11月4日、James Zouが「AI agents enter the 'wet lab'」と題した記事を公開した。AIエージェントがピペット操作や試薬の混合といった実際の物理的な実験操作を自律実行し、DNAを扱う分子生物学実験を人間の介入を最小限に抑えながら遂行する——そんなシステム「AutoDNA」が Nature に発表された。計算処理の補助にとどまらず、実験台の上の操作そのものをAIが担う時代の到来を示す研究だ。

AIが「湿式実験室」に踏み込む

これまでAIが科学研究で担ってきた役割は、主にデータ解析、予測モデルの構築、文献調査といった計算処理の領域に限られていた。AIが新しい生物活性分子を設計するのに数分かかるとすれば、それを実際に検証する実験には数週間から数ヶ月を要し、多大な人手も必要だった。

この「提案と実施の間のギャップ」を埋めようとするのが、Wu et al.が Nature に発表したAutoDNAである。AutoDNAは、AIエージェントがDNAに関わる分子生物学実験を計画し、実験室の機器を制御して実際に実験を遂行するシステムだ。いわゆる「ウェットラボ（wet lab）」——液体、生体材料、化学物質を実際に扱う実験環境——にAIが直接介入する点が、従来のAI活用と根本的に異なる。

用語補足： ウェットラボ（wet lab）とは、試薬・細胞・DNA等の実物を扱う実験室のこと。コンピュータ上のシミュレーションや解析を行う「ドライラボ」と対比される。

AutoDNAの何が違うのか：具体的な実験内容

AutoDNAの核心は、AIエージェントが多段階の実験ステップを自律的に調整・実行できる点にある。Wu et al.の原著論文「An AI-native experimental laboratory for autonomous biomolecular operations」によれば、AutoDNAはDNAアセンブリ（断片の結合）、PCR増幅、プラスミドの構築といった複数の分子生物学的操作を対象としており、液体分注ロボットや温度サイクル装置など実験室の物理機器をAIエージェントが直接制御する構成をとる。

単一の操作を自動化するのではなく、実験計画の立案から試薬の準備、各種機器への命令発行、結果の確認までの一連のワークフローを統合的に管理する点がAutoDNAの特徴だ。原著論文では、こうした多段階タスクの実行において高い成功率が報告されており、ロボットによる物理操作と言語モデルによる推論・判断を組み合わせたアーキテクチャが実験の再現性と成功率を支えているとされる。

著者のJames ZouはスタンフォードBiomedical Data Science部門に所属する研究者であり、今回のNews & Views記事はこの原著論文に対するコメンタリーとして書かれたものだ。Zouは元記事の中で、この研究が示す意義について次のように述べている。

"The gap between proposing an experiment and actually doing it is one that AI systems are beginning to close."
（実験を提案することと実際にそれを行うことの間にあるギャップを、AIシステムが埋め始めている）

なぜ今これが重要か

AIによる科学研究の自動化は、ここ数年で急速に議論が進んできた領域だ。関連する流れとして、大規模言語モデルが自動化された化学実験室を制御する事例（Nature, 2023）や、AIが仮説を立案しその検証方法まで提示するシステム（Nature, 2026）がすでに報告されている。

AutoDNAはその延長線上にあるが、DNAという具体的な生体材料を扱うウェットラボ操作まで自律化した点で、一歩踏み込んだ実証となっている。従来の自動化システムの多くが特定の単一操作に特化していたのに対し、AutoDNAは複数の操作を横断して実験全体を管理する点で、より汎用的な実験自動化への道筋を示している。

ボトルネックは「実験」そのものだった

AIが科学研究を加速する上で最大の障壁の一つは、計算予測と物理的な検証実験の速度差にあった。ドラッグディスカバリーを例に挙げれば、AIが候補化合物を絞り込む時間は劇的に短縮されているにもかかわらず、実際の生物活性確認には依然として大量の人手と時間がかかる。

AutoDNAのアプローチが実用スケールで機能することが確認されれば、仮説検証のサイクルを大幅に短縮できる可能性がある。一方で、現時点では「比較的少ない人間の介入で」という表現にとどまっており、完全自律ではない。原著論文においても、異常検知や実験条件の逸脱時には人間による確認ステップが残されており、現段階での自律性には明確な限界と前提条件がある点は注意が必要だ。

また、AutoDNAが対象とするのは現状DNAを中心とした操作に限られており、より複雑な細胞実験や動物実験レベルの自動化には依然として多くの課題が残る。Zouも、今回の成果はあくまで「重要な第一歩」と位置づけており、科学研究全体の自動化に向けた長い道のりの入口に立ったという認識を示している。

詳細はAI agents enter the 'wet lab'を参照していただきたい。