【in silicoスクリーニング】とは？AI・データ分析における意味や使い方を分かりやすく解説

「in silico（イン・シリコ）スクリーニング」とは、一言でいえば「コンピュータの中で行う、薬の候補探しの実験」のことです。

膨大な数の化合物の中から、特定の病気の原因となるタンパク質に結合して効果を発揮しそうなものを、物理的な実験を行う前にAIやシミュレーション技術で高速に絞り込む手法を指します。2026年現在、創薬AIの進化により、このプロセスはかつての「数年」から「数日」へと劇的な短縮を遂げており、製薬業界のDXにおいて最も注目されている技術の一つです。

「in silicoスクリーニング」の意味・定義とは？

In silicoとは、ラテン語で「シリコン（コンピュータのチップ）の中で」という意味です。生物学実験を意味する「in vivo（生体内）」や「in vitro（試験管内）」と対比して使われる言葉です。

専門的には、ターゲットとなるタンパク質の立体構造と、数百万から数億にも及ぶ化合物ライブラリのデータをコンピュータ上で掛け合わせ、結合の強さや安定性を計算・予測するプロセスを指します。最近では、AlphaFoldのような高精度な構造予測AIと、生成AIによる新規分子のデザイン技術が組み合わさり、より効率的に「効きそうな薬」を見つけ出せるようになっています。

AI・データサイエンス現場での実際の使われ方・例文

創薬プロジェクトの要件定義や、データサイエンティストと製薬研究者が議論する現場で、以下のように飛び交います。

• 「今回のターゲットに対して、まずはin silicoスクリーニングでヒット化合物を50個まで絞り込みましょう。その後にwet（湿式実験）での検証を行います。」
• 「現状のAIモデルだと偽陽性（誤検知）が多いですね。in silicoスクリーニングの精度を上げるために、ドッキングスコア以外の特徴量もモデルに組み込むべきではないでしょうか？」
• 「計算リソースのコストと時間の兼ね合いを考えると、今回はin silicoスクリーニングの段階でフィルタリングの条件を少し厳しめに設定しましょう。」

「in silicoスクリーニング」の関連用語・現場での注意点

関連用語として、分子の結合状態を計算する「ドッキングシミュレーション」、AIが薬の性質を予測する「ADMET予測」、物理的な実験を指す「wet（ウェット）実験」などはセットで覚えておくとスムーズです。

注意点として、あくまで「コンピュータ上の予測」であるという点を忘れてはいけません。AIが出した結果が完璧なわけではなく、最終的には必ず「wet実験」での検証が必要です。また、AIモデルに使う学習データの質や偏りが予測結果に直結するため、「AIが出したから正解」と過信せず、予測根拠を確認する「説明可能なAI（XAI）」の視点を持つことがプロジェクト成功の鍵となります。

「in silicoスクリーニング」に関するよくある質問（FAQ）

Q. 本当にコンピュータだけで薬が作れるようになるのですか？

A. 完全な代替はまだ難しいのが現状です。しかし、in silicoスクリーニングによって、数百万通りの実験を数千通りまで減らせるため、時間とコストを劇的に削減できます。コンピュータで「当たり」をつけ、人間にしかできない高度な物理実験で「確定」させる、という役割分担が最適解です。

Q. AIのプログラミングができなくても理解する必要がありますか？

A. はい、ビジネスサイドの方にも重要です。プロジェクトのどのフェーズでAIを活用し、どの段階で予算を割くべきかを判断する際に、この工程を知っているだけでPM（プロダクトマネージャー）や研究者とのコミュニケーションが驚くほど円滑になります。

Q. 必要なデータはどうやって準備するのですか？

A. 公開されているデータベース（PDBやChEMBLなど）から既存の化合物情報やタンパク質構造を取得したり、自社の過去の研究データを利用したりします。近年では、生成AIを用いて存在しない新しい分子構造をその場で生み出すアプローチも増えています。

まとめ：現場で役立つ「in silicoスクリーニング」の知識

• In silicoとは「コンピュータの中で」という意味。
• 膨大な候補から「有望なもの」をAIで絞り込む効率化技術である。
• 最終的な確認には必ず実験（wet）が必要であり、AIはあくまで強力な「絞り込みツール」である。
• 現場ではコスト削減と期間短縮のために、実験前のフィルタリングとして必須のプロセスとなっている。

創薬の世界は、AIの力を借りて今、かつてないスピードで進化しています。専門外の方でも「コンピュータの中で実験を高速化しているんだ」という大枠さえ掴んでおけば、AI時代の創薬プロジェクトを力強くリードできるはずです。自信を持って取り組んでいきましょう！