NVIDIA、Claude Science 向け BioNeMo Agent Toolkit を公開──タンパク質構造予測のタスク正答率を 100% に向上
Anthropic の科学研究用ワークベンチ Claude Science に NVIDIA BioNeMo NIM マイクロサービスを統合し、複数モデルを用いたタンパク質構造予測のオーケストレーションを自動化した。
リリース: 2026-08-31 · 読了 4 分記事の要約
1. 核心（What）
- NVIDIA は Claude Science 向けに BioNeMo Agent Toolkit および NVIDIA NIM マイクロサービスを統合し、タンパク質構造予測ワークフローを自動化する機能を公開した。
- msa-search、OpenFold3、Boltz-2 の各 NIM コンテナをローカル GPU エンドポイントとして立ち上げ、マルチプル・シグネチャー・アライメント（MSA）を用いた複合体予測をエージェントが実行する。
- 検証事例として、Paracoccidioides lutzii 真菌の Seh1 タンパク質（384残基）および提案パートナー（976残基）を用い、単量体と二量体複合体の構造予測結果を比較している。
- msa-search NIM では、全 1.4TB の代わりに UniRef30-only プロファイル（約 490GB）を使用して効率化を図っている。
2. 影響（Why）
- 創薬・ライフサイエンス研究のエージェント実装コストを圧縮: ドメイン固有のツール選定や API 形式の違いをエージェントのスキルとして吸収できるため、製薬・バイオ系の研究開発チームは手動での環境構築を排して実験ループを回せる。
- 国内ライフサイエンス・製薬企業の研究インフラへの影響: [国内 製薬・バイオ研究 規模の組織] において、Claude Science とローカル GPU（NVIDIA H100 等）を組み合わせた構造予測パイプラインの導入評価が現実的な選択肢になる。
3. 根拠・詳細（How）
- GPU アクセラレーテッド MSA Search NIM による配列アライメント: UniRef30_2302 データベース、ColabFold 検索タイプ、E 値 0.0001、最大 500 配列の設定で A3M 形式の単一およびペアリング済みアライメントを生成。
- OpenFold3 および Boltz-2 NIM によるマルチモデル予測: オープンソースの OpenFold3 および Boltz-2 コンテナを利用し、テンプレートなし・リガンドなしの条件で mmCIF 形式の出力と confidence_score や iptm_score などの信頼度指標を取得。
4. 展望・課題（Next）
- 対応ハードウェアおよびストレージ要件の最適化: 大規模な UniRef30 データベース（約 490GB）のローカル配置や対応 GPU（NVIDIA L40S / H100）の確保が前提となるため、オンプレミス環境でのストレージ設計が必要となる。