タンパク質の立体構造シミュレーション
計算する力を、研究と事業を動かす力へ。
小島史久の事業領域の中で、AI・計算科学は、Web3やブロックチェーン、医療・バイオテックをつなぐ重要な土台です。
学生時代から生命情報学、バイオインフォマティクス、創薬研究に関心を持ち、株式会社Studio Makyuでは、Web制作やシステム開発だけでなく、GPGPU、HPC、In Silico解析、研究用ソフトウェア開発にも関わってきました。
現在のBiozipcode™関連事業や、糖尿病・難治性疾患研究の事業化にも、この計算科学の経験が活かされています。
このページでは、小島史久が取り組んできたAI・計算科学ビジネスの歴史と、医療研究・事業化へのつながりを整理します。
AI・計算科学ビジネスとは。
単なるシミュレーションだけはない
AI・計算科学ビジネスとは、単にAIを使うことや、高性能なコンピューターを持つことではありません。
大量のデータを解析する。
複雑な現象を計算で捉える。
研究の仮説づくりを支援する。
実験だけでは見えにくい関係性を見つける。
事業に必要なシステムとして実装する。
こうした一連の取り組みを、研究や事業の現場で使える形にすることが、私にとっての計算科学ビジネスです。
特に医療・バイオテックの領域では、遺伝子、タンパク質、細胞、疾患、薬剤候補、臨床データなど、多くの情報が複雑に関係しています。人の目だけで全体を把握することは難しく、計算機による解析や、AIを使った支援が重要になります。
当時の計算生命化学研究室のデスク
原点はバイオインフォマティクス
小島史久は、大学の学部生および大学院生の時代には、立命館大学生命情報学部で生命情報学を学びました。
生命情報学は、生命科学と情報科学が重なる分野です。遺伝子やタンパク質などの生命情報をコンピューターで解析し、疾患の理解や創薬研究につなげていく学問です。
学生時代から、バイオインフォマティクス、創薬、解析ソフトウェア、データ処理に関心を持っていたことが、その後の株式会社Studio Makyuでの研究支援や、Biozipcode™の事業化につながっています。
この分野では、研究者だけでなく、研究を支える技術者や、研究成果を事業へつなげる人材も重要です。小島史久は、大学に研究者として残るのではなく、研究を外側から支える事業側の立場を選びました。
また、当時所属していた立命館大学 情報理工学部 生命情報学科の計算生命化学研究室では、菊地武司教授に大変お世話になりました。学生時代にいただいたご指導と経験は、その後のバイオインフォマティクス、計算科学、医療研究支援に取り組むうえでの大きな土台となっています。
専用計算ソフトバンクとワークステーション
株式会社Studio Makyuでの技術支援
株式会社StudioMakyuは、Web制作やWebマーケティング、システム開発を出発点とする会社です。
一方で、同社では早い段階から、バイオインフォマティクスやGPGPUを用いた計算にも取り組んできました。
滋賀医科大学との共同研究支援では、In VivoやIn Vitroの実験だけでなく、In Silico研究開発の支援も行ってきました。具体的には、BLASTなどの解析ツールの利用、独自ソフトウェアの開発、GPGPUを用いた大規模計算処理などが含まれます。
このような支援は、表に出にくい仕事です。
論文の著者として前に出るよりも、研究を進めるための環境を整える。
計算を回せるようにする。
データを扱いやすくする。
研究成果を事業につなげるための仕組みを作る。
株式会社Studio Makyu時代のこうした技術支援が、のちに株式会社バイオジップコードの設立へつながっていきました。
AI・計算科学を使うこと。
GPGPU・HPCの経験
GPGPUは、画像処理に使われるGPUを、科学計算や大規模処理に活用する技術です。
小島史久は、バイオインフォマティクス分野でのGPGPU活用に関心を持ち、解析処理や大規模計算環境の構築に関わってきました。
この経験は、二つの方向に広がりました。
一つは、医療・創薬・バイオインフォマティクス分野での計算科学支援です。
もう一つは、暗号資産マイニング事業です。
一見すると、バイオ研究とマイニングはまったく別の分野に見えます。しかし、どちらも大量の計算資源を使うという意味では、技術的な土台に共通点があります。
GPUをどう調達するか。
電力と冷却をどう設計するか。
計算環境をどう安定稼働させるか。
処理をどう効率化するか。
投資した設備をどう事業として成立させるか。
この経験は、AI・計算科学を単なる研究技術ではなく、現実の事業として扱うための基礎になっています。
AIを使う前に必要なこと
AIという言葉は広く使われていますが、医療や研究の現場で本当に使うには、AIそのものよりも前に必要なことがあります。
まず、データが整理されていること。
次に、何を解析したいのかが明確であること。
そして、解析結果をどのように研究や事業に使うのかが決まっていることです。
小島史久が重視しているのは、AIを派手に見せることではなく、AIを使える状態まで情報や業務を整えることです。
研究データを整理する。
論文や特許情報を整理する。
細胞や疾患に関する情報を構造化する。
検査データや臨床情報を、将来的に解析できる形にしておく。
研究者、医療機関、事業会社が使える画面やシステムに落とし込む。
AI・計算科学ビジネスでは、この「前処理」や「仕組み化」が非常に重要になります。
Biozipcode™とのつながり
株式会社バイオジップコードの研究開発では、細胞標的化技術「Biozipcode™」、糖尿病幹細胞、バイオマーカー、5-ALA、HDAC阻害剤、糖尿病合併症、がん治療など、複数のテーマが関係しています。
これらの研究を進めるには、実験だけでなく、膨大な計算量を処理する計算機器や手法による支援が必要になります。
どの細胞を標的にするのか。
どのペプチド配列が特定の細胞に結合しやすいのか。
どの疾患に応用可能性があるのか。
既存の論文や特許とどう関係するのか。
臨床研究でどの指標を見るべきか。
こうした問いに対して、バイオインフォマティクス、In Silico解析、AI、データベース化、文献調査、特許調査を組み合わせて支援していくことができます。
小島史久のAI・計算科学ビジネスは、Biozipcode™のような大学発の研究を、より実装しやすい形にするための裏側の基盤でもあります。
7桁のアミノ酸配列と計算科学
Biozipcode™の特徴の一つに、7桁のアミノ酸配列を使って、特定の細胞を見分けるという考え方があります。
アミノ酸は20種類あるため、7個のアミノ酸を組み合わせると、理論上は約13億通りの配列が存在します。
この中から、目的とする細胞や組織に結合しやすい配列を探し、治療や診断に応用するには、実験だけでなく、計算による絞り込みやデータ整理が重要になります。
すべてを実験だけで試すことは現実的ではありません。
候補を絞る。
データを比較する。
配列と細胞の関係を整理する。
有望な候補を研究者が検討しやすい形にする。
このような場面で、計算科学やAIの活用が期待されます。
創薬・診断支援への応用
AI・計算科学は、創薬だけでなく、診断やバイオマーカー開発にも関わります。
糖尿病研究では、血糖値だけでなく、糖尿病幹細胞や異常な細胞状態をどのように検出するかが重要になります。将来的には、血液検査、細胞解析、バイオマーカー、画像解析、臨床データなどを組み合わせることで、より精度の高い診断や研究評価が可能になるかもしれません。
また、がん治療や難治性疾患においても、どの細胞を狙うべきか、どの薬剤を組み合わせるべきか、どの患者群に適しているかを考えるうえで、計算科学の役割は大きくなります。
AI・計算科学ビジネスは、単独で完結する事業ではありません。医療研究、診断技術、創薬、臨床試験、製薬企業との連携を支える基盤として機能します。
今後の展開
今後、AI・計算科学ビジネスでは、以下のような領域を検討しています。
- バイオインフォマティクス解析支援
- ペプチド配列や細胞標的化技術の候補探索
- 論文・特許・研究情報のデータベース化
- 糖尿病幹細胞やバイオマーカー情報の整理
- 5-ALA、HDAC阻害剤、既存薬リポジショニングの調査
- がん・難治性疾患への応用可能性の探索
- 臨床研究データの整理・可視化
- 共同研究先・投資家向け資料の情報整理
- KYC・AML・コンプライアンス調査システムとの連携
- 海外展開に向けた多言語情報整理
これらは、すべて「AIで何かを作る」というよりも、研究と事業を前に進めるための計算基盤として位置づけられます。
本ページの位置づけ
本ページは、小島史久が関わるAI・計算科学ビジネスについて、バイオインフォマティクス、GPGPU、HPC、In Silico解析、AI活用、研究支援、事業化支援の関係を整理するためのページです。
ここで記載する内容は、特定の研究成果、医療効果、診断精度、治療効果を保証するものではありません。
医療研究や創薬への応用には、研究者、医師、製薬企業、規制当局による検証が必要です。