タンパク質設計の実験を自動で回す「DREAM」クラウド研究室 ― NSF AI助成 $441万（ノースウェスタン大）

1タンパク質工学が自動実験と相性がよい理由

タンパク質は20種類のアミノ酸が並んだ鎖で、その並び方が働きを決めます。ただし並び方の組み合わせは、短い配列でも天文学的な数になります。100個並ぶだけで20の100乗通り——宇宙の原子数をはるかに超える広さです。この中から目的の働きをするものを探すのに、勘と経験だけで進むのは現実的ではありません。

そこで取られてきたのが「設計→作製→試験→学習」を繰り返す進め方です。予測して作り、測って外れを学び、次の予測に反映する。この輪を何周回せるかが成果を決めるため、1周の速さと、1周あたりに試せる本数が直接効いてきます。実験の自動化がこの分野で強く求められるのは、この構造によります。

2「機械が読める失敗」という資産

自動化のもう一つの効果は、うまくいかなかった条件も同じ形式で残ることです。人が手で行う実験では、期待した結果が出なかった試行は記録が薄くなりがちですが、機械が回す実験では成功も失敗も同じ粒度でデータになります。予測モデルにとっては、この「効かなかった組み合わせ」こそが探索範囲を狭める情報になります。

題目にある Rapid（高速）と Automation（自動化）は、単に速いという話ではなく、学習に使えるデータの密度を上げるという意味を含みます。

3交付額441万ドル・想定総額2,000万ドル

交付額は4,411,752ドルで、想定総額は20,000,000ドルです。10拠点あるPCL試験拠点の中では交付額がやや低い一方、想定総額は上限に近い水準に置かれています。期間は2026年8月1日から2030年7月31日までの4年間です。

4自動化が変えるのは速さだけではない

実験を機械が回すようになると、記録の残り方が変わります。人が手で行う場合、期待した結果が出なかった試行は書き留められないことがあります。機械が回す実験では、成功も失敗も同じ形式で残ります。

題目にある Rapid と Automation は、この右側を指しています。予測モデルの精度を上げるのは結局のところ実測データであり、その密度を上げることが自動化の本当の効き目です。