
2026年1月に開始されたIlluminaのBillion Cell Atlas連携(ゲノム全体の遺伝的摂動データセット)は、AI駆動型創薬企業Formation Bioを含む3社の新しいメンバーを加えた。同アライアンスは現在、3億5000万以上の配列決定された細胞と6ペタバイト以上のゲノムデータを保有しており、医薬品メーカーが疾患の起源方法、候補薬が疾患生物学とどのように相互作用するか、そしてどの患者集団が治療に最も反応しやすいかを理解することが可能になる。
こういう要約が、毎朝あなたのメールに届きます。
無料で登録 →何が起きたか
Illuminaは、AI駆動型創薬企業Formation Bioを含む3社をBillion Cell Atlas連携に新たに加えることを発表した。2026年1月に設立され、AstraZeneca、Merck、Eli Lillyを創設メンバーとするこのプログラムは、現在3億5000万以上の細胞をシーケンシングし、6ペタバイト以上のゲノムデータを生成している。
なぜ重要か
このアライアンスにより、創薬企業は候補薬に反応する患者集団を特定し、医薬品ターゲットを検証し、進める医薬品の意思決定を改善するための前例のないゲノム全体の摂動データへのアクセスが可能になり、リスク軽減と生物学的発見から医薬品承認までの時間短縮につながる可能性がある。
注目点
Formation Bioは本Atlasを使用して、治療領域の仮説とターゲット-適応ペアを検証し、臨床的成功の確率が最も高い資産、適応、患者、試験デザインを選択する予定である。このプログラムは最終的に、200以上の疾患関連細胞株にわたるCRISPRを経由した遺伝的変化に対する10億個の個別細胞の応答を捉えるようになる。
Illuminaは本記事の発表日にBillion Cell Atlas連携がFormation Bioというai駆動型創薬企業、および2社の追加AI駆動型創薬パートナーを含むように拡大したことを発表した。このプログラムは2026年1月にAstraZeneca、Merck、Eli Lilly and Companyを創設メンバーとして導入された。
Atlasは、細胞がCRISPRを経由した遺伝的変化にどのように反応するかを捉えるために設計されたゲノム全体の遺伝的摂動データセットである。現在までに3億5000万以上の細胞がシーケンシングされ、数百の疾患関連および健康な細胞型にわたり6ペタバイト以上のゲノムデータが生成されている。完成時には、200以上の疾患関連細胞株にわたり10億個の個別細胞がシーケンシングされる予定である。データセットの規模と多様性により、疾患がいかに発生し発展するか、また潜在的にその進行がいかに逆転する可能性があるかが明らかになる。
IlluminaのBioInsight上級副社長兼ゼネラルマネジャーRami Mehioは、この取り組みを「創薬・開発の連続体全体における主要なボトルネック」に対処するものとして位置付けた。Atlasにより、ユーザーは新規ターゲットの発見と検証、医薬品および疾患の作用機序の特性評価、潜在的な新しい適応の探索が可能になる。Formation Bioについて、CEOで共同設立者のBenjamine Liuは、同社のモデルは既に臨床段階近くまたは臨床段階にある有望な医薬品を特定・獲得し、その後AIを使用してより迅速かつ効率的に開発することを含めることを説明した。そのモデルの中核部分は、特にファーストインクラス・プログラムにおいて、証拠が断片化されている場合の、より良い資産選択および適応決定を行うことである。Illumina Billion Cell Atlasを活用して治療領域の仮説とターゲット-適応ペアを細胞特異的因果生物学に対して検証し、遺伝学、ヒト生物学、トランスレーショナル証拠、臨床データと組み合わせることで、Formation Bioは正しい資産、適応、患者、試験デザインを選択する能力を改善し、最終的には重要な新規医薬品が患者に到達する確率を高めることができる。
Illuminaの人工知能副社長Kyle Farhは、「生物学におけるAIの次のフロンティアは基礎となるトレーニング·データセットの創出に左右される」と述べ、これまで単一細胞データの大部分は観察的なものであり、Illuminaはそのパラダイムを変えることを目指していると付け加えた。
Illumina Billion Cell Atlasは、創薬がいかに生物学的データを大規模に活用するかの転換点を示している。2026年1月に開始されたこのプログラムは、創薬開発全体のボトルネックに対処するために構築されている:追求すべきターゲットの特定、医薬品が成功または失敗する理由の理解、臨床試験の適切な患者集団の選択である。Formation Bioとその他2社のAI駆動型企業の追加は、大規模で多様な生物学的データセットで訓練された機械学習モデルが資産選択の厳密性を改善できるという確信を示している―多くのファーストインクラス医薬品がこの重大な判断ポイントで失敗する理由は、ターゲット生物学は魅力的だが臨床的証拠に乏しいからである。
Formation Bioの表明されたモデル―臨床段階近くまたは臨床段階にある有望な医薬品を獲得しAIを使用してより迅速に開発すること―は、Atlasが可能にするものと直接一致している:単一細胞摂動データを使用して、候補薬が疾患生物学とどのように相互作用するかのより正確なモデルを構築し、反応の可能性が最も高い患者サブグループを特定すること。Atlasの細胞状態特異的データを遺伝的、トランスレーショナル、臨床的証拠と統合することで、開発者は高額な臨床試験への投資前に、より厳密にターゲット-適応ペアを検証できる。この能力は、臨床的先例が限定的でステークスが高いファーストインクラス·プログラムに特に価値がある。
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できます
まだコメントがありません。最初のコメントを投稿しましょう!
ログインして議論に参加200以上のソースから厳選したAIニュースを毎日無料でお届けします。
無料で始める登録無料・30秒で完了・いつでも解除できます
毎朝1分、AIの要点だけ。
200媒体以上・Email/LINE/Slack 対応