はじめに

本記事は、弊社noteへ2024年9月に掲載されたインタビュー記事を、より多くの方にご覧いただけるよう、当社公式テックブログにも転載したものです。内容は掲載当時のものとなります。

本文

ーー記念すべきインタビュー第1回目です。中村さん、よろしくお願いいたします。
早速ですが入社の経緯を教えてください。・・・といっても、中村さんは創業メンバーですよね。

そうですね。東京工業大学在学中に株式会社digzymeを、渡来さん（注1:渡来直生さん、digzyme代表取締役CEO）、山田先生（注2：東京工業大学准教授山田 拓司先生、digzymeの取締役CSO）と共同創業しました。
創業のキッカケとしましては、digzymeの創業の元となった研究を、山田研（注3：東京工業大学生命理工学院 山田研究室）で実施していて、ビジネスの可能性を感じたことです。

ーー創業の元となった研究・・・是非、もう少し詳しく教えてください。また、どんなところに
ビジネスの可能性を感じたのでしょうか？

現在のdigzyme Moonlight™の元にあたる研究で、『酵素を探索します』という内容でした。
長瀬産業さんと山田先生が共同で研究をしていたところに、僕も入って追加で解析をしました。

具体的には長瀬産業さんから
「こういう酵素が欲しい」
というオーダーをいただき、それをデータベースから探す・・・ということをやっていて。それで順調に酵素がみつかっていたので、まず論文にしましょうということになりました。

その後、もしこの探索技術を『他の部分』に適用したらどうなるのか？という考察を深めていったんです。

ーー他の部分とは？

この世界でまだ触媒する酵素が見つかっていない化合物の合成反応をみつけられるのか？というところですね。これが長瀬産業さんとの研究で成果が上がりまして。ある植物が持っている『特殊な化合物を作るための酵素』についての研究だったのですが。毎回その酵素を、植物をすりつぶして抽出するのは大変じゃないですか。
なので、微生物の酵素反応を使って、酵素化学的にできたら簡単なのでは？ということで、それが可能な酵素を探索してみたんです。そしたら、結構たくさん見つかったんですね。
それも、まだ発見されていない、世の中では売られていないような化合物を合成するような酵素が、結構たくさん。

ーーすごいことですね。

はい。それからは、作るのがすごく難しい化合物をこれらの酵素を使えば、実は簡単に作れるんじゃないか？ということを論文のなかで議論して。

山田先生に報告したところ、こういった酵素が欲しい人々は世の中にかなりいらっしゃるんじゃないか？という話になり、ビジネスとしてやったら面白いのでは、と。

さらにタイミングがすごく良かったのですが、その当時、ちょうど渡来さんが、ベンチャー企業の立ち上げに興味をもって活動していて。
そのような流れもあり、山田先生と、渡来さんと、僕とで活動をスタートしたら早速、『そういう酵素を探す技術があったら使いたいです』というところから、複数お声がけ頂いたんです。なので、これだけニーズがあるならば創業した方がいいだろう、ということで創業に至りました。

ーー確かに、従来の酵素開発では、目的に合った酵素の遺伝子を見つけるまでに、膨大なトライアンドエラーが必要でした。
そのため、偶然の発見に頼らざるを得ない不確実性と、莫大な開発コストが問題となっていましたが・・・この点を考えると、かなりのニーズがありますよね。
創業後はどのような業務に携わってこられたのですか？

創業直後は、コアテクノロジーにあたる酵素探索ソフトウェアの開発作業を行いつつ、次はそれをさらに応用して、より会社の強みになる部分をどう開発していくか？というところを進めていきました。

すでに研究開発のテーマもいくつか自社内であがっていたので、それらの開発を含めて。

でも僕は、創業から半年間はまだ学生だったのですが、卒業後は2年近く製薬会社に勤めていたんですね。
なのでその期間は兼業しながら技術開発のディスカッションなどを中心に参加していました。

ーーその後、digzymeにフルコミットする形になられたんですよね。

はい。digzyme1本になったあたりで、ちょうどNEDO（注4：国立研究開発法人 新エネルギー・産業技術総合開発機構）のプロジェクトが始まりました。
そこでspotlight（注5：酵素機能改良プラットフォームdigzyme Spotlight™）のデザイン・・・『こういうふうな機械学習で、こういうモデルをつくったら上手くいくでしょう』という部分を渡来さんたちと一緒に考えて、予算が取れたものを実際に研究員たちに配分して、誰々がどこを作ってくださいね、という感じで開発を進めていきました。

ーー自然と各プロジェクトのリーダーを担うようになっていったそうですね。CTOとしての、採用や教育も。

はい。メンバーが少しずつ増えていく過程で、新入社員へのDRY研究技術の教育も行なっていくようになりましたね。一番最初は、創業直後にアルバイトで入ってもらった礒崎（注6:Principal Investigator、礒崎達大さん）に・・・彼はもともとDRYではなくWET研究の出身だったので、僕と渡来さんでDRYの技術を教えました。

ーーそうだったんですね。DRY技術の教育って、具体的にはどのように進めるものなんですか？

基本的には実例を試すのが一番、だと思っています。プログラミングの勉強って一般的に例えば『１＋１＝２』みたいな計算をプログラムにやらせたらどうか？というようなことを勉強するんですが・・・
そうするとあんまり身にならないというか、やっぱり『それって現実にどう活かされるんですか？』
いう感じがしちゃうので。

ーーなるほど。

現実の課題を解いていかないとあんまり面白くなくて、身にならないことが多いんですよ。なので、現実的な課題をアサインすることが、教育的にもよいと思っています。
例えば、僕が作っている研修用の資料には、過去に僕自身があたった課題が書いてあります。それを解いて、一通りやってみてもらう、という手法で教育を進めていますね。
さらに最近だと、現実にお客様から頂いた課題をテストケースにして、高山さん（注7：Principal Investigator、高山裕生さん）や礒崎と一緒に解いてもらうやりかたが多いです。

ーー詳しく教えていただきありがとうございます。最近の業務はいかがですか？

個別プロジェクトのマネジメントや、研究リソース管理などが主な仕事になっています。

ーーマネジメントを行うのって、中村さんにとってはどんな感覚ですか？

僕の場合は、マネジメントももともと苦手な項目ではなく、、、学生時代にアルバイトしていたときも、バイトリーダーなどでメンバーの管理などをよくしていたので。そもそも、物事のコアな部分に関わっていないと、気が済まない感覚があるんですよね（笑）

製薬会社勤務のときも、例えば末端で実験・研究だけをしているというよりプロジェクトの詳しい話や本質的なところまで入っていかないと納得がいかず、満足しない方でしたので。
もちろん研究自体は好きなのでやっていたいなという感覚はあるんですが、何も知らずに手を動かすことができないタイプなので・・・
そういう意味でも自然とマネジメントをやっているのかなーという感じがしますね。

でも、これらも礒崎と高山さんに引き継ぎつつあるので、新規技術開発のリードとか、基盤技術の開発がまた僕のコアな業務に戻りつつある、というところですね。
もちろん、DRY・WETのメンバーと、新規技術としてはどういうものを持つべきか？
あるいは、digzymeとしての強みをさらに伸ばすためのアイデアを考えたり深めたりすることは、常々行なっています。

ーーdigzymeとしての強みが、さらに伸びていくためのアイデア、とても気になります。

そうですよね。今後より伸びていくためにという部分に関しては、事業部の皆さんを中心に考えていただいた『事業領域として拡大したい箇所』において必要なソフトウェアだったり、必要なWETの技術などを議論しながら作っていくこともしっかりやっていきたいですね。
それと僕自身は、各プロジェクトのなかで基盤として作ったものがうまく活用されてプロジェクトが進んでいくように動いています。

ーー中村さんは、digzymeで働いていて、どんなところにやりがいを感じますか？

新しい技術を現実の課題に適用しながら、足りない部分を開発したり、アップデートしていったりするところにやりがいを感じます。
例えば、digzyme Spotlight™の開発も、AI、機械学習を用いて酵素を改良しようという試みを実践している存在が世の中でほぼ皆無ななか、行っていました。
それまでも、一般的には酵素の立体構造をみて、『基質と相互作用するタンパク質の場所を変えたら、基質にも影響はあるだろうから変えて、活性をあげましょう』というような研究はされていたんですけれども。

ーー機械学習を用いてという手法は、一般的にとられていなかったわけですね。

はい。それでも、酵素の性能が足りないのでもっとよくしたいというオーダーは多くて、酵素業界全体の課題だったんです。
何かの課題に直面して解決していくという作業が僕は好きなので、
「digzymeだったら、活性を上げる変異体をAIで予測してデザインできそう」
という議論をしながらプログラムを作って、開発していく過程にとてもやりがいを感じました。

ーーSpotlightの開発ケースは相当やりがいに繋がったということですね。

そうですね。
でも、課題そのものは、小さい規模でも大きい規模でも楽しいんですよ。
Spotlightのケースはちょっと大きめですけど・・・日々出てくるちょっとした『これってめんどくさいよね』みたいなものを直して、上手くまわるようになっていく過程自体がとても好きです。
どんな規模でも、新規で技術開発して課題を解決していく『改良』というところにやりがいを感じます。

ーーなるほど。大小問わず課題を解決することにやりがいを感じる中村さんに、digzymeは支えられているんですね！せっかくなので、この流れでSpotlightの独自性についても触れてみたいのですが・・・
開発メンバーが、それぞれの経歴を存分に活かしたからこそ仕上げられたプラットフォームだと耳にしています。この辺りについて、詳しく教えていただけますか。

Spotlightは酵素について、機械学習のアルゴリズムで
「こういう風にやったら、変えるべき場所が予測できるだろう」
というプログラムです。僕は学生時代はもちろん、製薬会社のなかでも機械学習の研究をずっとやっていたので、その知識を活かして。
配列に詳しいメンバーとしては渡来さんや彦有さん（※注8：Informatics Specialist 鈴木彦有さん）。彼らはゲノムとして遺伝子、タンパク質配列を解析するということを研究室でずっとやっていたので。
あとは田村さん（注9：Informatics Specialist 田村 康一さん）ですね。彼は立体構造のデータにすごく詳しいんです。なので、配列と立体構造のデータに詳しい、渡来さん、彦有さん、田村さんの三人に、どういう特徴を学習させたらいいだろうということを考えてもらって、僕の方では『機械学習のモデルにはこういうやり方がありますよね』ということを考えて、最終的には礒崎に実装をしてもらって、仕上がったんです。

ーーまさに『叡知を結集』という感じで感慨深いです。たくさんお聞きできたので、次は仕事で苦労したことや、乗り越えられたキッカケについて伺っても良いですか？

苦労というか、採用活動は結構大変だなと感じながら行なってきました。
会社にとっても、また、採用される個人の人生にとっても、大きいことですしね。重たいことだな、という認識があります。
そんななか、digzymeの未来を担っていただく人材の採用に関して、どう判断したら・・・というところを、かなり悩みながらやってきました。
幾度かの採用活動を経て、最近はようやくコツを掴んだ感じがあります。
渡来さんは、面接時における質問の内容など、採用活動が上手な印象があるので・・・そこは真似させていただいて。

ーーちなみにどんなかたを採用することが多いですか？

やっぱり、話していて違和感がない人・・・これは絶対ですね。
こちらの質問に対して想像の範囲の回答はもちろん、そこを超えた範囲で応えてくださるかたは、前向きに採用したいなという気持ちになります。逆に、思っていたよりも二手三手後ろで止まっている回答をなさる場合は、ちょっと難しいかな、とは思っています。

また、トラブルシューティングが上手な方であることが望ましいです。特にWETの研究は、失敗がつきもの。
DRYはなにかうまくいかなかった時にすぐやり直せますし、僕自身がアイデアを出しやすい分野でもあるのですが、WETの実験はやり直そうと思った時に『また１週間失くなります』・・・など、大幅なスケジュール変更を余儀なくされるわけです。
さらに正直なところ、僕自身がWETにそこまで詳しいわけじゃないので、なにか上手くいかなかった時に『じゃあどうしたらいいと思いますか』と一緒に考えるフェーズにおいて、やっぱり僕以上に詳しくて、ご自身で考えて動けるかたがいらっしゃると嬉しいです。
実験的なトラブルが出ることは本当に多々あるので、しっかり対処できるかという・・・
過去に失敗したケースにどう対応したかなどを伺い、トラブルシューティングが上手な方を採用できるように努めています。

ーーなるほど。教えていただきありがとうございます。
WETのお話が出ましたが、そうしてメンバーを採用してきたからこそ、digzymeのWETの強みって、あれだけすごいんですね。

そうですね。
digzymeのWETに関しては『意外となんでもできる』のが強み、だと思っています。例えば『こういう酵素の評価をしたいです』となったときに、論文を読みながら開発をして、試して、実際に発現させて
評価をして・・・ということをやっていくわけなんですけれど、それって、もちろんちゃんと『研究ができる』方じゃないと難しくて。
例えば、僕が軽く論文読んで追試してくださいって言われて、『実験してみよう！』って軽々できることではないんですよね笑
そこを自然にこなせてるっていうのは、実はものすごくレベルの高いことなんです。
逆にいうと、うちがDRYで解析したものをWETの操作が理由でこれ以上進めません、ということはほぼないです。サラッと言っていますが、これも実はものすごいことです。

ただ、技術はとても高いのですが、リソース的に強いか・・・というところはそうでもなくて、いろんな企業さんとかアカデミアの先生がいらっしゃいますけど、そこと比べるとやっぱり、『特別な微生物株を持っています』とか『特別な遺伝子組み換えが技術があります』とかではなく、あくまで使っているのは公開されているものと同じものを使っているので。
リソース的な強さは正直ないですけど、人員的な研究員としての能力はとても強いと自負しています。

ーーなるほど。心強いですね。

はい。
ちなみにDRYって『因果関係はわからない』ものなんです。どっちが理由で、どっちが結果か？っていうことに関してわからない部分が多いので、僕らが酵素の解析をするときも偽陽性についても考慮しながら進めます。
そこですごく可能性の高いところまで絞っていくのですが、そのあとはWETの技術の高さにとても支えられています。
例えば大腸菌を使うにしても、1株だけじゃなくて何株も用意して、別の生物も色々用意して・・・など、潜り抜けて実験していく技術がとても優れているので、ありがたいです。

ーー今後は、どのようなことにチャレンジしてみたいですか？

基本的には、プロジェクトのステージが進んでいって、上市して何かの役に立ってくれれば、と思っています。
今開発している酵素が、製品になって表に出てくるのは楽しみです。『実はこの製品に入っているんだよ』と言えるくらいになったら嬉しいなと思っていますね。

技術的なチャレンジでいえば、プロジェクトのステージが進んでいったからこその課題が出てくるはずなので、解決していきたいです。

例えば、『こういう化合物を、こういう別の化合物に変化させたい』という時に、『酵素量はこれくらいの量で』『どれくらいの効率で』という数値が現状よりは具体的になってくるはずです。
それを達成できるorできない、が近い未来の重要課題になると予想しています。

さらに次のステージでは“大量生産“が待っています。『製品の価格がいくらなので、そのコストで作るためには、培養液はこれくらいの量で・・・』『この量の酵素が作れないといけない』などの生産性能の目標が見えてくるはずです。
これらの達成は事業継続にも関わる部分ですので、しっかり解決していく予定です。

ーー目標値がもう少し厳しく明確化されていくと、生産性能向上や安定が肝になってくるということですね。他にもなにかチャレンジしたいことはありますか？

完全に人工の酵素の開発はしてみたいですね。

ーー完全に人工の酵素？　

『完全に』っていうのは、また難しいですけれども（笑）
普通は天然に存在する微生物が持っている酵素の情報をベースに作るとか、それを改良するというやり方ですが、データからいきなり酵素をデザインするということが、今はAI技術を上手く使うと、少しできるようになってきているんです。
そうすると、もしかしたら何かの微生物の酵素には、ちょっとだけ似ているかもしれないですけど、『ベースの酵素』があるわけではなく、パソコン上でポチポチ作業をしていたら酵素がデザインされて、
それがどの微生物由来でもないもの、というのが作れます。

ーーなるほど。

まぁ、これを例えば食品に入れて、実際に食べたいか？と言われると難しいかもしれないですけども（笑）

今は天然にあるものがベースなのでそこに縛られていますが、それを完全に脱却してオリジナルな酵素を作ることができるので。
実際に何かに使えるかどうかは置いておいても、新しい感じがして面白いですよね。

あとは無細胞系などの微生物に依存しない開発はしてみたいですね。

無細胞系は今社内でもちょっと使っていたり、議論にもなっていたりしますが、基本的にはWETの過程において微生物で遺伝子組み換えして発現・・・という流れが中心なので、やはり『タンパク質が発現しないです』ということが往々にしてあります。というところで無細胞系・・・ーもちろん無細胞でも発現しないことはあるのですがー比較的抑えられることもあるので、そういう意味でトライしてみたいです。　とにかくバイオ特有の不明瞭さがなくなると嬉しいな、と。

ーーバイオ特有の不明瞭さ、というと？

バイオの実験って『なんかよくわからないけど上手くいかない』ということがよくあるんですよね。この『よくわからないけど上手くいかない』が無くなるとすごく嬉しいよね、と思っています。

どうやったら確実にできます、という話では全然ないので、本当に夢の話をしていますって感じなんですけれど（笑）

例えば『培養の条件』一つとっても、この培養条件が一番良いです、ということが理論的にわかるわけじゃなくて、ある微生物を培養する時に、培地にどういう成分をどれくらい入れれば良いか、みたいなことは何度も何度も実験して、この組み合わせが最適っていうのを探し出すんですよね、やり方としては。理論的にこれだ！ってわかるわけじゃなく、なんでかよくわからない・・・。
培養していて、上手く増える時もあれば、そうでないときもある。タンパク質も、作ってみるとあんまり生産量も一定ではなく、多い時もあれば少ない時もある・・・という感じで結構ズレがあるんです、
バイオの実験って。

『失敗する』というのは、極端に『不明瞭なケース』ですけれど、上手くいっているときでも『特別上手くいっているとき』も『微妙だけど上手くいっているとき』もあり、誤差が大きい。

ーーなるほど、それは確かに不明瞭ですね・・・。

そんな不明瞭さのなかでもまず『宿主ごとに上手く発現しない』というのは、やはり大きな課題なので・・・
このあたりが改良できるように、『この世の酵素を、何でも発現できるシステムみたいなものが
あったらいいね』という意味で、あるとしたら無細胞なのかな、という気はしています。

ーー何でも発現。夢がありますね。詳しくありがとうございます。最後に、digzymeに応募を考えている未来の仲間に一言あれば、お願いします。

「バイオの曖昧な課題の解決に最先端技術とアイデアで一緒に挑戦しましょう！」

ーー中村さん、ありがとうございました。

終わりに

▼オリジナル記事はこちら（note）
https://note.com/digzyme/n/n4cb24197110b