この記事のポイント
AI/ML活用のタンパク質設計における特許動向を分析。AlphaFold以降の構造予測技術、指向性進化法、合理的設計の知財ポイントを解説します。
DeepMindのAlphaFoldがタンパク質構造予測に革命を起こして以降、AIを活用したタンパク質工学の特許出願が爆発的に増加している。医薬品、工業用酵素、バイオマテリアルなど幅広い分野で、AIによるタンパク質設計が実用段階に入りつつある。
タンパク質工学の3つのアプローチ
| アプローチ | 手法 | AI活用度 |
|---|---|---|
| 指向性進化法 | ランダム変異＋スクリーニング | 低〜中 |
| 合理的設計 | 構造情報に基づく変異設計 | 中 |
| AIベース設計 | 深層学習による新規配列生成 | 高 |
AI活用の特許ポイント
AIベースのタンパク質設計では、以下の要素が特許の対象となる。
- 学習モデル：トランスフォーマー、グラフニューラルネットワーク等
- 学習データセット：構造データベース、活性データの構築方法
- 予測手法：構造予測、機能予測、安定性予測のアルゴリズム
- 設計されたタンパク質そのもの：新規配列・構造の物質特許
AlphaFold以降の特許ランドスケープ
AlphaFold 2の論文公開（2021年）以降、タンパク質構造予測の特許出願トレンドが大きく変化した。
| 年 | 構造予測関連出願 | 設計関連出願 | 合計 |
|---|---|---|---|
| 2020 | 約800件 | 約400件 | 1,200件 |
| 2022 | 約1,500件 | 約1,200件 | 2,700件 |
| 2024 | 約2,000件 | 約2,500件 | 4,500件 |
注目企業の特許戦略
- Generate Biomedicines：生成AIモデルによるタンパク質設計
- Absci：AIベースの抗体設計プラットフォーム
- Arzeda：酵素設計のための計算プラットフォーム
- 第一三共：AI創薬パイプラインの知財構築
特許取得の留意点
タンパク質工学の特許出願では以下の点に注意が必要だ。
- 自然物の例外：天然タンパク質そのものは特許対象外（米国Myriad判決）
- 明細書の充実：AIが設計したタンパク質でも実験的検証データが必要
- 進歩性の論証：既知タンパク質との差異を明確に示す必要がある
- 実施可能要件：AIモデルの再現可能性を担保する記載
まとめ
AIによるタンパク質設計は創薬のパラダイムシフトを起こしつつある。早期の特許出願と、実験データの蓄積が知財ポジションの確保に不可欠だ。