2026年9月29日、Microsoft Researchは公式ブログで生物学向けAI研究システム「Quine」を正式に発表し、同時に「Quine Fellows」プログラムを立ち上げて、生物学・医学の最前線で働く科学者からの応募受付を開始した。「ワールドモデル」の概念を生物学に本格的に持ち込んだ初の試みであり、タンパク質構造を予測する単発モデルではなく、ゲノム、タンパク質、化学、細胞状態、バイオイメージングといった複数のスケールをまたいで統合的に推論する研究システムだ。
Quineは2つの要素で構成される。第1に生物学のワールドモデルである。マルチモーダルな生物データを共同学習し、スケールをまたぐ共通の表現を獲得する。あるモダリティの証拠が別のモダリティの予測を直接支える――たとえば遺伝子型から表現型を推論する際に、遺伝子・タンパク質・細胞を孤立した専門モデルに振り分けてオーケストレーション層でつなぎ合わせる方式をやめる。Microsoftの主張は、このようなスケールをまたぐ共同学習が、むしろ生物学そのものの階層構造を捉えて汎化を高めるというものだ。第2に、ワールドモデルをオーケストレーション・推論モデル、科学ツール、文献、ウェットラボ、そして利用する科学者とつなぐインタラクティブなハーネスがある。科学者の問いが計算上の提案になり、実験に値する設計になり、ウェットラボの測定結果が科学者に還流し、次世代システムの学習信号になる。科学者は常にループの中にあり、計算と実験が加速し続ける循環を形作る。
発表の中で最も説得力があるのは実例だ。Microsoftはハーバード大・マサチューセッツ工科大のBroad研究所と長年、膵管腺がん（PDAC、最も一般的な膵がん）の細胞状態仮説を研究してきた。腫瘍の挙動や薬剤応答は遺伝子だけでなく転写レベルの細胞状態にも依存する、という仮説である。今回Quineを使い、数千の化合物を「腫瘍細胞を治療上有意義な状態へ移行させる可能性」でランク付けしたところ、ウェットラボの実験で最上位の化合物が最大の意図通りのシフトを生み出した。化合物の探索空間を一気に絞り込み、少数の候補を実験で検証するまでの一連のプロセスは、わずか1週末で完結し、数か月分の実験作業と大きな研究コストを節約できる可能性を示した。さらに興味深いのは予期せぬ発見で、Quineが複数の化合物をclassical–basal軸とは異なる第3の表現型へ押しやると予測し、実験で裏付けられた。この実験はモデルの仮説を検証しただけでなく、新たな仮説を生み出したのだ。
Microsoftは発表の中で境界線を明確に引いている。Quineは現時点では実験的な研究技術であり、研究用途のみを想定し、臨床や医療用途には使わない。出力は不完全・不正確な可能性があり、有資格の研究者による審査と適切な科学的検証が必須である。アクセスは段階的に行い、初期はQuine Fellowsプログラムと一部の研究協力に限定し、技術が成熟するにつれてMicrosoft Discoveryなどの製品経由で拡大する予定だ。この慎重さには現実的な理由がある。生物学は実験のイテレーションが長く、ミスの代償が大きい。「賢そうに見える」システムをそのまま臨床につなげば災難になりかねない。
科学AIはベンチマーク競争から閉ループ発見へ
ここで本当に注目すべきは、新しいベンチマークのスコアではなく、Microsoftが賭けている方向性だ。ここ数年のAI for Scienceの語りは「単一タスクの攻略」を中心に回ってきた。タンパク質構造、材料スクリーニング、文献QAである。Quineが賭けるのは別の命題だ。科学の進歩のボトルネックは単一の予測精度ではなく、「問いを立てる―実験を設計する―検証する―再び問う」というループがどれだけ速く回るかだ。ワールドモデルの価値は生物学を完璧に再現することではなく（Microsoft自身がそれは不可能と認めている）、高価な実験リソースを投じる前に、検証に値する範囲まで探索空間を圧縮できるかどうかにある。
バイオ・製薬の研究開発にとって、このシグナルは具体的だ。創薬コストの大半は計算力ではなく、ウェットラボの試行錯誤にある。PDACの事例で数か月分の作業が1週末に置き換えられたことが、他の適応症でも再現できれば、創薬初期スクリーニングのコスト構造は直接変わる。Microsoftがこの段階でFellowsプログラムを開放したのは、ある判断の表れだ。生物学のワールドモデルが進化する方向は、実験室の科学者自身が決めるべきであり、システムはランキング表の中ではなく、実際の科学実践の中で育たなければならない。
