Anthropic、Claudeによる創薬加速と企業買収を発表

米Anthropic（米サンフランシスコを拠点とするAIスタートアップ）のライフサイエンス部門は2026年10月27日（現地時間）、大規模言語モデル「Claude（Anthropicが開発する対話型・エージェント型AIモデルシリーズ）」を活用した創薬プロセス全体の加速に関する研究進捗を公表しました。バイオ医薬品・バイオテクノロジー企業6社との共同研究成果を発表したほか、小児の希少難病である筋ジストロフィー治療薬を開発する1人企業「Mithril Medicine」を買収し、AIを活用した自社創薬プログラムを正式に立ち上げたと発表しました。順調に進捗すれば、2028年後半にもヒト臨床試験へ移行する見込みです。

パートナー企業6社との実証成果とMithril Medicine買収の詳細

発表によると、創薬のボトルネックは初期の分子設計にとどまらず、標的探索、製造プロセスの最適化、規制当局への提出書類作成、臨床試験設計など多岐にわたります。AnthropicはClaudeの自律能力を創薬パイプライン全域に組み込む実証を進めています。

• Mithril Medicineの買収​: 創業者のCody Tranbarger氏がAnthropicに合流。同氏はClaudeを活用して契約、実験ロジスティクス、外部11箇所の実験室との連携を管理し、アイデア着想から18か月足らずでマウス試験の有望な結果を取得。現在Anthropic内で研究を継続中
• Generate Biomedicines（CAR-T療法）​: 固形がん治療への応用を目指し、CAR-T細胞の遺伝子命令領域をClaude Codeで再設計。従来比で約70%短縮しながら、受容体発現量を約10倍に高め、がん細胞殺傷力と細胞生存期間の向上を確認
• Divergence Labs（食物アレルギー）​: 原因分子IgEを免疫細胞から引き離す新規抗体を設計。Claudeが約1か月で約3万5,000件の抗体候補を自律設計し、初期試験で既存薬を上回る結合・解離性能を持つ候補を複数特定
• BigHat Biosciences（リード最適化）​: 自動化実験室データとClaudeを連携し、10週間で約1,010種の変異体を評価。既存評価指標の歪みをClaudeとの再分析で特定し、結合力を10倍以上、熱安定性を18度改善
• Enveda（製造文書・薬事申請）​: 1,061ページの製造記録レビューを自動化し、人間が見落とした7件の不備を検知。作業時間を25時間超から3時間未満へと89%削減。薬事申請文書の初稿作成も3か月から4時間へと短縮
• Bristol Myers Squibb（臨床試験計画）​: 初期臨床試験の設計案評価や成功確率の試算にClaudeを導入し、数日を要していた初期分析を単一プロンプトから生成

独自価値要素：提携各社におけるClaudeの役割と短縮効果の比較

創薬バリューチェーンの各段階でClaudeがどのような付加価値を生み出したか、発表データに基づく一覧比較です。

提携企業	対象疾患・分野	Claudeの主な役割	実証された具体的成果
Mithril Medicine	小児筋ジストロフィー	業務自動化・外部実験連携・創薬指揮	構想から18か月未満でマウス有望結果（2028年臨床目標）
Generate Biomedicines	がん（CAR-T療法）	遺伝子配列のモダリティ工学	配列長70%短縮、受容体発現10倍、腫瘍殺傷効率向上
Divergence Labs	食物アレルギー（IgE）	2機能抗体の自律的ヒット生成	1か月で3.5万設計生成、既存薬を上回る解離抗体を特定
BigHat Biosciences	がん標的抗体フラグメント	リード最適化・実験指標再定義	結合力10倍超、熱耐性18度向上、凝集速度100倍抑制
Enveda	天然物由来医薬品	製造記録点検・薬事申請書初稿	レビュー時間89%削減、3か月の文書作成を4時間に短縮
Bristol Myers Squibb	腫瘍・血液疾患	臨床試験計画策定・成功確率予測	複数日かかる初期評価を単一プロンプトで即座に導出

分析と展望：モデルベンダーから「AIバイオテック」への垂直統合

今回の発表は、AI研究機関と製薬業界の関係性が「ツール提供」から「垂直統合型バイオテック」へと構造転換を始めたことを示しています。

これまで大手AI企業は、タンパク質立体構造予測ツールなどのソフトウェアを提供する形が主流でした。しかしAnthropicは、研究者専用ワークベンチ「Claude Science」を展開しつつ、自らスタートアップを買収して化合物のパイプラインを抱え込む戦略に踏み出しました。

編集部注として考察すると、創薬プロセスの全工程にAIエージェントを密結合させることで、自社モデルの限界や改善点を直接把握し、モデルの進化サイクルを生物学研究の現場から逆算して回す「フィードバックループ」の構築が真の狙いとみられます。2028年に予定される臨床試験の成否は、生成AIが真に難病克服の決定打となり得るかを占う試金石となります。

引用元：Anthropic