Junction Bioscience: AI Hypothesis Engine for Molecular Discovery

AI創薬ツールのほとんどは、人間がすでに立てた問いへの回答を速くする。Junctionはモデルをその前段に置く。エンジンがメカニズムを提案し、文献と社内データに照らし、吟味に耐えない案を捨てる。プロジェクト責任者にとっては、長い分子リストではなく、理由付きの短い候補リストが手に入る。

中核手法は、原子が動く物理世界を化学コードに翻訳し、それを実験室で使って細胞の振る舞いを変えることだと説明される。平たく言えば、分子の形と電荷が細胞内の標的とどう作用するかをモデル化し、合成する価値のある化合物を選ぶ。生物物理と経路生物学は通常別チームに分かれる。ここでは同じ循環に入る。

Junctionは、生きた細胞での分子間相互作用の測定で信号対雑音比を1000倍改善したと主張する。この数字が効くのは、細胞アッセイでは実際の結合が背景ノイズに埋もれやすいからだ。信号が澄んでいればモデルの学習データが良くなり、化合物が予測通りに働いたかを化学者が見やすくなる。数値は企業側の発表で、独立した検証はまだない。

予測は誰かが試して初めて意味を持つ。エンジンの出力は自社で行う実験に渡り、結果がモデルに戻る。一周ごとに次の提案が絞られる。予測だけを売り、検証を顧客に任せるソフト企業との構造的な違いはここにある。

治療標的の選定は単純な条件に従う。医療ニーズが大きく未充足の生物学を選び、そのうち自社アッセイがAIに使えるデータを出せる範囲に絞る。この組み合わせにより、資金力で勝るスクリーニング企業と正面からぶつからずに済む。パイプラインが自己免疫・炎症性疾患に集中する理由でもある。

Junctionは大学グループや製薬企業と研究協力を行い、創薬プラットフォームを軸とした提携提案も受け付ける。初期の学術ケーススタディが、大手製薬企業との共同プロジェクトにつながった。パートナーが得るのは推論エンジンと、それを支える実験能力であり、単体ツールのライセンスではない。