[ニュース解説] GPT‑5が解いた3年越しの免疫学の謎——AIが「共同研究者」として科学研究に入り込む日

2026-07-05

はじめに

　OpenAIが2026年6月23日に公開した事例紹介によれば、免疫学者のデリャ・ウヌトマズ博士が2022年から棚上げしていたT細胞実験の謎を、GPT‑5 Proが解明しました。本稿では、この事例をもとにAIが科学研究プロセスをどのように変えつつあるかを解説します。

参考記事

タイトル: How GPT‑5 helped immunologist Derya Unutmaz solve a 3-year-old mystery
著者: OpenAI
発行元: OpenAI
発行日: 2026年6月23日
URL: https://openai.com/index/gpt-5-immunology-mystery/

要点

ジャクソン研究所のデリャ・ウヌトマズ博士が、2022年から3年間解明できなかったT細胞の分化メカニズムをGPT‑5 Proに分析させ、新たな仮説を得た
GPT‑5 Proは「デオキシグルコースがタンパク質IL-2の合成を阻害し、T細胞のTh17分化を促進する」というメカニズムを提示した
博士がまだ発表していない実験の結果をGPT‑5が正確に予測し、インターネット上にない情報を推論で導き出した
文献調査・仮説精査・実験シミュレーションの自動化により、研究期間を数週間〜数年単位で短縮できる可能性がある
AI活用においても専門家による評価・判断は不可欠であり、AIはあくまで研究者の能力を「増幅」する存在と位置づけられている

詳細解説

3年間棚上げにされていた実験データ

　ジャクソン研究所およびコネチカット大学の教授、デリャ・ウヌトマズ博士は、2022年にT細胞の発達と糖の関係を調べる実験を実施しました。T細胞（T cell）とは免疫系の中核を担う細胞で、ウイルスへの応答・がん細胞の排除・自己免疫疾患の制御など、幅広い役割を果たします。T細胞がどのような役割に「分化（特殊化）」するかを決定するメカニズムの解明は、がんや自己免疫疾患の治療研究に直結します。

　実験では、グルコース（糖）の代わりにグルコース類似分子「デオキシグルコース」を用いた条件と、低グルコース環境の条件を比較しました。どちらも細胞が使えるエネルギーを制限するという点では同じはずでした。ところが、デオキシグルコースに暴露されたT細胞は、低グルコース環境のものと比べて圧倒的に多くの「炎症性T細胞（Th17）」へと分化しました。この差は、エネルギー不足だけでは説明がつかないものでした。理由が解明できなかったため、博士と研究チームはデータをそのまま棚上げし、ほかの課題へと移っていきました。

GPT‑5 Proが示した「見落とされていたメカニズム」

　2025年末にGPT‑5 Proが公開されると、博士は3年越しのデータをモデルに再投入しました。OpenAIの発表によれば、GPT‑5 Proが提示した仮説は「デオキシグルコースがタンパク質IL-2の合成を阻害することで、T細胞のTh17分化を抑えるはずのブレーキが外れた」というものでした。IL-2はT細胞の分化を制御するシグナルタンパク質であり、その合成が妨げられると特定の分化経路が抑えられなくなると考えられます。

　博士自身の専門領域のすぐ外側にある知識を組み合わせた洞察であり、研究室の誰も気づいていなかった視点でした。「GPT‑5は本当に注目すべき洞察を示してくれました。振り返ってみれば、完全に筋が通っている」と博士は語っています。AIが単に既存の文献を照合するだけでなく、複数の知識を組み合わせて新たな仮説を生成できることを示した事例だと言えます。

未発表実験の結果を正確に予測

　博士はさらにGPT‑5 Proの「予測能力」を検証しました。自身がまだ論文として発表していない、リンパ腫を標的とするT細胞（CD8+）の実験について、同じ条件でシミュレーションするよう依頼しました。モデルはCD8+細胞によるリンパ腫細胞の殺傷能力の向上を正確に予測しました。インターネット上には存在しない情報を、推論で導き出したことになります。

　「このモデルたちは、本当の意味で『理解』するレベルに達した、と感じた瞬間でした」とOpenAIの発表で博士は述べています。AIが「検索ツール」から「推論パートナー」へと質的に変化しつつあることを示唆する結果だと思います。なお、OpenAIは以前にも創薬専用AI「GPT-Rosalind」を強化しており、科学・医療領域へのAI適用を継続的に推進してきた経緯があります。

AI×科学研究がもたらす研究プロセスの変化

　ウヌトマズ博士は現在、GPT‑5 Proを研究の複数の段階で活用しています。毎週数百本単位で発表される論文を処理して未解答の問いを特定する文献調査の効率化、実験アプローチの候補を絞り込む仮説の精査、そして実際のラボ実験前に結果を予測する実験シミュレーションが主な用途です。これにより、研究期間を数週間・数ヶ月、場合によっては数年単位で短縮できる可能性があるとOpenAIの発表は伝えています。

　類似する取り組みとして、Googleも「Co-Scientist」と呼ばれるマルチエージェントシステムで科学者との仮説共同生成を実現していることが知られており、大手AI企業が競うように科学研究支援ツールを強化している状況が見えてきます。

　ただし、AIが生成した洞察の重要性や妥当性を判断できるのは、その分野の専門家に限ります。博士自身も「専門知識なしには、GPT‑5が示した洞察が重要かどうか判断できなかった」と強調しています。AIはあくまで専門家の能力を増幅するものであり、専門知識を代替するものではないと考えられます。

リスクと責任ある活用

　OpenAIはこの発表のなかで、AI による科学の加速が悪用リスクも伴うことを明記しています。生物・化学兵器への転用といった深刻なリスクについては、「Preparedness Framework（準備態勢フレームワーク）」に基づく評価体制と安全策を講じていると説明しています。科学加速の恩恵とリスクの両面を同時に公開した点は、OpenAIの姿勢として注目に値すると思います。

　博士は現在、CodexやGPT‑5.2 Deep Researchも活用し、大規模ながん変異データセットの構築やT細胞に特化したテキストブックの草稿生成にも取り組んでいます。