概要
バイオインフォマティクス（Bioinformatics）は、生命科学と情報科学の融合領域である。DNA / RNA / タンパク質の配列解析、ゲノム比較、構造予測、薬物相互作用、患者データ統合解析等を計算機で実行する分野。1990 年代のヒトゲノム計画で基盤が確立、2024 年の DeepMind AlphaFold 3 リリースで AI 統合が一気に加速、2026 年現在は創薬・個別化医療・農業育種・パンデミック対応の中核技術となっている。
主要ツール（2026 年）
AI 構造予測
| ツール | 提供 | 価格 |
|---|
| AlphaFold 3 | DeepMind / Google | OSS / 学術無償、商用要契約 |
| ESMFold | Meta AI | OSS、HuggingFace 配布 |
| RoseTTAFold | Baker Lab | OSS |
| OmegaFold | Helix Bio | OSS |
| Boltz-1 | MIT / Recursion | OSS（2024-） |
ゲノム解析
| ツール | 形態 | 用途 |
|---|
| NVIDIA Parabricks | クラウド / オンプレ | $99/h、Whole Genome 30x を 1 時間 |
| GATK | OSS（Broad Institute） | 業界標準、Variant Calling |
| BWA / Bowtie2 | OSS | 配列アラインメント |
| samtools / bcftools | OSS | BAM/VCF 操作 |
| ANNOVAR | 学術無償 | バリアント注釈 |
| BCBio | OSS | パイプライン統合 |
NLP / 文献解析
| ツール | 提供 |
|---|
| BioBERT / PubMedBERT | OSS、医学論文特化 |
| ChemBERTa | OSS、化学式特化 |
| Galactica（Meta） | OSS、科学全般 |
| OpenFold | OSS、AlphaFold 軽量版 |
スクリプト言語ライブラリ
| 言語 | ライブラリ | 用途 |
|---|
| Python | BioPython / Biotite | 配列処理 |
| Python | scanpy | シングルセル RNA-seq |
| R | Bioconductor | 統計 + ゲノミクス |
| Julia | BioJulia | 高速数値計算 |
| Rust | needletail / rust-bio | 高性能パイプライン |
PC スペック要件
個人 / 学習用途
- 配列アラインメント（BWA）: Ryzen 9 9950X / 64 GB RAM / NVMe 4 TB
- タンパク質構造予測（AlphaFold）: RTX 4090 24GB / 64 GB RAM、1-3 時間/タンパク質
- シングルセル RNA-seq: Ryzen 9 9950X / 128 GB RAM、scanpy + R Bioconductor
研究機関 / 製薬
- Whole Genome 解析（30 サンプル）: Threadripper Pro 7995WX / 1 TB RAM / RAID NVMe
- AlphaFold プロテオーム規模: H100 80GB × 8、$30,000-50,000/月（クラウド）
- NGS データ大量保管: Cold Storage Glacier / R2 Object Storage、1-10 PB
主な応用領域
| 領域 | 例 |
|---|
| 創薬 | AlphaFold で薬剤標的構造予測、Recursion / Insilico Medicine |
| 個別化医療 | 患者ゲノムから最適治療選定、Foundation Medicine / Tempus |
| 感染症対応 | COVID-19 変異株追跡、Nextstrain / GISAID |
| 農業育種 | 作物ゲノム編集、CRISPR/Cas9 ターゲット予測 |
| 法医学 | DNA 鑑定、JPA Genomics / Othram |
| 進化生物学 | 系統樹推定、Mesquite / IQ-TREE |
| 古代 DNA | ネアンデルタール解析、Max Planck IEA |
主要なファイル形式
| 形式 | 用途 | サイズ |
|---|
| FASTA | 配列データ | 数 MB-GB |
| FASTQ | 配列 + 品質スコア | 数 GB-TB |
| BAM/SAM | アラインメント済み | 数 GB-TB |
| VCF | バリアント情報 | 数十 MB-GB |
| PDB | タンパク質 3D 構造 | 数 KB-MB |
| mzML | 質量分析データ | 数 MB-GB |
| HDF5 | 大規模数値データ | 数 GB-TB |
個人開発者 / 学生の入門経路
- Python + BioPython で配列処理を学習
- NCBI / Ensembl から公開データ取得
- Google Colab + GPU で AlphaFold を試す（無償）
- Coursera / edX の Bioinformatics コース受講
- Kaggle のバイオ系コンペで実践
- Galaxy Project で再現可能なパイプライン構築
関連用語との違い
| 用語 | 違い |
|---|
| 計算生物学（Computational Biology） | 数理モデル中心、バイオインフォは情報処理中心 |
| システムバイオロジー | 生命システム全体、バイオインフォはデータ解析 |
| ヘルステック | 医療 IT 全般、バイオインフォはその研究側 |
| ケモインフォマティクス | 化学・創薬特化 |
よくある質問
Q1: 個人で AlphaFold は試せる？
A: 可。Google Colab Pro（$10/月）+ T4 GPU で短いタンパク質なら 30 分以内に予測完了。AlphaFold 3 は商用ライセンスが厳しく、AlphaFold 2 オープンソース版が個人向け実験には現実的。
Q2: バイオインフォマティクス専攻の就職先は？
A: 製薬（武田 / アステラス / Roche）、AI 創薬スタートアップ（Recursion / Insilico）、ゲノム解析企業（Tempus / Foundation Medicine）、研究機関、農業育種、CRO、コンサル等。米国年収 $150k-$300k。
Q3: 自作 PC でバイオインフォマティクス学習する場合の最適構成は？
A: Ryzen 9 9950X + 64 GB RAM + RTX 4090 + NVMe 4 TB（¥520,000）が最強コスパ。ストレージは外付け 16-30 TB を増設して NGS データ保管。
まとめ
- 生命科学と情報科学の 融合領域、ゲノム / 構造予測 / 創薬の中核
- 2026 年は AlphaFold 3 / Parabricks / Bioconductor が主軸ツール
- 個人開発者は Python + BioPython + Google Colab から入門可