多数の人工ペプチドを混ぜて一度に反応させるという形式は、見かけ上は効率化である。しかし、より重要なのは、どの人工ペプチドを用意するかによって、酵素へ投げる問いの範囲が決まることである。似た基質ばかりを用意すれば、似た応答しか見えない。広い基質群を用意すれば、応答の幅は見えやすくなるが、その分、差異を解釈する難しさも増える。
つまり、問いを増やすだけでは足りない。どの差異を読めるように問いを配置するかが重要になる。たとえば、人工ペプチドの配列を少しずつ変えるなら、酵素がどのアミノ酸配列を認識しているのかを読みやすくなる。修飾される残基を意図的に変えるなら、酵素がどの残基を受け入れるのかを調べやすくなる。脂質性の分子部品の大きさを変えるなら、酵素の活性部位がどの程度の構造を許容するのかを推定しやすくなる。実験条件の差異が、後から解釈できる差異として設計されている必要がある。
ここで注意すべきなのは、「大量に試すこと」と「よく設計された問いを投げること」は同じではないという点である。基質の数が増えれば、測定量は増える。しかし、基質同士の違いが何を意味するのかが設計されていなければ、反応の有無は単なる一覧にとどまる。反対に、基質の差異が明確に設計されていれば、反応結果は、酵素がどの化学的特徴を認識しているのかを読む手がかりになる。
| 観点 | 悪い設計 | よい設計 |
|---|---|---|
| 基質の選び方 | 数は多いが、基質同士の違いが何を意味するのか整理されていない。 | 配列、残基、修飾位置、脂質性分子部品の大きさなど、比較したい差異が意図的に含まれている。 |
| 条件の組み方 | 条件を増やすだけで、どの要因が結果に効いたのか切り分けられない。 | 変える条件と固定する条件が整理され、反応差の原因を推定しやすい。 |
| 測定の読み方 | 反応したかどうかだけを見る。 | どの問いにどのように応答したかを、反応様式、選択性、効率、生成物の違いとして読む。 |
| 仮説との関係 | 結果が出てから、都合のよい説明を後付けする。 | あらかじめ複数の仮説を置き、どの結果ならどの仮説が支持されるかを考えておく。 |
| 解釈の範囲 | 人工基質で反応が出たことを、そのまま生体内の意味へ直結させる。 | 人工基質で見えた能力と、生体内で実際に果たす役割を区別して考える。 |
この表で重要なのは、実験計画法が「実験の前」にだけあるものではないという点である。問いの設計は、測定の前に条件を決める作業であると同時に、測定後に結果をどう読むかを決める枠組みでもある。基質の違いをどのように作ったかが分かっていれば、反応結果の違いを意味づけられる。逆に、基質の違いが整理されていなければ、どれだけ多くの結果が得られても、その差異を構造的に読むことが難しい。
ごちゃまぜ人工基質法では、多数の人工ペプチドを混ぜるため、一見すると個々の問いが曖昧になるように見える。しかし、質量分析によって反応生成物を識別できるなら、混合された問いは単なる混乱ではなく、並列化された問いの束になる。複数の問いを同じ場に置き、その応答を一括して読む。この形式は、実験を高速化するだけでなく、酵素の応答分布を効率よく浮かび上がらせる。
ただし、問いの束は、設計されていなければ雑音になる。どの基質がどの特徴を代表しているのか、どの差異を比較したいのか、どの応答を有意な違いとして読むのかが曖昧なら、混合反応は「たくさん試した」という事実以上の意味を持ちにくい。したがって、今回の方法の価値は、混ぜたこと自体ではない。混ぜても読めるように、問いと測定の対応を設計した点にある。
この意味で、今回の研究は、生命科学における実験計画法の重要性を示している。問いの設計が浅ければ、応答の意味も浅くなる。問いの配置が精密であれば、同じ測定結果からより深い構造を読める。科学の進歩は、装置の感度を上げることだけではなく、対象が答えやすい形で問いを整えることにも依存している。
ここで、本稿の主張は一段先へ進む。実験とは、自然に対してただ測定器を向ける行為ではない。自然が答えられる形式に問いを整え、その答えが比較可能な差異として現れるように条件を並べる行為である。酵素研究における人工基質は、その問いを物質として配置するための道具である。したがって、実験計画法とは、問いの並べ方を設計する技術であり、生命科学においては、生命の能力がどのように現れるかを決める技術でもある。
6. 観察は、問いから独立していない
ここから、科学哲学への接続が生じる。科学はしばしば、自然をありのままに観察する営みとして語られる。もちろん、この言い方には一定の正しさがある。科学は、思い込みだけで自然を語ることを拒み、観察や実験によって確かめられる事実を重視する。しかし、実際の科学では、観察は問いから独立していない。何を観察するか、どの条件を作るか、どの差異を重要とみなすかは、すでに何らかの問いによって決まっている。
たとえば、同じ酵素を対象にしていても、天然基質だけを与えるのか、人工基質を多数与えるのかで、見えるものは変わる。天然基質だけを与えれば、その酵素が自然界で実際に使われている相手に反応するかどうかが見える。一方、人工基質を多数与えれば、その酵素が自然界では見えていなかった相手にどこまで反応しうるかが見える。対象は同じ酵素である。しかし、問いが違うため、観察される機能の範囲が違う。
この点で、Hacking が科学を表象だけでなく介入の営みとして捉えたことは重要である。表象とは、自然を記述し、モデル化し、説明する側面である。介入とは、自然に働きかけ、条件を作り、対象に応答を返させる側面である。Hacking は、実験が自然に働きかけることで対象を理解するという視点を強く打ち出した[13]。今回の研究も、まさにこの介入の側面を持っている。研究者は酵素を眺めているだけではない。人工基質を与え、反応条件を作り、質量分析で応答を読み出している。
また、観察と理論の関係を論じる科学哲学では、観察は完全に中立な入力ではなく、理論、方法、測定装置、分類の仕方と結びついていることが繰り返し論じられてきた[14]。これは、観察が主観的で信用できないという意味ではない。そうではなく、観察は、何を区別できるようにするか、何を測定可能な対象として取り出すか、どの差異に名前を与えるかという準備を伴っているという意味である。
今回の研究は、この問題を生命科学の具体例として示している。天然基質に依存した探索では、自然界ですでに実現している反応が知識の入口になっていた。そこでは、自然界にある基質、自然界で作られている天然物、自然界で起きている修飾が、研究の出発点になる。一方、人工基質法では、研究者が問いを設計し、自然界では見えにくかった反応可能性を引き出している。つまり、同じ酵素群を見ていても、問い方が変われば、見える機能の範囲が変わる。
| 観点 | 自然をありのままに見る理解 | 問いを通じて見る理解 |
|---|---|---|
| 観察 | 対象から事実をそのまま受け取る行為である。 | どの条件を作り、どの差異を読むかによって形づくられる行為である。 |
| 実験 | 自然に測定器を向けて結果を記録する作業である。 | 自然が答えられる形式に問いを整え、応答を取り出す行為である。 |
| 基質 | 酵素反応に使う材料である。 | 酵素に対して、どの能力を示すかを尋ねる入力である。 |
| 事実 | 自然の側からそのまま現れるものとして理解される。 | 自然の応答でありながら、問いと測定形式を通じて現れるものとして理解される。 |
| 知識 | 観察された事実を集めることで蓄積される。 | 問い、介入、測定、解釈の関係から組み立てられる。 |
この表で注意すべきなのは、右側の理解が左側を否定しているわけではないという点である。科学は、自然から切り離された恣意的な物語ではない。人工基質に反応したかどうかは、実験によって検証される事実である。質量分析で検出された生成物は、研究者の願望だけで現れるものではない。酵素が反応したなら、それは自然の側の応答である。
しかし、その応答は、問いの形式なしには現れなかった。人工基質を用意しなければ、その基質への反応は観察されない。反応条件を作らなければ、酵素は応答しない。質量分析で読み出さなければ、生成物の違いは識別されない。つまり、事実は自然の側から来るが、その事実がどの形で現れるかは、問いと測定の設計に依存している。
ここで重要なのは、問いが観察を歪めるという単純な話ではない。問いは、観察を可能にする。問いがなければ、何を測るのかが定まらない。問いが粗ければ、粗い差異しか見えない。問いが精密であれば、これまで見落としていた差異を読める。今回の研究では、人工ペプチドの集合が問いとなり、酵素反応が応答となり、質量分析がその応答を読み出す仕組みになっている。
この見方をとると、科学的事実の位置づけも少し変わる。事実は、自然の中に完成品として置かれていて、研究者がそれを拾い上げるだけのものではない。自然は応答を返すが、どの応答を返すかは、どのような条件を与えられたかに左右される。研究者は、自然を自由に作り替えるわけではない。しかし、自然が答えを返す場を作ることはできる。実験とは、その場の設計である。
このことは、科学を相対化する話ではない。むしろ、科学をより正確に見るための話である。問いと測定の設計を無視すると、観察された事実だけが独立して存在するかのように見えてしまう。しかし実際には、ある事実が見えるまでには、問いの設定、材料の選択、条件の制御、測定法の選択、解析方法の設計がある。これらを含めて初めて、科学的知識は成立する。
したがって、科学の対象は自然だけではない。自然に対する問い方も、知識を作る対象になる。問いが変われば、見える自然が変わる。ごちゃまぜ人工基質法は、このことを生命科学の実験として示している。酵素の能力は、自然界に現れた反応だけから読むものではない。人工的に設計された問いに対する応答としても読むことができる。ここに、生命科学が「自然を観察する学問」から「自然への問いを設計する学問」へ広がる理由がある。
7. 既稿との接続 ―― 存在、働き、応答、問い
この視点は、既稿の流れの中に位置づけると分かりやすい。本稿で扱っているのは、単にペプチド修飾酵素の探索法ではない。生命科学が、何を知識として扱うようになってきたのかという問題である。これまでの既稿では、測定、応答、差異、判断といった観点から、科学が対象をどのように読むのかを繰り返し扱ってきた。本稿は、その延長にある。ただし、単なる続編ではない。ここでは、対象の応答を読むだけでなく、その応答を引き出す問いの設計そのものを主題にしている。
既稿「測ることは、考えることの代わりにならない」では、指標や数値は現実を扱うための代理表現であり、測定は必要だが、測定値を価値そのものと取り違えてはならないと論じた[15]。これは、今回の研究にもそのまま当てはまる。人工基質への反応は、酵素能力を読むための重要な入口である。どの基質に反応したか、どの残基を修飾したか、どのような生成物が出たかは、酵素の能力を理解するための手がかりになる。しかし、その測定値だけで、生体内での役割、進化的意味、医薬品としての価値が自動的に分かるわけではない。
ここで重要なのは、測定を否定しないことである。測定がなければ、酵素の応答は見えない。質量分析がなければ、混合された人工基質の中で何が修飾されたのかを読めない。したがって、測定は不可欠である。しかし、測定結果は解釈の終点ではない。むしろ、測定結果は考えるための入口である。人工基質への反応を見た後に、その反応が何を意味するのか、どこまで一般化できるのか、生体内の機能とどう区別するのかを考えなければならない。この点で、本稿は既稿の命題を生命科学の具体例へ接続している。
既稿「秩序と無秩序のあいだには何があるのか」では、構造は静止した配置としてだけではなく、振動、応答、共鳴として現れることを論じた[16]。そこでは、無秩序に見える対象の中にも、外部からの刺激に対する応答を通じて、再現性のある構造が現れることを扱った。本稿では、その考え方が生命科学へ移る。酵素の構造は、アミノ酸配列や立体構造としてだけでなく、人工基質に対する応答の偏りとしても現れる。つまり、構造は形だけではなく、何にどう反応するかとしても読める。
この接続は、単なる比喩ではない。酵素の活性部位の微細な違いは、どの基質を受け入れるか、どの残基を修飾するか、どの大きさの脂質性分子部品を扱えるかという差異として現れる。構造があるから応答が変わる。そして、応答の違いを読むことで、構造の意味が分かる。静的な構造だけを見ても、その構造がどのような能力につながるのかは十分に分からない。応答を通じて初めて、構造は機能として読めるようになる。
さらに、既稿「左回りに歩く人間から科学を考える」では、小さな差異を捨てずに読むことが知識の入口になると論じた[17]。人間が自由に歩くときに生じるわずかな方向の偏りは、単なる誤差として処理することもできる。しかし、その偏りを捨てずに読むと、身体の左右差、空間認知、群衆行動、自由と制約の関係へ接続できる。小さな差異は、説明されていない構造の入口になる。
今回の研究でも、同じことが起きている。反応するかしないかという粗い区別だけでは不十分である。どの基質だけが選ばれたのか。どの残基に脂質が付いたのか。既知酵素では扱えなかった大きなプレニル基を扱えるのか。トリプトファンだけでなくチロシンにも反応するのか。こうした微細な差異を読むことで、酵素の能力の輪郭が現れる。差異を平均化したり、単純な成功例として処理したりすれば、今回の研究の意味は薄くなる。
| 系列 | 既稿での論点 | 本稿での位置づけ |
|---|---|---|
| 測定 | 測ることは判断の入口であり、考えることの代替ではない。 | 人工基質による大量測定は、解釈と問いの設計を不要にしない。 |
| 応答 | 構造は静止した形だけでなく、外から働きかけたときの応答として現れる。 | 酵素の能力は、人工基質に対する応答分布として現れる。 |
| 差異 | 小さな偏りは、世界の未説明部分を示す入口になる。 | 基質選択性や脂質化様式の違いは、酵素能力を読む手がかりになる。 |
| 問い | 既稿では、測定対象や応答の読み方が中心だった。 | 本稿では、応答を引き出す問いの設計そのものを主題にする。 |
この表で本稿に固有なのは、「問い」の段階である。既稿では、測定値をどう扱うか、応答をどう読むか、差異をどう保持するかが中心だった。それらはいずれも重要である。しかし本稿では、さらに一段前へ戻る。そもそも、どのような問いを与えれば、その測定値や応答や差異が現れるのか。どの入力を用意すれば、対象の能力が見えるのか。どの条件を設計すれば、単なる反応一覧ではなく、意味のある比較が可能になるのか。ここが本稿の新しい位置である。
したがって、本稿の系列は、存在、働き、応答、問いという順序で整理できる。第一に、存在を測る段階がある。どの遺伝子があるか、どのタンパク質があるか、どの分子が存在するかを調べる段階である。第二に、働きを測る段階がある。分子が存在するだけでなく、実際にどのような活性を持つのかを調べる段階である。第三に、応答を読む段階がある。対象が外部からの入力に対してどう振る舞うのかを読み、その応答から構造や機能を考える段階である。
本稿は、その先にある第四の段階を扱っている。すなわち、問いを設計する段階である。対象がどう応答するかを見るだけでなく、どのような問いを与えれば、その応答が現れるのかを考える。生命科学においては、この問いは抽象的な言葉だけで与えられるわけではない。人工基質、反応条件、測定法、解析方法として物質的かつ技術的に実装される。ごちゃまぜ人工基質法は、この段階を具体的に示している。
| 段階 | 中心となる問い | 本稿との関係 |
|---|---|---|
| 存在を測る | 何があるのか。 | 遺伝子や候補タンパク質の存在だけでは、酵素能力は分からない。 |
| 働きを測る | 何が起きているのか。 | 酵素が実際に反応するかを測ることで、存在から機能へ進む。 |
| 応答を読む | 入力に対してどう振る舞うのか。 | 人工基質への反応分布を読むことで、酵素能力の幅が見える。 |
| 問いを設計する | どの入力を与えれば、何が見えるのか。 | 人工基質の設計そのものが、生命科学の知識生成を左右する。 |
この整理によって、本稿の位置は明確になる。既稿では、存在を測ること、働きを測ること、応答として構造を読むこと、差異を保持することを扱ってきた。本稿は、それらを受けたうえで、応答を引き出す問いの設計へ進む。つまり、対象が何であるか、何をするか、どう応答するかだけでなく、どのような入力を与えれば、その応答が知識として現れるのかを問題にする。
この位置づけは、科学をより広く見るためにも重要である。科学的知識は、自然の側から一方的に与えられるものではない。対象があり、測定があり、応答があり、差異がある。しかし、それらは、問いの形式なしには知識としてまとまらない。何を問うかが定まることで、何を測るかが決まる。何を測るかが決まることで、どの差異を読むかが決まる。どの差異を読むかが決まることで、対象についてどのような一般化ができるかが決まる。
したがって、本稿は既稿群の単なる応用編ではない。むしろ、既稿で扱ってきた測定、応答、差異、判断の手前にある条件を明示する記事である。問いがなければ、測定は方向を持たない。問いが粗ければ、応答は粗くしか読めない。問いが偏っていれば、見える能力も偏る。問いを設計することは、科学が何を知識として取り出せるかを決める行為である。
8. AI は答えを出す装置ではなく、問いの空間を広げる装置になりうる
この議論は、AI とも接続できる。ただし、接続の仕方には注意が必要である。今回の研究を「AI が酵素を発見した」と読むのは誤りである。一次情報上の中心は、人工基質混合系と質量分析による実験的な探索である。研究者が人工ペプチドを設計し、それを混合して酵素へ与え、反応生成物を測定する。ここで主役になっているのは、AI ではなく、問いを物質として実装した実験系である。
しかし、今回の研究が作るデータ形式は、AI と非常に相性がよい。なぜなら、人工基質と酵素応答の対応関係は、「どの問いに、どのような答えが返ったか」という形をしているからである。ある人工ペプチドを与える。酵素が反応するかどうかを見る。反応したなら、どこが修飾されたのか、どのような生成物ができたのか、どの程度の効率だったのかを読む。この対応が大量に集まると、単なる実験結果の一覧ではなく、問いと応答の地図になる。
ここで AI を導入する意味は、答えを機械に丸投げすることではない。むしろ、まだ試していない問いをどう選ぶか、どの問いが知識を増やしそうか、どの条件が既存の理解を崩しそうかを考えるために使える可能性がある。人工基質法が作るデータは、酵素に対して投げた問いと、その問いに対する応答の記録である。AI は、その記録から、次に投げるべき問いの候補を広げたり、絞り込んだりする装置になりうる。
科学の自動化については、ロボット科学者 Adam が、仮説生成、実験、結果解釈の一部を自動化した事例が早くから報告されている[18]。ここで重要なのは、自動化されたのが単純な作業だけではなかった点である。仮説を立て、実験を選び、結果を解釈し、次の仮説へつなげるという科学の循環の一部が、計算機とロボットによって実装された。これは、科学が単に人間の頭の中で進むものではなく、問い、実験、測定、解釈の循環として構成されていることを示している。
近年では、AI が仮説生成、実験設計、データの解釈を支援し、科学的発見の過程に組み込まれつつあることが広く整理されている[19]。ただし、ここでも AI を「正解を出す装置」と見なすと理解を誤る。科学では、正解があらかじめ明確に存在し、それを当てれば終わるわけではない。多くの場合、何を測るべきか、どの条件を比較すべきか、どの結果を予想外とみなすべきかが問題になる。AI が関与しうるのは、まさにこの探索過程である。
化学や材料科学では、機械学習が分子や材料の設計、性質予測、合成計画に関わるようになっている[20]。さらに、能動学習を使って、次にどの実験をすべきかを選ぶ研究も進んでいる[21]。能動学習とは、すでに得られたデータから、次に測ると理解が進みそうな対象を選ぶ考え方である。すべてを総当たりで測るのではなく、不確実性が大きいもの、境界を見せそうなもの、モデルを大きく更新しそうなものを優先して試す。これは、問いの順序を計算によって支援する方法である。
自律実験室では、ロボット、計算、文献データ、機械学習、能動学習を組み合わせ、材料合成の試行と解釈を反復する仕組みも示されている[22]。このような仕組みでは、AI は単独で真理を発見するのではない。候補を出し、実験系がそれを試し、測定結果が戻り、その結果をもとに次の候補を選ぶ。知識は、予測だけから生まれるのではなく、予測、実験、測定、再設計の循環から生まれる。
| AI の使い方 | 浅い理解 | 本稿での位置づけ |
|---|---|---|
| 答えの予測 | AI が正解を出せば、実験は不要になる。 | AI の予測は仮説であり、実験による応答確認を必要とする。 |
| 候補の生成 | AI が大量の候補を出せば、探索は進む。 | 候補の量ではなく、どの候補が意味ある問いになるかが重要である。 |
| 次実験の選択 | 最も成功しそうな条件だけを選べばよい。 | 成功確率だけでなく、不確実性や境界条件を見せる問いを選ぶ必要がある。 |
| 結果の解釈 | AI が結果を分類すれば、意味づけまで完了する。 | 分類は補助であり、生体内の意味や応用価値の判断は別に必要である。 |
| 科学の自動化 | 人間の判断を置き換える方向へ進む。 | 問いの生成、優先順位付け、検証の循環を支援する方向へ進む。 |
この表で重要なのは、AI の価値を「正解を出す能力」に閉じないことである。科学における AI の価値は、むしろ問いの空間を扱うところにある。どの人工基質を次に作るべきか。どの配列を少し変えると、酵素の選択性が見えやすくなるか。どの基質は既存の分類に収まり、どの基質は分類の境界を揺さぶるか。どの反応が、単なる例外ではなく、新しい反応様式の入口か。こうした問いの候補を広げ、整理し、優先順位を付けることに AI を使える可能性がある。
人工基質法で大量の応答データが得られれば、AI は、まだ試していない基質の反応可能性を予測できるかもしれない。さらに、予測の不確実性が大きい基質、既存の分類を崩しそうな基質、反応様式の境界を見せそうな基質を提案できる可能性がある。これは、単に成功しそうな候補を探すこととは違う。科学的に重要なのは、期待通りに反応する基質だけではない。予想から外れ、分類を揺さぶり、能力の境界を示す基質も重要である。
ここで、本稿の主題である「問いの設計」が再び前面に出る。AI は、人工基質の候補を増やせる。反応予測の精度を上げられる。既存データから、次に試すべき候補を提案できる。しかし、それは問いの価値を自動的に決めることとは違う。どの問いが科学的に意味を持つのか。どの問いが応用へつながるのか。どの問いが既存の理解を更新しうるのか。これらは、研究目的、理論的関心、実験制約、社会的価値と結びついて判断される。
この点で、既稿との接続が生じる。既稿「AI は思考設計格差を拡大する」では、AI を使う前に、人間が問いの切り方、判断軸、優先順位を持っているかどうかが重要になると論じた[23]。これは科学にも当てはまる。AI に基質候補を出させることはできる。しかし、どの候補を試すべきかを判断するためには、研究者が何を知りたいのか、どの差異を重要とみなすのか、どの制約を受け入れるのかを整理していなければならない。
既稿「生成 AI の競争軸は、モデルから業務実装へ移る」では、AI の価値はモデル単体ではなく、具体的な業務構造へどう接続されるかで決まると論じた[24]。科学でも同じである。AI モデルが高性能であること自体は重要だが、それだけでは研究は進まない。どの実験系に接続されるのか。どの測定装置と結びつくのか。どの形式のデータを返すのか。研究者がどこで判断し、どこで次の実験を組み直すのか。AI の価値は、こうした研究の実装構造の中で決まる。
また、既稿「AI の答えは、採用されたときに責任になる」では、AI の出力は素材であり、それを人間がどの責任で採用するかが問題になると論じた[25]。科学における AI も同じである。AI が次に試すべき人工基質を提案したとしても、その候補を実験に採用するのは研究者である。結果を重要な差異として扱うのも研究者である。生体内の意味へ接続するのも研究者である。AI の提案は、判断の代替ではなく、判断材料である。
| 既稿 | 既稿での論点 | 科学における AI への接続 |
|---|---|---|
| AI は思考設計格差を拡大する | AI を使う前に、問いの切り方、判断軸、優先順位を持つ必要がある。 | AI に基質候補を出させる前に、何を知りたいのかを研究者が設計する必要がある。 |
| 生成 AI の競争軸は、モデルから業務実装へ移る | AI の価値はモデル単体ではなく、現場の構造へどう接続されるかで決まる。 | AI の価値は、実験系、測定系、解析系、研究判断へどう組み込まれるかで決まる。 |
| AI の答えは、採用されたときに責任になる | AI の出力は素材であり、採用した時点で人間の判断責任が生じる。 | AI が提案した問いを実験に採用し、その結果を意味づける責任は研究者に残る。 |
この整理から分かるのは、科学における AI の中心的な役割が、単なる自動回答ではないということである。AI は、問いを増やすことができる。探索空間を圧縮することができる。次に試すべき候補を提案することができる。既存の人間の直感では見落としやすい組み合わせを提示することもできる。しかし、何を価値ある問いとみなすか、どの応答を重要な差異として扱うか、どこで生体内の意味へ接続するかは、研究者の判断に残る。
したがって、AI 時代の科学で重要になるのは、答えを早く得る能力だけではない。むしろ、よい問いを設計し、その問いを実験可能な形へ落とし、得られた応答を解釈し、次の問いへつなげる能力である。AI はこの循環を速くし、広げ、補助する。しかし、循環そのものの意味を決めるわけではない。AI は問いの空間を広げるが、問いの価値を最終的に決める装置ではない。
この意味で、今回の研究は AI の話ではないにもかかわらず、AI 時代の科学を考えるうえで重要である。人工基質法は、問いと応答の対応データを作る。AI は、その対応データから次の問いを提案しうる。実験は、その問いを現実の分子にぶつける。測定は、応答を読み出す。研究者は、その応答を意味づけ、次の問いを設計する。ここに、AI と生命科学が接続する本質的な場所がある。
9. 応用は、生命を設計する前に問いを設計するところから始まる
今回の研究は、ペプチド医薬品、機能性分子、ケミカルバイオロジー、バイオ触媒へ応用できる可能性がある。ケミカルバイオロジーとは、化学的な分子や反応を使って生命現象を調べる研究領域である。ここで重要なのは、生命をただ観察するだけでなく、分子を入れる、修飾する、反応させるといった化学的な働きかけによって、生命の仕組みを読む点である。バイオ触媒とは、酵素を化学反応の触媒として利用する考え方である。近年のバイオ触媒研究では、酵素発見、酵素改変、反応経路設計、産業実装が一体の課題として扱われている[26]。
また、複雑な分子の合成後半で酵素を使って特定位置を修飾する後期段階修飾は、医薬品開発や天然物改変において有用な考え方として整理されている[27]。後期段階修飾が重要なのは、分子全体を最初から作り直さなくても、すでにある骨格の一部を変えることで性質を調整できるからである。ある分子の安定性を高める。膜とのなじみやすさを変える。標的との結合を強める。副作用につながる性質を弱める。こうした調整は、分子を丸ごと作り替えるよりも、特定位置を精密に修飾できる方が扱いやすい。
ペプチドの脂質化も、この文脈で意味を持つ。ペプチドは標的分子を選びやすい一方で、分解されやすく、体内での滞在時間や細胞膜との関係に課題を持つことがある。脂質性の分子部品を付けると、分子の性質は変わる。ただし、脂質を付ければ何でもよいわけではない。どの位置に付けるか、どの大きさの脂質性分子部品を付けるか、どの条件で反応させるかによって、得られる性質は変わる。したがって、応用上の核心は、「脂質化できる酵素が増えた」という単純な話ではない。
この応用を「酵素が増えたから便利になる」とだけ捉えると、少し浅い。より本質的には、どのような問いを投げれば、望ましい応答をする酵素が見つかるのかを設計できるようになることが重要である。たとえば、あるペプチド医薬品候補の安定性を高めたい場合、必要なのは単に脂質を付ける酵素ではない。狙った位置に、狙った大きさの脂質性分子部品を、温和な条件で、ほかの部位を壊さずに付けられる酵素である。その酵素を見つけるには、その目的に対応した人工基質群を設計する必要がある。
| 応用先 | 浅い理解 | 問いの設計としての理解 |
|---|---|---|
| ペプチド医薬品 | 脂質化できる酵素が増えれば、医薬品候補を改変しやすくなる。 | 安定性、体内動態、標的結合など、改善したい性質に対応する人工基質群を設計する必要がある。 |
| 機能性分子 | 新しい修飾酵素を使えば、新しい分子を作れる。 | どの位置を変えると機能が変わるのかを調べる問いとして、修飾可能な基質を配置する必要がある。 |
| ケミカルバイオロジー | 酵素反応を使って生命現象を調べられる。 | どの分子を入れると生命のどの応答が見えるのかを、化学的な問いとして設計する必要がある。 |
| バイオ触媒 | 酵素を触媒として使えば、化学合成が効率化される。 | 目的の反応、選択性、条件、基質範囲に応じて、酵素に投げる問いを設計する必要がある。 |
| 後期段階修飾 | 完成に近い分子を最後に修飾できる。 | 分子全体を壊さず、どの部位だけを変えられるかを問うための実験設計が必要である。 |
この表で示したように、応用とは、酵素を見つけた後に自動的に生じるものではない。応用には、目的に応じた問いの再設計が必要である。天然物探索で有効だった人工基質群が、そのまま医薬品開発に最適とは限らない。医薬品開発では、反応するかどうかだけでなく、選択性、反応効率、毒性、代謝、製造条件、品質管理まで問題になる。機能性分子の開発では、どの性質を変えたいのかが先に問われる。バイオ触媒として使うなら、反応が美しくても、安定に、再現よく、必要な規模で使えなければ実装しにくい。
したがって、設計科学としての生命科学は、生命を直接思い通りに作ることではない。むしろ、生命がどのように答えるかを確かめるための問いを、段階的に精密化することである。最初の問いでは、酵素が広くどの基質に反応するかを見る。次の問いでは、修飾位置や反応様式を絞る。さらに次の問いでは、目的の性質が本当に改善されるかを調べる。応用に近づくほど、問いは単に広いだけでは足りなくなる。目的、制約、評価基準に沿って、問いを組み直す必要がある。
この点は、生命科学における設計という言葉を慎重に扱う理由にもなる。設計というと、あらかじめ決めた通りに生命を作り替える印象を与えやすい。しかし実際には、生命や分子は複雑な応答を返す。狙った修飾ができても、期待した性質が得られるとは限らない。安定性が上がっても、標的結合が弱まるかもしれない。膜とのなじみやすさが増しても、望ましくない分布を示すかもしれない。したがって、設計とは、単純な命令ではなく、問いを出し、応答を読み、次の問いへ修正する反復である。
| 段階 | 中心となる問い | 注意すべき限界 |
|---|---|---|
| 探索 | どの酵素が、どの人工基質に反応するのか。 | 反応が見えたことは、直ちに生体内の意味を示すわけではない。 |
| 選択性評価 | どの位置に、どの様式で、どの程度選択的に修飾できるのか。 | 選択性が高くても、目的の分子で同じように働くとは限らない。 |
| 機能評価 | 修飾によって、安定性、膜との関係、標的結合などがどう変わるのか。 | 一つの性質の改善が、別の性質の悪化を伴うことがある。 |
| 生体内評価 | 試験管内で見えた反応が、細胞や生体内で意味を持つのか。 | 酵素、基質、環境が出会う条件がそろわなければ、反応は意味を持たない。 |
| 実装 | 目的の反応を、再現性と品質を保って利用できるのか。 | 科学的に興味深い反応と、実用上使いやすい反応は同じではない。 |
この段階性を無視すると、人工基質法の応用可能性は過大にも過小にも評価される。過大評価すれば、人工基質で反応したことを、そのまま医薬品や産業利用へ直結させてしまう。過小評価すれば、試験管内の反応にすぎないとして、問いの設計によって広がる可能性を見落とす。必要なのは、その中間である。人工基質法は、応用を完成させる技術ではない。しかし、応用に向けてどの酵素能力を調べるべきかを広げ、整理し、次の実験へつなげる基盤になりうる。
同時に、限界も明確にしておく必要がある。人工基質で反応したことは、生体内で同じ反応が意味を持つことを保証しない。酵素が試験管内で反応することと、細胞内でその基質に出会い、その反応が生理的役割を持ち、医薬品開発上の価値を持つことは別である。ここで再び、測定と解釈の区別が重要になる。問いを増やせば、応答は増える。しかし、意味は自動では増えない。
だからこそ、応用は、生命を設計する前に問いを設計するところから始まる。どの能力を引き出したいのか。どの差異を読めばよいのか。どの応答なら次の設計へ進めるのか。どの段階で、生体内の意味や実用上の価値を検証するのか。これらを整理せずに酵素を増やしても、知識は反応例の集積にとどまる。逆に、問いが明確であれば、人工基質法で得られた応答は、次の設計へ接続できる。
この意味で、今回の研究の応用価値は、単に新しい酵素の道具箱が増えたことにあるのではない。目的に応じて問いを設計し、酵素の応答可能性を調べ、得られた差異を次の設計へつなげる形式を示した点にある。生命科学が設計科学へ近づくとは、生命を自由に作り替えられるという意味ではない。生命がどのような問いにどう答えるのかを、段階的に確かめ、その応答を利用可能な知識へ変えていくという意味である。
10. 結論 ―― 新しい知識は、どのように問うかによって現れる
今回の研究は、新しい酵素を見つけた研究である。この点を小さく見る必要はない。14 種類の新規プレニルトランスフェラーゼが見つかり、これまでにない脂質化様式が確認されたことは、天然物化学やペプチド修飾酵素研究にとって重要な成果である。しかし、それだけでは、本稿が見てきた論点には届かない。より重要なのは、自然界に存在する基質を手がかりにするのではなく、人工的に設計した基質群を酵素へ投げかけ、その応答から機能を読む形式が作られた点である。
ここでは、人工基質は単なる材料ではない。人工基質は、生命に対する問いである。ある配列のペプチドを与えたら反応するか。どの残基が選ばれるか。どの大きさの脂質性分子部品を扱えるか。どの基質には反応し、どの基質には反応しないか。こうした問いは、言葉として酵素に投げられるのではない。物質として投げられる。酵素は言葉では答えない。反応するか、反応しないか、どの生成物を作るかという形で答える。
この視点に立つと、酵素の能力は、分子の内部に固定された性質としてだけでは捉えられない。もちろん、酵素にはアミノ酸配列があり、立体構造があり、活性部位がある。これらは能力の基盤である。しかし、どの能力が見えるかは、酵素だけで決まるわけではない。どの基質を与えるか、どの条件で反応させるか、どの測定法で生成物を読むか、どの差異を重要とみなすかによって、能力の輪郭は変わる。能力は、分子の性質であると同時に、問いとの関係として現れる。
このことは、生命科学における「機能」という言葉の扱いを変える。ある分子に本来の働きがあり、それを見つければ機能が分かる、という理解は重要である。生体内で実際に果たしている役割を明らかにすることは、生命科学の中心であり続ける。しかし、それだけでは足りない。分子は、自然界で実際に使われている機能だけでなく、条件を変えたときに現れる潜在的な応答可能性も持つ。人工基質法は、この応答可能性を読むための入口になる。
ここで、測定と解釈の関係も改めて重要になる。人工基質を増やせば、反応データは増える。混合反応と質量分析を組み合わせれば、多数の応答を一挙に読める。しかし、応答が増えたことは、意味が自動的に増えたことを意味しない。人工基質で反応したことと、生体内で意味を持つことは同じではない。試験管内で見えた能力と、進化的役割や医薬品としての価値は区別しなければならない。測定は必要である。しかし、測定は考えることの代わりにはならない。
したがって、本稿で扱った問いの設計は、単なる実験の工夫ではない。どの問いを与えるかによって、どの応答が見えるかが変わる。どの応答が見えるかによって、分子について語れる知識が変わる。どの知識が得られるかによって、次に設計できる分子や実験も変わる。問い、応答、測定、解釈、再設計は、切り離された手順ではなく、互いに接続された循環である。
| 段階 | 中心となる見方 | 本稿での到達点 |
|---|---|---|
| 存在 | どの遺伝子、タンパク質、分子があるのかを見る。 | 候補タンパク質の存在だけでは、酵素能力はまだ分からない。 |
| 働き | 分子が実際に何をしているのかを測る。 | 酵素反応を見ることで、存在から機能へ進む。 |
| 応答 | 外から入力を与えたときに、対象がどう振る舞うかを読む。 | 人工基質への反応分布として、酵素能力の幅が現れる。 |
| 問い | どの入力を与えれば、どの応答が見えるのかを設計する。 | 人工基質の設計そのものが、生命科学の知識生成を左右する。 |
この整理によって、今回の研究の位置づけが明確になる。生命科学は、生命の中に何があるかを調べる。生命が何をしているかを測る。外から働きかけたときに、どのように応答するかを読む。そしてさらに、どのような問いを与えれば、まだ見えていない応答が現れるかを設計する。存在、働き、応答、問い。この順序で見ると、今回の研究は、既稿の流れを一段先へ進める位置にある。
この結論は、生命科学を過度に人工化して捉えるものではない。自然界で実際に起きている反応は、依然として重要である。天然基質、生体内の役割、進化的背景、細胞内での条件は、人工基質法だけでは代替できない。むしろ、人工的な問いによって見えた応答を、自然界での意味とどう接続するかが重要になる。人工基質法は、自然を不要にする方法ではない。自然がまだ見せていない可能性を、実験的に問い直す方法である。
AI との接続も、ここに位置づけられる。AI は、問いの候補を増やし、探索空間を整理し、次に試すべき基質を提案できるかもしれない。しかし、AI が問いの価値を自動的に決めるわけではない。どの問いが科学的に意味を持つのか。どの応答を重要な差異として扱うのか。どこで生体内の意味や応用可能性へ接続するのか。これらは、研究者の判断として残る。AI 時代の科学でも、中心にあるのは、答えを得る速さだけではなく、問いを設計する力である。
科学は、自然の中に隠れた答えを拾い上げるだけの営みではない。自然にどのような問いを与えるかによって、初めて現れる答えがある。新しい知識は、自然の側だけにあるのではない。問いと自然のあいだに立ち上がる。生命への問いを設計する科学とは、その関係を意識的に扱う科学である。
ごちゃまぜ人工基質法の本当の新規性は、ここにある。新しい酵素を見つけたことではなく、新しい酵素が見えるような問いの形式を作ったこと。自然界にある答えを待つのではなく、自然が答えを返せる場を作ったこと。生命科学が「何があるか」「何が働いているか」を越えて、「どのように問えば、何が現れるか」を扱い始めたこと。新しい知識は、どこかに完成品として眠っているだけではない。どのように問うかによって、初めて姿を現す。
参考文献
- 京都大学, 「ごちゃまぜ法」でペプチドを修飾する新規酵素を一挙に探索―ペプチドへの脂質付加を可能にする酵素レパートリーの拡張―（2026-07-02）. https://www.kyoto-u.ac.jp/ja/research-news/2026-07-02
- 横浜市立大学, 「ごちゃまぜ法」でペプチドを修飾する新規酵素を一挙に探索―ペプチドへの脂質付加を可能にする酵素レパートリーの拡張―（2026-07-02）. https://www.yokohama-cu.ac.jp/res-portal/news/2026/20260702sengoku.html
- Inoue, S., Matsushita, S., Ito, S. et al., Rapid screening platform for peptide prenyltransferases to diversify pseudo-natural prenylated peptides, Nature Catalysis (2026). https://doi.org/10.1038/s41929-026-01560-5
- Arnison, P. G. et al., Ribosomally synthesized and post-translationally modified peptide natural products: overview and recommendations for a universal nomenclature, Natural Product Reports 30, 108–160 (2013). https://doi.org/10.1039/C2NP20085F
- Zhang, X. et al., Discovery, biochemical characterization, and bioengineering of cyanobactin prenyltransferases, Trends in Biotechnology 41, 760–772 (2023). https://pubmed.ncbi.nlm.nih.gov/36564250/
- Zhang, L. and Bulaj, G., Converting peptides into drug leads by lipidation, Current Medicinal Chemistry 19, 1602–1618 (2012). https://pubmed.ncbi.nlm.nih.gov/22376031/
- Inoue, S. et al., De Novo Discovery of Pseudo-Natural Prenylated Macrocyclic Peptide Ligands, Angewandte Chemie International Edition (2024). https://pubmed.ncbi.nlm.nih.gov/38837490/
- Goto, Y. and Suga, H., The RaPID Platform for the Discovery of Pseudo-Natural Macrocyclic Peptides, Accounts of Chemical Research 54, 3604–3617 (2021). https://doi.org/10.1021/acs.accounts.1c00391
- Goto, Y., Katoh, T. and Suga, H., Flexizymes for genetic code reprogramming, Nature Protocols 6, 779–790 (2011). https://doi.org/10.1038/nprot.2011.331
- Fisher, R. A., The Design of Experiments (1935). https://archive.org/details/in.ernet.dli.2015.502684
- Platt, J. R., Strong Inference, Science 146, 347–353 (1964). https://doi.org/10.1126/science.146.3642.347
- Box, G. E. P., Science and Statistics, Journal of the American Statistical Association 71, 791–799 (1976). https://doi.org/10.1080/01621459.1976.10480949
- Hacking, I., Representing and Intervening: Introductory Topics in the Philosophy of Natural Science, Cambridge University Press (1983). https://www.cambridge.org/core/books/representing-and-intervening/F6506B708BB5A8B6A5D884BDCF28E7B7
- Boyd, N. M., Theory and Observation in Science, Stanford Encyclopedia of Philosophy（2009, substantive revision 2026）. https://plato.stanford.edu/entries/science-theory-observation/
- id774, 測ることは、考えることの代わりにならない（2026-07-02）. https://blog.id774.net/entry/2026/07/02/4931/
- id774, 秩序と無秩序のあいだには何があるのか（2026-06-20）. https://blog.id774.net/entry/2026/06/20/4906/
- id774, 左回りに歩く人間から科学を考える（2026-06-27）. https://blog.id774.net/entry/2026/06/27/4920/
- King, R. D. et al., The Automation of Science, Science 324, 85–89 (2009). https://doi.org/10.1126/science.1165620
- Wang, H. et al., Scientific discovery in the age of artificial intelligence, Nature 620, 47–60 (2023). https://doi.org/10.1038/s41586-023-06221-2
- Butler, K. T. et al., Machine learning for molecular and materials science, Nature 559, 547–555 (2018). https://doi.org/10.1038/s41586-018-0337-2
- Kusne, A. G. et al., On-the-fly closed-loop materials discovery via Bayesian active learning, Nature Communications 11, 5966 (2020). https://doi.org/10.1038/s41467-020-19597-w
- Szymanski, N. J. et al., An autonomous laboratory for the accelerated synthesis of novel materials, Nature 624, 86–91 (2023). https://doi.org/10.1038/s41586-023-06734-w
- id774, AI は思考設計格差を拡大する（2026-02-19）. https://blog.id774.net/entry/2026/02/19/3698/
- id774, 生成 AI の競争軸は、モデルから業務実装へ移る（2026-06-25）. https://blog.id774.net/entry/2026/06/25/4922/
- id774, AI の答えは、採用されたときに責任になる（2026-06-26）. https://blog.id774.net/entry/2026/06/26/4925/
- Bell, E. L. et al., Biocatalysis, Nature Reviews Methods Primers 1, 46 (2021). https://doi.org/10.1038/s43586-021-00044-z
- Romero, E. et al., Enzymatic Late-Stage Modifications: Better Late Than Never, Angewandte Chemie International Edition 60, 16824–16855 (2021). https://doi.org/10.1002/anie.202014931