気候変動は世界中の農業に影響を及ぼしており、解決策は必ずしも単純ではありません。しかし、何千マイルも離れた場所に移動する代わりに、暑さ、寒さ、干ばつに耐える作物を植えることができたら、そうしたいと思いませんか？Avaloは、AIを活用したゲノム解析によって、このような植物の実現を支援します。この解析により、この暑い世紀に備えてより丈夫な植物を育種するための時間と費用を削減できます。
学問の世界に進む前にスタートアップに挑戦してみようと考えた 2 人の友人によって設立された Avalo は、非常に直接的な価値提案を持っていますが、それを理解するには科学の知識が少し必要です。
大手種子会社や農業会社は、主要作物の改良版の開発に多大な労力を費やしています。トウモロコシや米を、暑さ、害虫、干ばつ、洪水に対する耐性をほんの少し高めるだけで、農家の収穫量と収益を大幅に向上させたり、あるいはこれまで栽培できなかった場所でも栽培できるようにしたりすることができます。
「赤道地域では収穫量が大幅に減少しています。しかも、トウモロコシの粒が小さくなっているわけではありません」と、共同創業者兼CEOのブレンダン・コリンズ氏は述べています。「塩水の浸入で畑が荒れているため、農家は高地へ移住しますが、早春の霜で苗が枯れてしまうこともあります。また、湿度の高い夏に発生する菌類の蔓延を乗り切るために、さび病に強い小麦も必要です。この新たな環境の現実に適応するためには、新たな品種を開発する必要があります。」
体系的な改良を行うために、研究者は植物の既存の形質を重視します。これは新しい遺伝子を組み込むのではなく、既存の特性を引き出すことです。かつては、複数の植物を育て、それらを比較し、その特性を最もよく表す植物の種子を植えるという単純な方法、つまり遺伝学入門のメンデルの法則のような方法で行われていました。
ますます熱くなるバイオテクノロジー市場では、知的財産の保護が鍵となる
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
しかし、今日ではこれらの植物のゲノム配列が解読され、より直接的な研究が可能になっています。望ましい形質を持つ植物においてどの遺伝子が活性化しているかを知ることで、将来の世代においてそれらの遺伝子のより効果的な発現を狙うことができます。問題は、この研究には依然として長い時間、例えば10年ほどかかることです。
現代のプロセスの難しさは（いわば）干ばつに耐える能力のような形質が単一の遺伝子ではないという点に起因しています。複数の遺伝子が複雑に相互作用している可能性があります。オリンピックの体操選手になるための単一の遺伝子が存在しないのと同様に、干ばつに強い米になるための遺伝子も存在しません。そのため、企業がいわゆるゲノムワイド関連研究を行うと、形質に寄与する遺伝子の候補が数百個に上り、それらの様々な組み合わせを生きた植物で試験するという骨の折れる作業が必要になります。これは、産業レベルの速度と規模でさえ何年もかかります。
「遺伝子を見つけて、それを使って何かを行うという能力は、形質が複雑になるにつれて、実際にはかなり限られてしまいます」と、Avaloの共同創業者兼CSOであるマリアノ・アルバレス氏は述べています。「酵素の効率を高めるのは簡単で、CRISPRを使って編集するだけです。しかし、トウモロコシの収穫量を増やすには、数千、あるいは数百万もの遺伝子が関わってきます。大規模な戦略企業（例えばモンサント）が干ばつ耐性米の開発に取り組む場合、15年、2億ドルの費用がかかります…長期的な取り組みです。」
ここでアバロが登場する。同社は植物のゲノムに変化が生じた場合の影響をシミュレートするモデルを構築しており、これにより15年のリードタイムを2～3年に短縮し、コストも同様の割合で削減できると主張している。
「より進化論的な視点を取り入れた、より現実的なゲノムモデルを構築することが目的でした」とコリンズ氏は述べた。つまり、ゲノムとその上の遺伝子をモデル化し、生物学と進化の文脈をより多く取り入れたシステムだ。より優れたモデルであれば、形質に関連する遺伝子の誤検出ははるかに少なくなる。なぜなら、ノイズ、無関係な遺伝子、マイナーな寄与因子など、より多くの要素を除外できるからだ。
彼は、ある企業が開発に取り組んでいた耐寒性イネの品種を例に挙げました。ゲノムワイド関連解析の結果、566個の「注目遺伝子」が見つかりました。それぞれの遺伝子を調査するには、時間、人員、材料などを考慮すると約4万ドルの費用がかかります。つまり、この一つの形質を調査するだけで、数年かけて2000万ドルもの費用がかかる可能性があるということです。当然のことながら、このような事業に挑戦できる企業や、時間と資金を投資する作物は限られてしまいます。投資収益を期待するなら、ニッチな市場向けの作物を改良するために、それだけの資金を費やすことはできません。
「私たちは、そのプロセスを民主化するためにここにいるのです」とコリンズ氏は述べた。耐寒性イネに関する同じデータから、「32個の興味深い遺伝子を発見しました。シミュレーションと遡及的研究に基づき、これらすべてが真に因果関係にあることが分かっています。そして、それらを検証するために10個のノックアウト遺伝子を培養することができました。そのうち3個は3ヶ月の間に培養しました」
専門用語を少し解説すると、アバロのシステムは最初から、個別に調査する必要があった遺伝子の90%以上を除外していました。彼らは、これらの32個の遺伝子が単に関連しているだけでなく、因果関係があり、形質に実際に影響を与えていると確信していました。そして、これは特定の遺伝子をブロックしてその効果を調べる短期の「ノックアウト」研究によって裏付けられました。アバロはこの手法を「情報のない摂動による遺伝子発見」（GDIP）と呼んでいます。
機械学習アルゴリズムがノイズから信号を抽出するという本質的な能力もその一因だが、コリンズ氏は、モデルが自ら構造と関係性を学習できるようにすることで、新たなアプローチで問題に取り組む必要があると指摘した。また、モデルが説明可能であることも重要だった。つまり、結果がブラックボックスから突然現れるのではなく、何らかの根拠があるということだ。
この後者の問題は難しいものですが、研究者たちは、繰り返し行われるシミュレーションで、対象となる遺伝子をダミーバージョンと体系的に入れ替えることでこれを達成しました。ダミーバージョンは、特性を乱すことなく、各遺伝子が何に寄与しているかをモデルが学習するのに役立ちます。
「私たちの技術を使えば、関心のある形質について最小限の予測育種セットを作成できます。完璧な遺伝子型をシリコ（つまりシミュレーション）で設計し、その後集中的な育種を行い、その遺伝子型を観察することができます」とコリンズ氏は述べた。コストは十分に低いため、小規模な企業やあまり人気のない作物、あるいは可能性の低い形質でも実施できる。気候変動は予測不可能なので、20年後に耐暑性小麦と耐寒性小麦のどちらが優れているかは誰にも分からない。
「この取り組みにかかる資本コストを削減することで、気候耐性形質の開発に経済的に取り組むことができる空間が開かれることになる」とアルバレス氏は語った。
アバロは複数の大学と提携し、そうでなければ実現しなかったかもしれない、回復力と持続可能性に優れた植物の開発を加速させています。これらの研究グループは膨大なデータを有しているものの、リソースは限られているため、アバロの能力を示す絶好の候補となります。
大学との提携により、このシステムが「かなり未栽培化」な植物にも有効であることも実証される。これらの植物は、大規模利用の前にある程度の改良が必要となる。例えば、もともと大きな穀物種に耐乾性を持たせるよりも、もともと耐乾性のある野生穀物を大型化する方が効果的かもしれないが、その検証に2000万ドルを費やす意思のある者は誰もいなかった。
商業面では、まずデータ処理サービスを提供する予定です。これは、農業や製薬といった分野で、比較的成長の遅い既存企業に大幅なコストと時間の節約を提供する多くのスタートアップ企業の一つです。Avaloは運が良ければ、これらの植物のいくつかを農業に導入し、種子供給も担うことができるでしょう。
同社は数週間前にIndieBioアクセラレーターから脱却したばかりで、既に300万ドルのシード資金を確保しており、より大規模な事業展開を進めています。このラウンドはBetter VenturesとGiant Venturesが共同でリードし、At One Ventures、Climate Capital、David Rowan、そしてもちろんIndieBioの親会社であるSOSVが参加しました。
「ブレンダンは、スタートアップを始めるのは教員の職に応募するよりもずっと楽しくて面白いと私を説得してくれました」とアルバレスは語った。「そして、彼の言う通りでした。」
