Omnii-1とは？世界初のAI設計ファージを生み出したゲノム言語モデル

2026年10月20日、AIラボのRadical NumericsはOmnii-1を発表しました。同社はこれを「世界最先端のマルチモーダルゲノム言語モデル」と位置づけています。最大の注目点は、このモデルが設計したファージが抗生物質耐性感染症を持つ患者に実際に投与されたという事実です。本記事では、Omnii-1の実態、ゲノム言語モデルの仕組み、8つのアプリケーション、そして見出しが省略している注意点を解説します。

Omnii-1とは？

Omnii-1はゲノム言語モデルです。大規模言語モデル（LLM）の基盤となるTransformerテクノロジーと同じ技術を使いながら、人間のテキストではなく生物学的データで学習しています。次の単語を予測する代わりに、DNA、RNA、タンパク質、および関連する分子シグナルのパターンを学習します。

Radical Numericsによると、Omnii-1はDNA、RNA、タンパク質、クロマチンアクセシビリティ、転写因子結合、ヒストン修飾、DNAメチル化、スプライシング、遺伝子発現など、細胞種・組織タイプを条件として28の生物学的モダリティにわたってネイティブに事前学習されています（Radical Numerics）。数兆トークンの遺伝子・マルチオミクスデータで学習することで、多様な生物学的問題に適応できる共通表現を獲得しています。

同社は、AIによって完全に設計された世界初のバクテリオファージゲノムの設計に使用された初期ゲノムモデル「Evo」および「Evo 2」の開発チームメンバーによって設立されました（Business Wire via FinancialContent）。

「汎用」モデルが重要な理由

長年にわたり、生物学的AIはタンパク質、遺伝子制御、遺伝性疾患、分子設計など、問題ごとに個別のモデルが構築されてきました。Radical Numericsは、この状況が変わりつつあると主張しています。汎用の単一モデルが、専門モデルが構築された特定タスクにおいてもそれらを上回れるようになってきており、これは汎用LLMが特化型NLPシステムを凌駕した流れと同様です。

ゲノムはこの取り組みの自然な基盤となります。ゲノムは分子生物学の共通参照点であると同時に、数十億年の進化によって形成された記録でもあるため、DNAを基盤とするモデルは多くの下流シグナルを統合することができます。

8つのアプリケーション

Radical NumericsはOmnii-1と同時に8つのアプリケーションを公開しました。いずれも同じベースモデルを出発点とし、中間学習またはポスト学習によって適応されています。報告された結果の一部を紹介します：

• Omnii Genome： 同社によると、AlphaGenomeやBorzoiなどの専門モデルを上回り、規制トラックおよびバリアント効果ベンチマークで新たな最先端を達成。
• Omnii Phage： 抗生物質耐性感染症に対する指向性ファージ設計（詳細は後述）。ランダムに保留された大腸菌株において、上位2つの推薦候補が対象株の**92.1%**で生物学的に活性なファージを含んでいた。
• Omnii Genetics： 評価されたGWASクレディブルセットの**90%**において機能的バリアントを上位4候補以内にランク付けし、パーキンソン病の153のシグナルにわたるメカニズムを提案。
• Omnii Diagnostics： 事前学習中に一度も見ていない血液ベースのがんバイオマーカー（無細胞5hmC）を予測し、評価コホートのバリアント効果でPearson相関0.854を達成。
• Omnii Defense： 従来のスクリーニングパイプラインに追加することで、病原性関連タンパク質の再現率を**78.6%から95.8%**に向上。
• Omnii Rare Earths、Omnii Antibody、Omnii Cancer Vaccineがセットを完成させ、金属分離のためのタンパク質設計、抗体設計、ワクチン標的選択をカバー。

すべての数値はRadical Numericsが自社のローンチ記事で報告したものであり、独立した再現はまだ行われていません。

ファージのマイルストーン——そして注意点

見出しを牽引している結果はファージの事例です。ファージは細菌に感染するウイルスであり、ファージ療法は抗生物質が効かない場合の有望な選択肢です。しかし、特定の患者の感染症に対応するファージを見つけることは時間がかかり、成功率も不安定です。

Radical NumericsはOmnii-1を、実用可能なファージの設計、バリアントの優先順位付け、どのファージがどの細菌株に適合するかの予測ができるよう学習させました。同社が「世界初のAI設計ファージの臨床使用」と呼ぶ事例において、Omnii-1が設計したファージが、承認された医師主導のコンパッショネートユース（人道的使用）経路のもと、抗生物質耐性細菌感染症を持つ患者に投与されました（Omnii Phage解説記事）。投与前の実験室試験では、設計されたバリアントを含むカクテルが患者の耐性分離株をin vitroで除去しました。

ここで冷静に見ておくべき点があります：

• 単一患者の事例です。 Radical Numericsはプライバシーを理由に患者の臨床経過や転帰を開示できないとしており、評価できる報告された結果は存在しません。
• 試験的な治療です。 コンパッショネートユースは、承認された治療法が存在しない場合に臨床試験外で患者が治療を受けることを可能にするものであり、規制当局の承認ではありません。同社も、1人の患者からの観察では一般的な安全性や有効性を確立できないと述べています。
• 査読未実施。 同社の報告は査読を受けておらず、科学誌にも掲載されていません。AlphaGenome、Borzoi等との比較ベンチマークは自己申告であり、独立した再現を待っている状態です（NYT via GV Wire）。

ニューヨーク・タイムズのCarl Zimmerによる報道では、同社がFDAによって試験が承認されたと述べたことが記されており、これが本物のニュースであることを裏付けています。ただし、これは最初の一歩に関するニュースであり、実証された治療法についてのニュースではありません。

ゲノム言語モデルの実際の使い方

Omnii-1はLLMと同様にプロンプトで操作できますが、対象は生物学です。欠損した測定値の再構築、遺伝的バリアントが機能をどのように変化させるかのスコアリング、または望ましいプロファイルを持つDNAの生成などが可能です。重要なのは、同じDNAでも供給される細胞や組織のコンテキストによって異なる予測が得られる点であり、これは実際の生物学の挙動により近いアプローチです。

ファージ設計においては、モデルが既存のゲノムの特定領域（受容体結合テールファイバーなど）を周囲の配列を考慮しながら編集します。これにより、ファージが複製に必要な機構を壊すことなく宿主ターゲティングを変更することができます。

AIビルダーにとっての意義

Omnii-1は、より広いパターンのドメイン事例です：1つの汎用モデル、多数の専門化されたワークフロー、それぞれが独自のデータと評価ループを持つ構造です。生物学、金融、ソフトウェアのいずれの分野で働いていても、難しいのはモデルそのものではなく、その周囲のリサーチ、情報源、チェックを調整することです。

このようなローンチを批判的に読みたい方は、Periodic Neon（科学向けラボ学習AI）やTypeSafe AIのJevモデルに関する解説記事もご覧ください。

AIチームで独自のリサーチワークフローを実行する

Omnii-1のような密度の高いローンチを分解する作業——一次情報源の収集、ベンチマーク主張のクロスチェック、結果とハイプの分離——は、まさにAIワークフォースが対応できる多段階リサーチの典型例です。Eigentはオープンソースの「Cowork」デスクトップアプリで、エージェントチームがローカル環境で情報源を読み込み、主張を比較し、要約を作成します。各ステップはあなたが承認します。競合分析ワークフローに活用するか、Eigentをダウンロードして独自のリサーチデスクを構築してください。