科学的超知能と呼ぶ壮大な目標の実現に取り組む"Lila Sciences"がSeries Aで評価額$1.23Bで$235Mを調達

Lila Sciencesは、Braidwell LPとCollective Globalがリードし、General Catalyst、March Capital、State of Michigan Retirement System、Alumni Ventures、Flagship Pioneering、Abu Dhabi Investment Authorityなどが参加したSeries Aで$235Mを調達した。新たな資金調達ラウンドにより、Cambridgeに拠点を置く同社の評価額は、設立から1年も経たずして$1.23Bとなりました。同社は年初にFlagship Pioneeringから得た$200MのSeedに加わる形となり、これまでの資金調達総額は約$450Mに達しました。

「科学的超知能(scientific superintelligence)」と呼ぶ壮大な目標の実現に取り組むLila Sciencesは、AIモデル、ロボティクス、カスタムソフトウェアを組み合わせて科学的方法全体を自動化し、仮説の生成、実験の設計、実行、結果からの学習を行います。

この取り組みの中核にあるのが、AI Science Factoriesです。これらは、強化学習、シミュレーション、ロボティクスを統合した自動化ラボです。同社によれば、最初のファクトリーはすでに数十万件のAI駆動による実験を実施しており、ライフサイエンス、化学、材料科学の分野で発見を生み出しています。Lilaは、思考と実世界での検証のサイクルを閉じることで、研究にかかる期間を数年から数日に短縮できると主張しています。

応用範囲は多岐にわたります。医学分野では、LilaのAIエージェントが、新規のタンパク質、核酸、診断法を数週間ではなく数時間で設計できると述べています。材料科学では、同社のシステムが、触媒、薄膜、超高安定金属に応用されており、クリーンエネルギーや先端製造業にとって重要な意味を持ちます。また、同社は、コンピューティングやエネルギーシステムの分野にも可能性を見出しており、新素材が効率性の向上をもたらすとしています。

Lilaは、FlagshipのPartnerであるGeoffrey von Maltzahnが率い、Harvardの遺伝学者であるGeorge ChurchがChief Scientistを務めています。同社は、Boston、San Francisco、Londonへの展開を計画しており、さらなるScience Factoriesの建設や、AI研究、ロボティクス、生物学、化学、材料科学の分野での採用を進めています。

Lilaが掲げる「科学的超知能(scientific superintelligence)」の構築は、ライフサイエンス業界全体に広がる動き、つまり自律型あるいは半自律型研究ラボへの移行を反映しています。このアイデアは理論上はシンプルですが、実践においては革新的です。AIによる仮説生成と物理的な実験とのサイクルを閉じることで、機械がスケールで思考し、検証することを可能にするのです。

すでにいくつかの企業がこのモデルのバージョンを試しています。2014年に設立されたInsilico Medicineは、薬剤ターゲットの発見、分子設計、臨床結果の予測を行うPharma.AIというプラットフォーム群を数年にわたり開発してきました。最近では、これらのデジタルツールを、細胞培養、ハイスループットスクリーニング、シーケンシング、イメージングを処理できるロボティクスラボと統合し始めています。その目的は、Lilaと同様に、実験結果がAI予測を継続的に洗練するフィードバックループを作ることです。

他にも、さまざまなスケールでのモデルが出現しています。Ginkgo Bioworksは、Inductive BioやTangible Scientificと連携し、小分子薬の創薬に向けた「ラボ・イン・ザ・ループ」ワークフローをテストしており、予測モデルを自動化アッセイに直接結びつけています。Potatoのようなスタートアップは、完全に自律的なサイクルを目指し、AIエージェントが実験を生成・優先順位付けし、ロボットがベンチワークを実行するシステムを構築しています。これらの取り組みはまだ開発中ですが、計算設計と物理的検証との摩擦を減らすという共通の方向性を示しています。

Lilaがユニコーン企業となったことは、AIとラボ自動化の融合に資本がいかに急速に流入しているかを示しています。しかし業界アナリストが警告するように、真の進歩の指標は、調達額や実施された実験の数だけでなく、患者や市場に届く成果にあります。

BioPharmaTrendによる最近の分析は、この緊張関係を浮き彫りにしています。Insilico Medicine、Recursion、Exscientia(買収済み)などの企業は、過去に発見までのタイムラインを短縮したと報告しており、場合によっては、ターゲット特定から臨床候補までのプロセスを数年から18ヶ月未満に圧縮しています。しかし、AIによって発見された薬剤が後期臨床試験を通過した件数は、依然として少数にとどまっています。このレポートは、多くのプラットフォームが研究開発(R&D)の特定の段階を加速するための手段として最も適しているものであり、パイプライン全体を代替するものではないと指摘しています。

この視点は、Lilaが直面している野心と課題の両方を浮き彫りにします。同社のAI Science Factoriesは、私が「ホリスティックな創薬(holistic drug development)」と呼ぶものの具現化であり、機械知能がバイオ医薬品プロセスのあらゆるステップを駆動するシステムを意味します。しかし、これらのファクトリーが一貫して検証済みの治療法、機能性材料、次世代エネルギーシステムを生み出せるかどうかは、まだ証明されていません。

現時点で、Lilaはより広範な産業シフトの最前線に立っています。もし自律型ラボが確実に発見サイクルを短縮し、コストを削減し、機械が取り組める科学的課題の範囲を広げることができれば、それは薬の開発方法だけでなく、実験科学そのものの実践方法をも変える可能性があります。