GPT-5 Pro、3年越しのT細胞研究に仮説　未発表実験の予測と限界

生成AI（Generative AI）が科学研究で示した成果を評価するには、仮説を出した段階と、実験で確かめた段階を分ける必要がある。GPT-5 Proが免疫学者Derya Unutmaz氏の未発表データを解析した事例では、T細胞の挙動を説明する機序を提案し、手元にあった別の実験結果と同じ方向を予測した。ただし、その検証データは未公表で、第三者による独立追試ではない。

2022年の実験をGPT-5 Proで再検討

Unutmaz氏は米Jackson Laboratoryの免疫学者で、University of Connecticutの教授も務める。OpenAIが2026年6月23日に公開した事例ページによると、研究の起点は2022年に行ったヒトT細胞の実験だった。研究室は結果を説明できず、実験をいったん棚上げし、2025年後半にGPT-5 Proへデータを入力した。

実験では、ヒトのCD4陽性T細胞を低グルコース環境または2-デオキシ-D-グルコース（2-deoxy-D-glucose、2-DG）の存在下で活性化した。2日後に処理を終え、インターロイキン2（Interleukin-2、IL-2）を加えて2週間培養すると、2-DGで処理した細胞は炎症反応に関わるTh17様の状態へ強く偏った。低グルコース条件でも同じ方向の変化はあったが、2-DGほど大きくなかった。単純なエネルギー不足では差を説明しきれなかった。

糖代謝ではなく糖鎖修飾に着目

GPT-5 Proは17分間の推論後、2-DGによる解糖の阻害とN-結合型糖鎖付加の障害を切り分け、後者によってIL-2受容体のシグナルが弱まり、Th17細胞への分化を抑える作用が外れたとの仮説を示した。影響を担うのはナイーブT細胞ではなくメモリーT細胞だとも予測した。研究室が見落としていた接続だが、Unutmaz氏は既知の免疫学と整合する説明だったとしている。

モデルはマンノースを加えて糖鎖付加を回復させる救済実験など、仮説を切り分ける追試も提案した。研究室は同種の実験をすでに行っており、結果は予測と一致した。一方、この部分に関しては、近い内容のマンノース救済実験を含むプレプリントがbioRxivで先に公開されていた。モデルが学習時に関連する手掛かりへ接していた余地は残る。

未発表の細胞傷害実験をどう予測したか

別の分析では、Unutmaz氏が2-DG処理後のCD8陽性T細胞について、免疫応答にブレーキをかけるPD-1とLAG-3の未発表データをGPT-5 Proへ提示した。モデルは、糖鎖付加の障害とT細胞受容体シグナルの減弱が両分子の発現低下につながるとの説明を返した。

続いてUnutmaz氏は、同じ細胞へ抗CD19キメラ抗原受容体を導入するキメラ抗原受容体T細胞（Chimeric Antigen Receptor T-cell、CAR-T細胞）の実験結果を予測させた。論文は、GPT-5 Proが作製時の短い2-DG処理によって標的がん細胞への傷害性が高まると予測し、研究室がすでに得ていた未発表結果と「ほぼ完全に」一致したと報告している。

この結果は、公開情報を要約しただけでは説明しにくい予測だったことを示す。ただし、照合したのは同じ研究室が保有するデータで、実験データ自体は公開されていない。論文中の評価は研究責任者による自己報告であり、第三者が条件と生データを点検した検証とは証拠の強さが異なる。

成果を支えた三つの条件

事例を再現するうえで必要なのは、モデルへのアクセスだけではない。第一に、実験条件と測定結果が整理されたデータが要る。第二に、出力が生物学的に妥当かを選別する専門家が要る。第三に、モデルへ見せていない実験結果か、新たに行う追試で予測を照合する必要がある。この三つがそろって初めて、流暢な説明と検証に値する仮説を分けられる。

今回の入力は、一般の利用者が集めた断片的な情報ではなく、研究者自身が実験条件を把握するフローサイトメトリーデータだった。モデルが示した案を採用したのも、その領域で長年研究してきた専門家である。生成AIの役割は探索する仮説の範囲を広げ、次に試す実験を絞る部分にあり、結果の確定は実験と査読が担う。

プレプリントが示す範囲

事例を収録した「Early science acceleration experiments with GPT-5」は、2025年11月20日にarXivへ投稿された89ページのプレプリントである。著者にはUnutmaz氏と複数のOpenAI所属者が含まれ、数学、物理学、生物学などでGPT-5を使った事例をまとめている。免疫学の章はUnutmaz氏自身が執筆したケース報告で、独立機関による比較試験ではない。

機序の一部には、糖鎖付加阻害剤を使う実験や、T細胞を活性化する初期段階でIL-2経路を詳しく調べる実験が残る。論文も、それらを未実施として明記する。従って「T細胞の謎が解明された」と結論づける段階ではなく、複数の追試へ進める具体的な仮説が得られた段階だ。

日本の研究現場で問われる検証設計

日本の研究機関がこの免疫学事例と同じ手順を追試し、再現性を示した公的な資料は、本稿の執筆時点で確認できていない。国内で同様の使い方を検討する場合も、研究データをモデルへ渡す権限と保存条件、出力を評価する担当者、事前に定めた検証実験を一組として設計する必要がある。モデルが出した仮説の採否と、研究成果として公表する判断を分ける運用も欠かせない。

研究支援AIの評価指標は、もっともらしい説明の数ではなく、事前に定めた条件で予測が再現するか、既知の結果を学習データから再生した可能性をどこまで排除したか、失敗例を含めて追跡できるかに置くべきだ。この事例が示したのは、生成AIが専門家の代わりに結論を出す姿ではなく、専門家が検証候補を早く組み立てる用途である。

よくある質問

GPT-5 ProはT細胞の機序を証明したのか
証明していない。N-結合型糖鎖付加、IL-2シグナル、Th17様細胞への分化を結ぶ仮説を示し、研究室が持つ一部の結果と整合した段階だ。論文が未実施とする追試と正式な査読が残る。

未発表のCAR-T実験を予測した事実は確認できるのか
研究室が先に行っていた実験について、2-DG処理後に細胞傷害性が高まるとの予測が未発表結果とほぼ一致した、と論文は記している。生データは公開されておらず、現時点で確認できるのは著者による報告までだ。

モデルが先行研究を覚えていただけではないのか
完全には排除できない。マンノース救済実験に近い結果はbioRxivで先に公表されており、論文もモデルがその情報を知っていた可能性を留保している。未公表だったCAR-T実験の予測は別の材料になるが、独立追試がなければ一般化はできない。

研究機関が導入時に先に決める事項は何か
入力データを扱う権限と保存条件、仮説を選別する専門家、モデルへ見せない検証データまたは追試計画、失敗を含む記録方法である。モデルの出力を研究上の結論として扱う前に、検証工程を固定する必要がある。