2026年、AI × ラボラトリーオートメーション が実験科学のループを閉じ る ― 自律駆動ラボ（SDL）の転換点 Science Aid Portal

2026年、AI × ラボラトリーオートメーションが実験科学のループを閉じる ― 自律駆動ラボ（SDL）の転換点

2025 年は AI Agent の年だった。基盤モデルの進化とエージェント・アーキテクチャの成熟により、コーディングや業務オペレーションなど多様な領域で AI が自律的に成果を上げ始めた。科学研究への応用も例外ではなく、ライフサイエンス研究にも「考える AI」としての AI Agent が登場している。

しかし、ライフサイエンス領域における AI Agent は仮説生成や実験計画までの段階に留まっていた。物理的な実験という工程を人間が担う限り、AI は自身で仮説検証のサイクルを閉じられないからである。

2026 年に入り、この壁が崩れ始めている。基盤モデルが賢くなり、複雑な実験機器群を AI が自ら統括する事例が次々と報告されるようになった。ラボラトリーオートメーション（LA）が長年掲げてきた「研究開発プロセスの自動化・自律化」という理想と、急速に成熟した基盤モデルが、いま初めて本格的に噛み合いつつある。

2026 年は、AI の進化によって LA の「自律化」がいよいよ実装フェーズに入り、実験科学領域で成果が出始める年になる。

本記事はこの主張を支える証拠として、自律駆動ラボ（SDL：Self-Driving Laboratory）の事例を 4 つ紹介する。加えて、モデルプロバイダーがライフサイエンスを本気の戦略領域として捉えていることを示すここ2週間の動きと、弊社 Science Aid の取り組みにも触れたい。

目次

ラボラトリーオートメーションの理想と現実 ― 「自律化」はなぜ実装できなかったか

そもそもラボラトリーオートメーション（LA）とは何を目指してきた概念なのか。2026 年の転換点を理解するため、まず LA の理想と現実のギャップを振り返りたい。

LA は、研究開発のすべてのプロセスを対象に、AI やロボットを用いて自動化・自律化する取り組みである（一般社団法人ラボラトリーオートメーション協会（LASA） 定義）。装置による反復作業の機械化から、AI が実験の意思決定まで担う「自律化」へ ― この高度化の延長線上に、LA の目指す完成形がある。しかし長らく、自律化は満足には達成されていなかった。

ボトルネックの一つは、多様な機器を統括するシステム構築の途方もない大変さにある。メーカーや世代の異なる装置をつなぎ、プロトコル変更に追従できる制御系を作ることは、専用エンジニアチームを抱えた大規模組織でないと現実的ではなかった。結果として実装の射程は狭く、限られたパラメータ空間の格子探索 には実績が出ても、広大な探索空間を自律的に切り拓く深い探索は困難だった。

加えて、論文の中では「自動化された」と記述されていても、その周辺では人間が入念に試薬を準備し、トラブルを解消し、プロトコルをチューニングしていることが常だった。装置レベルの自動化は広く普及した一方で、研究の意思決定そのものを AI が担う「自律化」は、長らく手の届かない目標だったのである。

科学研究への AI Agent の波 ― 先行した ML、後続したライフサイエンス

科学研究に AI Agent を本格投入する試みの皮切りは、2024 年 8 月に Sakana AI が発表した The AI Scientist である。文献レビュー、アイデア創出、実験（コード実装・実行）、結果解析、論文執筆までを一気通貫で自律化した世界初のシステムで、2025 年に公開された v2 は ICLR 2025 ワークショップで AI 生成論文として初めて査読を通過した。さらに 2026 年 3 月にはシステム論文そのものが Nature に採択 され、AI による自律的な研究遂行が一流科学誌のお墨付きを得る歴史的な瞬間となった[1]。

ここで重要なのは、The AI Scientist が対象としたのが 機械学習 (ML: Machine Learning) 研究 だという点である。ML では「実験」もコード実行として計算機内で完結するため、物理世界の制約を受けずに AI がフィードバックループを閉じられる。コンピュータ内で仮説から実験までが完結するこの特殊性が、Sakana AI が世界最初の完全自律 AI Scientist を世に出せた最大の理由だった。

この衝撃を受けつつ、2025 年は業界全体で「AI Agent 元年」と呼ばれる年になった。AI Agent の波はライフサイエンス研究にも波及し、2025 年 2 月 には Google が多段エージェント構成で仮説生成を担う AI co-scientist を、2025 年 5 月 1 日 には非営利研究機関 FutureHouse が複数の科学エージェントを統合した FutureHouse Platform を、同月 30 日 には Stanford のグループが生命医科学を横断的に支援するエージェント Biomni を、立て続けに発表している。

ただし、これら三者の AI Agent はいずれも 「考える AI」の段階に留まった。AI co-scientist は仮説生成と研究プランニングまで、FutureHouse Platform は文献統合と実験計画の提案まで、Biomni は文献統合やバイオインフォマティクス解析までで、物理的な実験はすべて人間の手に委ねられた。ML 領域で Sakana AI が閉じられたループが、ライフサイエンスでは AI が考え、人間が実行し、その結果を再び AI に戻すという「半自動ループ」 に留まっていたのである。

この構造こそが、実験科学における AI 活用の最大のボトルネックだった。

2026年、LA の「自律化」がいよいよ実装フェーズへ

2026 年に入って状況が変わり始めている。基盤モデルが単に推論能力を高めただけでなく、多様な機器・ソフトウェアを跨いだオーケストレーションを行えるレベルに達した。結果、これまで専用チームでしか構築できなかった多機器統括を、汎用 AI が担えるようになった。

AI が LA の意思決定層を担う という発想は以前からあったが、それを実装するための AI 側がようやく追いついたのが 2026 年である。実験設計・実行・解析・次の実験の提案のクローズドループを AI が丸ごと回す「SDL（Self-Driving Laboratory、自律駆動ラボ）」が、ライフサイエンスの複数領域で同時多発的に実証されつつある。SDL は LA が長年掲げてきた「自律化」を実装レベルで体現する形態であり、長らく理想に留まっていた LA の自律化に、いま確かな光明が差している。

以下で紹介する4事例は、いずれも 2025〜2026 年に発表されたものであり、この転換点の証拠として読んでいただきたい。4事例の AI アーキテクチャ、組織形態、対象領域はそれぞれ異なり、SDL の実装パターンが多様化フェーズに入ったことを示している。

多様化する SDL ― 4 つの実装パターン

事例AI のコア組織実証した点
GPT-5 × Ginkgo RACGPT-5（汎用 LLM）モデルプロバイダー × 合成生物学プラットフォームクローズドループが閉じた直接証拠
iBioFABESM-2（タンパク言語モデル）アカデミア学術規模でも SDL 構築可能
LUMI-labLUMI-model（独自の分子基盤モデル）アカデミアデータ不足領域にも射程拡大
Intrepid VALIANTANDROMEDA（独自の製剤最適化ML）スタートアップ商用・事業インフラ化

① GPT-5 × Ginkgo RAC ― 汎用 LLM を直接プランナーに

2026 年 2 月、OpenAI と、290,000 平方フィート超の自動化バイオファウンドリを運営する合成生物学プラットフォーム企業 Ginkgo Bioworks は、GPT-5 を用いた自律駆動ラボによって無細胞タンパク質合成（CFPS：Cell-Free Protein Synthesis）のタンパク質 1g あたりの反応組成コストを最先端技術と比較して約 40% 削減したと報告した[2][3]。CFPS は生細胞を用いずに細胞抽出液中のリボソームや酵素を活用してタンパク質を試験管内で合成する技術で、系の自由度が高い反面、最適化すべきパラメータが多く、広大な探索空間を持つ。

ラボ基盤には Ginkgo Bioworks が開発した RAC（Reconfigurable Automation Carts：再構成可能な自動化カート）が用いられた。液体ハンドラー・遠心分離機・インキュベーター・プレートリーダーなどを搭載したモジュール式の装置で、制御ソフトウェア Catalyst を介して複数機器の同時運転とサンプル搬送が可能である。

大腸菌ライセートベースの CFPS 反応組成の設計を GPT-5 に委ね、superfolder green fluorescent protein（sfGFP）の生産を最適化する試みが行われた。GPT-5 は実験設計→実行→データ解析→次実験提案のクローズドループを担い、6 段階で計 480 枚の 384 ウェルプレート（36,000 以上の反応）を処理した。実験設計の実行可能性は Pydantic ベースの検証スキームで担保され、ハルシネーションに起因する不良プレートは全体の 1% 未満にとどまった。最終的に sfGFP の反応組成コストは 1g あたり $422 を達成し、従来比で約 40% 削減、タンパク質生産量は 27% 向上した。人間の介入は試薬・消耗品の準備や装置への出し入れのみに限定され、実験の意思決定は GPT-5 が主体的に担った。

この事例が代表するのは、汎用 LLM を専用のチューニングなしに SDL の中枢プランナーとして使える段階に技術が到達したという事実である。OpenAI というモデルプロバイダーが自社フラッグシップモデルをそのまま投入した点も示唆的で、AI 側が「動かす」ことに本格的にコミットし始めている。

② iBioFAB ― 学術が組み上げた7モジュール自律ラボ

2025 年 7 月、イリノイ大学の研究チームが、機械学習と LLM を iBioFAB（Illinois Biological Foundry for Advanced Biomanufacturing）と統合した汎用的な自律型酵素エンジニアリングプラットフォームを Nature Communications に発表した[4]。

本プラットフォームは 7 つの自動化モジュールで構成されている。変異導入 PCR・DpnI 処理（Module 1）、HiFi アセンブリと大腸菌への形質転換（Module 2）、DH5α コロニーのピックアップ・培養（Module 3）、プラスミド抽出と発現株への形質転換（Module 4）、BL21 コロニーのピックアップ・前培養（Module 5）、発現誘導（Module 6）、機能アッセイ（Module 7）と、タンパク質工学の全サイクルをエンドツーエンドで自動化している。各モジュールは 1 日以内で完了するよう設計されている（構造の詳細は原論文の Fig.1 を参照）。

初期バリアントライブラリの設計にはタンパク質言語モデル ESM-2 と統計モデル EVmutation を組み合わせ、第 2 ラウンド以降は蓄積した実験データで学習した教師あり低 N 回帰モデルが次世代変異体を予測する設計である。

対象は産業応用が期待される 2 種の酵素、AtHMT と YmPhytase。4 ラウンドの反復を経て、AtHMT は野生型比でエチルトランスフェラーゼ活性が最大約 16 倍、特定基質への選択性は約 90 倍改善。YmPhytase は pH 6.6 における活性が野生型比 26.3 倍に達した。自然言語インターフェースを備えており、非専門家でも初期バリアントライブラリの設計が可能な点も特徴のひとつである。

この事例が代表するのは、学術グループが独自の汎用プラットフォームを組み上げ、特定タスクに閉じない「プロトコル変更可能な SDL」 を実装した点である。適切なインフラと ML スタックがあれば SDL を構築できる可能性を示している。

③ LUMI-lab ― 分子基盤モデル × SDL で「データ不足」を突破

AI と自動化の統合が進む一方、過去の実験データが乏しい領域では AI の適用が難しいという課題がある。この制約に正面から取り組んだのが LUMI-lab だ[5]。2025 年 2 月 16 日 に bioRxiv で公開され、2026 年 Cell 誌に採択された[6]。著者陣は Bo Wang（Canada CIFAR AI Chair, Vector Institute、scGPT の主導者としても知られる計算生物学者）と Bowen Li（トロント大学 Leslie Dan Faculty of Pharmacy）を含むトロント大学周辺の研究者で、基盤モデルと SDL の接続を学術の中核で実現した事例である。

LUMI-lab は Large-scale Unsupervised Modeling followed by Iterative experiments の略称で、脂質ナノ粒子（LNPs：Lipid Nanoparticles） の設計を対象とした SDL である。LNPs は COVID-19 mRNA ワクチン（ファイザー・モデルナ）で広く知られるようになった核酸医薬の送達キャリアで、mRNA を体内の標的細胞まで運ぶ役割を担う。構成要素のうちイオン化可能脂質は送達効率を左右する鍵となるが、既存の実験データが限られているため、従来の教師あり学習では探索が困難だった。

LUMI-lab の中核となる LUMI-model は、2,800 万を超える分子構造で事前学習された Transformer ベースの分子基盤モデルである。1,300 万種の一般的な小分子で事前学習した後、1,500 万種の脂質様分子でドメイン適応させることで、最小限のウェットラボデータから Few-shot 学習（少数例からの汎化）が可能な状態を実現した。このモデルをアクティブラーニングに組み込み、自動化されたクローズドループ実験（イオン化可能脂質の合成 → LNP 製剤化 → mRNA トランスフェクション能測定）と連携させることで、10 回の反復サイクルを経て 1,700 個以上の LNPs を合成・評価した。

特筆すべきは、LUMI-lab が 臭素化脂質尾部が LNP 性能を高める新たな構造的特徴であることを自律的に発見した点である。最終的に最も性能の高い脂質 LUMI-6 は、マウス肺上皮細胞において CRISPR-Cas9 による 20.3% の遺伝子編集効率を達成し、既存の臨床承認 LNP である SM-102 を大幅に上回る結果を示した。

この事例が代表するのは、事前学習された基盤モデルと SDL を組み合わせることで、従来 AI が苦手としていた「データ不足領域」にまで自律探索を拡張できることである。汎用 LLM でも特定タスクの ML でもなく、ドメイン特化の基盤モデルが次の SDL の核になる可能性を示している。

④ Intrepid Labs VALIANT ― 製剤開発に特化した商用 SDL

ここまでの事例がタンパク質・酵素・核酸医薬品など上流の研究開発に注目してきたのに対し、Intrepid Labs は Drug Formulation（製剤開発）という製造プロセス寄りの領域に SDL を実装した[7]。

Intrepid Labs は 2023 年に トロント大学 からスピンアウトしたスタートアップで、SDL 分野の第一人者 Alán Aspuru-Guzik が Chief AI Advisor として参画 している。Aspuru-Guzik はカナダ政府の CFREF から $200M の助成を得て運営される Acceleration Consortium（世界有数の SDL 研究拠点）のディレクターを務めており、Intrepid はその最初のスピンアウト企業にあたる。CEO の Christine Allen は トロント大学 教授で、Controlled Release Society（CRS）および Canadian Society for Pharmaceutical Sciences（CSPS）の元会長を務めた製剤・ドラッグデリバリーの権威である。

2025 年 5 月 12 日 にステルスを脱し、Radical Ventures がリードした Pre-seed $4M と、Avant Bio がリードした Seed $7M を合わせ $11M USD の調達 を公表した。商業面でも Top-10 製薬企業 2 社、Top-20 製薬企業 4 社、および多国籍 CRO を含む 8 件の商業契約を締結済み で、学術成果ではなく実導入で存在感を示している[8][9]。

Intrepid が開発する VALIANT は 3 つのコンポーネントを統合したモジュール式自律ラボである。機械学習の脳として機能する ANDROMEDA（次実験候補の提案）、製剤の調製・分析を実行する Robotica（ベンチトップ自律ラボ）、両者の連携を制御する Eunomia（オーケストレーションソフト）が連動し、アクティブラーニングに基づくクローズドループの製剤最適化を実現する。最小限の原薬サンプルでリード製剤候補を絞り込み、1 日あたり数十〜数百の製剤を並列処理できる設計である。

この事例が代表するのは、SDL が研究ステージを抜け、商用プラットフォームとして製薬業界の主要プレイヤーに採用されるフェーズに入ったことである。学術論文は存在しないが、Aspuru-Guzik の関与と Top-10 製薬の採用実績は、SDL が研究段階のプロトタイプを超え、事業インフラとして根づき始めたことを示唆している。

モデルプロバイダーの本気 ― ライフサイエンスが主戦場に

SDL が多様に立ち上がっている背景には、モデルプロバイダー側の本気のコミットがある。ここ半年のムーブメントは、基盤モデル企業側から見てもライフサイエンスが次の主戦場であることを強く示唆している。

  • 2025年9月3日: OpenAI が OpenAI for Science の始動を公表。VP Science に就任した Kevin Weil が、GPT-5 による量子場理論の定理証明、ノーベル賞関連タンパク質の改変設計、メタボローム解析など、科学研究加速の具体例を示した
  • 2025年10月: Anthropic が Claude for Life Sciences をローンチ[10]
  • 2026年4月3日: Anthropic がステルスバイオ AI スタートアップ Coefficient Bio を約 $400M で買収[11]。Coefficient Bio は元 Genentech、Roche Prescient Design 出身の計算研究者チームで構成され、Anthropic の Health Care Life Sciences グループに合流
  • 2026年4月14日: Novartis CEO Vas Narasimhan が Anthropic 取締役に就任[12]。Anthropic の Long-Term Benefit Trust（独立信託）が任命したもので、これにより LTBT 選出の取締役が過半数を占める構造的転換点となった
  • 2026年4月16日: OpenAI が ライフサイエンス特化モデル GPT-Rosalind をリリース[13]。DNA 構造発見の貢献者ロザリンド・フランクリンにちなんだ命名で、エビデンス統合・仮説生成・実験計画を担う推論モデル。初期顧客は Amgen、Moderna、Allen Institute、Thermo Fisher Scientific

Anthropic は人材と取締役体制の両面で、OpenAI は科学研究への注力宣言と専用モデル投入で、それぞれライフサイエンスにコミットする姿勢を明確にした。注目すべきは、これらの動きがここ半年ほどに凝縮されていることだ。とりわけ 2026 年 4 月のわずか 2 週間に 3 件が立て続けに発表された。モデルプロバイダー側が動いた以上、その能力を前提とした SDL のさらなる進化は時間の問題である。

Science Aid の取り組み ― テカンジャパンとの協業

弊社 Science Aid も、この波に身を置いている。2026 年 3 月、テカンジャパンとの協業を発表し、テカン社の液体分注ロボットプラットフォーム Cavro Omni Flex を対象に、研究者が自然言語で与えた実験指示を AI エージェントが解釈・変換し、ロボットを制御するシステムの共同開発を開始した[14]。

初期段階では AI との接続検証および基本的な操作制御の実現に取り組み、今後は製薬企業・アカデミアとの共創ユースケース構築、実践的なワークショップ・教育プログラムの企画にも展開していく。プレスリリース以外にも複数の実装が水面下で進行しており、2026 年が AI × LA の躍進の年になることを、私たちは確信している。

まとめ ― 日本の研究・創薬が取るべきアクション

ラボラトリーオートメーションが長年掲げてきた「研究開発プロセスの自動化・自律化」という理想のうち、長らく実装の届かなかった「自律化」が、基盤モデルの進化によってようやく動き始めた。2025 年が「考える AI」の年だったとすれば、2026 年は「動かす AI」の年になる。SDL の4事例と、モデルプロバイダーの一連の投資判断が、このフェーズシフトを同時に裏付けている。

日本のライフサイエンス領域はこの波にどう向き合うべきか。読者の立場別に示唆を提示したい。

  • 研究者: 自身の研究課題が SDL 化可能か検討する時期。特に「広大なパラメータ空間の最適化」や「データ不足のために AI 適用が困難だった領域」は、基盤モデル × SDL の射程に入ってきている
  • 創薬・製薬企業: 海外 SDL ベンダーの採用（Intrepid のような商用プラットフォーム）か、自社 SDL の構築かを比較検討するフェーズ。Top-10 製薬 2 社がすでに動いている
  • 投資家: SDL 関連スタートアップ（商用プラットフォーム、分子基盤モデル、ロボティクス）は次の投資領域として立ち上がりつつある
  • 日本のサイエンスエコシステム全体: データ戦略（ML-ready な実験データの蓄積）と実装戦略（機器・ソフト・AI の統合）を同時に進められる陣形が、2026 年以降の競争力を決める

Science Aid はこの転換点で、研究現場と AI をつなぐ実装パートナーとしての役割を果たしていく。SDL の導入検討や、AI エージェントによる実験機器制御に関心をお持ちの方は、ぜひお声がけいただきたい。

参考文献

[1] Lu C. et al., “Towards end-to-end automation of AI research”, Nature (2026), https://www.nature.com/articles/s41586-026-10265-5

[2] Smith A.A. et al., “Using a GPT-5-driven autonomous lab to optimize the cost and titer of cell-free protein synthesis”, bioRxiv (2026), https://doi.org/10.64898/2026.02.05.703998

[3] OpenAI, 「GPT-5 lowers protein synthesis cost」, 2026年2月, Accessed: 2026-04-17, https://openai.com/ja-JP/index/gpt-5-lowers-protein-synthesis-cost/

[4] Singh N. et al., “A generalized platform for artificial intelligence-powered autonomous enzyme engineering”, Nature Communications 16 (2025), https://doi.org/10.1038/s41467-025-61209-y

[5] Cui H. et al., “LUMI-lab: a Foundation Model-Driven Autonomous Platform Enabling Discovery of New Ionizable Lipid Designs for mRNA Delivery”, bioRxiv (2025), https://doi.org/10.1101/2025.02.14.638383

[6] Cui H. et al., “LUMI-lab: A foundation model-driven autonomous platform enabling discovery of ionizable lipid designs for mRNA delivery”, Cell (2026), https://www.sciencedirect.com/science/article/abs/pii/S0092867426000991

[7] Intrepid Labs, 「Platform」, Accessed: 2026-04-17, https://intrepidlabs.tech/platform

[8] BioPharma Trend, 「Toronto’s Intrepid Labs Emerges with $11M and AI-Driven Platform to Rebuild Drug Formulation R&D」, 2025, Accessed: 2026-04-17, https://www.biopharmatrend.com/news/torontos-intrepid-labs-emerges-with-11m-and-ai-driven-platform-to-rebuild-drug-formulation-rd-1239/

[9] Intrepid Labs（press release via BusinessWire）, 「Intrepid Labs Launches to Transform Drug Formulation with AI and Autonomous Labs」, 2025-05-12, Accessed: 2026-04-17, https://www.businesswire.com/news/home/20250512434323/en/Intrepid-Labs-Launches-to-Transform-Drug-Formulation-with-AI-and-Autonomous-Labs

[10] Anthropic, 「Claude for Life Sciences」, 2025年10月, Accessed: 2026-04-17, https://www.anthropic.com/

[11] TechCrunch, 「Anthropic buys biotech startup Coefficient Bio in $400M deal: Reports」, 2026-04-03, Accessed: 2026-04-17, https://techcrunch.com/2026/04/03/anthropic-buys-biotech-startup-coefficient-bio-in-400m-deal-reports/

[12] Anthropic, 「Anthropic’s Long-Term Benefit Trust appoints Vas Narasimhan to Board of Directors」, 2026-04-14, Accessed: 2026-04-17, https://www.anthropic.com/news/narasimhan-board

[13] OpenAI, 「Introducing GPT-Rosalind for life sciences research」, 2026-04-16, Accessed: 2026-04-17, https://openai.com/index/introducing-gpt-rosalind/

[14] PR TIMES, 「Science Aid とテカンジャパンが AI エージェントによる実験ロボット操作の協業を開始」, 2026-03-09, Accessed: 2026-04-17, https://prtimes.jp/main/html/rd/p/000000005.000059896.html

Contact

Science Aidは、研究を中心とした幅広い領域をAIによって支援します。システム開発やコンサルティング、共同研究、セミナーのご依頼などお気軽にご相談ください

お問い合わせ