「バイオものづくり」は、これまで化学工業で行われてきた生産プロセスに、酵素や微生物などのバイオテクノロジーを活用することで、医薬品や再生医療等製品の製造、あるいは環境負荷の低い素材や燃料の生産が期待される取り組みだ。さらにAIなどデジタル技術を活用して微生物の物質生産能力を最適化するなど「合成生物学」の研究開発も、持続可能な社会の実現に寄与する可能性が高い。合成生物学で必要とされる、IT（情報技術）、OT（制御技術）、そしてプロダクトの知見を融合させるのは日立製作所の得意技でもある。次世代のバイオものづくりについて、研究開発グループ Next Research 合成バイオプロジェクトの伊藤 潔人 リーダ主任研究員に話を伺った。
執筆：森山 和道（サイエンスライター）
合成生物学によるバイオものづくりの潮流
これまでの経済成長は、化石資源による製造プロセスに依存してきた。しかしながら化石資源は気候変動のみならず、供給網寸断のような地政学的な脆弱性にも直結している。この課題に対して、石油化学プロセスに依存しない資源自律と、環境中立なグリーントランスフォーメーション（GX）を同時に達成し、経済成長を止めることなく社会課題を解決する手段の一つとして、合成生物学による「バイオものづくり」が世界的に注目されている。
「バイオものづくり」とは、バイオテクノロジーとデジタルを駆使して、微生物や動植物の細胞内の代謝ネットワークを人為的に改変し、有用資源の生産力を最大限引き出す次世代の製造技術であり、化学を中心としてきた「ものづくり」プロセスの転換である。遺伝子工学やゲノム編集などを活用し、生物の代謝プロセスをデザインして有用化合物等を高効率に生産する。生物由来なので常温・常圧のプロセスであり、バイオマスや二酸化炭素を原料とするなど、従来の生産プロセスと比べると環境負荷が小さくなる可能性があることも注目される理由の一つだ。
日本酒、味噌、醤油のような伝統的な発酵食品に代表されるように、微生物の力を利用したものづくり自体は以前から行われてきた。また酵母細胞やヒト細胞を用いた医薬品製造も行われている。一方、伝統的な発酵食品や医薬品の製造とは異なり、「バイオものづくり」では、複雑な生物反応を安定して制御しなければ、大量生産といった、化学品や素材分野で求められる生産性を達成できない。そのため、生物の能力を追求する生物学の考え方（サイエンス）と、安定生産やスケールアップを担うプロセス工学の考え方（エンジニアリング）を、いかに結びつけるかが重要となるわけだ。
合成生物学を応用し、AIなどデジタル技術を活用することで微生物の物質生産能力を、最大限引き出せるようになる可能性があるのだ。
想定される市場は多層的であり、医薬品・再生医療・化粧品等のように製造スケールが小さくても利益を確保できる高付加価値領域から、SAF（Sustainable Aviation Fuel：持続可能な航空燃料）・バイオ燃料・素材などのように製造コストの低減が市場浸透の鍵を握る汎用かつ大規模な市場領域まで、幅広い可能性が想定されている。日立では、このような合成生物学によるバイオものづくりの研究開発を、合成バイオプロジェクトとして推進している。
日立の研究開発グループが取り組む合成バイオプロジェクト
合成バイオプロジェクトでは、AIとシミュレーション技術を駆使し、生物を利用した「ものづくり」プロセスの実用化をめざしている。現状、バイオ分野は複雑な生体反応を解明するため複数の専門分野に分かれて研究が進展してきたが、それらを応用するバイオものづくり分野は比較的新しく、必要な知識やデータが圧倒的に不足している。そのため、論理を組み立てるAIや、不足データを補完するようなシミュレーション技術、および複数の専門家との連携が重要となる。
日立では、培養・発酵プロセスにおける微生物の挙動をデジタルツイン化することで、バイオものづくりを支援する研究開発に取り組んでいる。その全体構想は、生物の複雑な代謝系を数理的にモデリングして挙動を定量的に予測する「生物の挙動のモデリング」と、専門家の知見をAIで活用する「知見のAI化」を組み合わせるものだ。
その第一歩として、数理モデリングを軸に、培養条件の変化や槽内環境と菌株・細胞の挙動を結びつけるリアルデータ統合に注力している。将来的には、過去に培ってきた知識抽出AIや専門家知見の活用技術を取り込み、より実用的な培養・発酵デジタルツインへ発展させることをめざしている。
文献情報などから膨大な知見を学習したAIは、人間の経験則を凌駕する精度で最適な代謝反応やそのための遺伝子改変を提案できる可能性を秘める。日立が現在注力しているのは、こうした知見の学習を、菌株そのものの設計にとどめず、培養条件や槽内環境の変化と菌株挙動を結びつけてモデル化することだ。AIを活用して不足する知見やデータを補い、複雑な培養・発酵のプロセスをモデル化することで、プロセス開発における手詰まりを打開し、有用物質を大量に生産できる微生物（スマートセル）の能力を、バイオものづくりの社会実装につなげることをめざすわけだ。
日立には、長年培ってきた強力な分析・計測技術があり、こうした技術から得られたデータを基盤として、AIを構築できることが日立の強みになっている。
物理的な分析・計測技術（OT：制御技術）と、AIやシミュレーション（IT：情報技術）を組み合わせることで、ラボレベルの成果を工場などの大規模プラント生産へ実装する際の、プロセス最適化における技術的役割を果たす。
シキミ酸の生産改良をデジタル技術で効率化
日立が現在の培養・発酵プロセス開発へ迅速に舵を切った背景には、これまで注力してきた菌株開発フェーズにおける高度なデジタル技術の蓄積がある。
その一例として、インフルエンザ治療薬の原料として知られる「シキミ酸」の生産を改良した事例がある。微生物の代謝設計は、ある宿主微生物（元株）に対して、主要経路の強化・不要経路の抑制・副生成物の抑制といった改変を段階的に積み上げることで、目的物質の生産性を高める。この設計プロセスを模式化すると「元株→改変1→改変2→改変3→次の一手」という改変履歴のツリーになる。
問題は菌株開発における手詰まりを打開する「次の一手」の特定だ。各改変ステップで、研究者は大量の文献を調査し、有望な改変候補を絞り込む。しかし、この作業は属人的であり、調査範囲にも限界がある。そこで日立は、文献調査と候補遺伝子の特定をAIで代替するシステムを開発した。
（S. Nakazawa, et al., “History-driven genetic modification design technique using a domain-specific lexical model for the acceleration of DBTL cycles for microbial cell factories. ” ACS Synthetic Biology 10.9 (2021))
手法は２段階になっている。まずステップ１では、改変候補を自動収集する。遺伝子改変の履歴（遺伝子名・EC番号・改変方向のリストなど）を入力として、関係論文をデータベースから検索・収集する。ここで重要なのは関係していると思われる、つまり「代謝工学らしさ」を定量的に測る文献評価モデルである。そこで、代謝工学関連の文献での出現頻度をスコア化した。
ステップ２は履歴との関連度に基づいたランキングである。収集した論文から遺伝子名を全抽出し、「改変履歴中の遺伝子と共起する頻度」を元に候補遺伝子をスコアリングする。出力はランク付きの遺伝子リストと出典文献であり、研究者はこれを「次の一手」の候補として利用する。
実際にシキミ酸生産の世界記録株を対象にこの手法を適用したところ、専門家も「有望」と判断する遺伝子候補が上位にランキングされた（2020年当時）。さらに実験検証として、提案された上位遺伝子のうち4つを追加で改変した結果、シキミ酸生産濃度が最大19.5%向上するという結果が得られた。これはつまり、世界記録株を更新できる可能性があることを意味する。この成果は、熟練の研究者の「洞察」や「ひらめき」に依存していた菌株設計をデジタル技術で効率化できることを示す結果となった。
少数データと専門家の経験値からモデルを構築
また、日立は大阪大学との共同研究で、限られた測定データから細胞内の物質の流れを数式で記述し、生産性を予測するシミュレーションモデルを構築した。バイオものづくりにおいて、微生物の細胞内で起こっている無数の反応から目的物質の生産性を下げているボトルネック（律速点）を特定することは極めて重要である。しかし、細胞内の反応をすべて数式化しようとすると膨大なパラメーターが必要になる。そして、裏付けのための実験データは圧倒的に不足しているという本質的な課題があった。
構築した代謝速度論モデルに、さらに類似株や培養条件に関する定量値や、専門家の知見を拘束条件として数式に埋め込んで各数式のパラメーター推定や解析を効率化した。たとえば「過去の類似株ではこの物質が蓄積していた」といった生物学者の経験知を制約条件とするのである。これにより、開発初期のデータが少ない段階でも、各反応のパラメーターを効率的に推定し、生産性向上に寄与する反応箇所を予測できるようになった。
（竹谷友之、他：少数の実測データを用いた代謝速度論モデルの作成による大腸菌コハク酸生産株の生産律速点の同定、第77回日本生物工学会大会要旨集（2025.9））
この手法を、大腸菌を用いて食品添加物や化粧品のpH調整剤などに使われる「コハク酸」の生産系に適用したところ、構築したモデルから律速点を予測することができた。そこで律速箇所の遺伝子系に改良を加えると、実際に生産速度が向上することが確認でき、モデルの有効性が実証された。
このような少数データから細胞内の反応や培養条件への応答をモデル化する技術は、現在進めている培養・発酵デジタルツインにおいても、培養条件の探索やスケールアップ時の挙動予測を支える基盤といえる。
デジタルを架け橋として「バイオの世界」と「化学ものづくりプロセス」を接続
日立は、持続可能な社会の実現に向けた次の成長ドライバーとしてバイオ領域を捉えており、最大のモチベーションは石油化学プロセスからの脱却による、脱炭素化と資源の多様化である。
産業実装における最大の目標は、日立の強みであるIT（情報技術）、OT（制御技術）、プロダクトを組み合わせ、生物学者だけでなく、化学分野などバイオに馴染みのない人々にもデジタル技術を通じた情報（知識）を提供し、バイオと化学の橋渡しをできるようにすること、「バイオの世界と化学ものづくりプロセスの接続」である。ラボレベルの研究成果を工場規模のプラント生産へとスケールアップさせる際に生じる課題をデジタル技術で解決する。そのためには培養槽やプラント内で起こっている複雑な生物反応を可視化し、バイオの専門知識が乏しいプロセスエンジニアでも制御・運用できる環境を構築する必要がある。
明確なニーズがある物質をバイオ技術で自在に生産できることが理想ではあるが、現状はまだ難しい。バイオものづくり分野でのデジタル技術やAIの活用はまだまだ発展途上だが、こうしたアプローチによる「次の一手の推論」は、バイオものづくりプロセスの開発においても、熟練研究者の経験に依存してきた作業を客観化・再現可能にする有力な手段となりうる。今後は、こうした知見の適用範囲を、実用化のカギを握るプロセス開発へとさらに広げ、バイオものづくりの社会実装を加速させていく予定だ。
伊藤は「市場ニーズとバイオ生産の優位性が合致する領域での社会実装を見据えている」と語った。近い将来届けられるであろう「続報」に期待したい。
