計算生物学者が扱うテーマの中でも、とりわけ興味深いのは「免疫がどのようにして状況を判断し、適切な応答を選び取っているのか」を、数理モデルや計算手法によって明らかにしようとする研究です。免疫系は、単に“攻撃する／しない”を機械的に決める装置ではなく、体内の微小環境や時間の経過、複数のシグナルの組み合わせ、過去の免疫歴までも反映しながら、適応的に意思決定を行っているように見えます。計算生物学者はこの直観を、観測可能なデータと整合する形でモデル化し、どの要素が意思決定を駆動しているのかを推論しようとします。
免疫の意思決定における中心的な問いは、同じ病原体に対してもなぜ応答の強さや種類が変わるのか、そして炎症を起こすことが得である場面と害になる場面がなぜ混在するのか、という点にあります。たとえば、自然免疫は比較的速く反応し、感染の初期段階を抑え込もうとしますが、そのまま暴走すれば組織損傷につながります。一方で獲得免疫はより遅いが、特異性と記憶により長期的に有利な戦略をとります。この“時間スケールの異なる複数の戦略”を同時に扱い、さらに多様な細胞が相互作用しながら最終的な状態へ収束していく過程は、計算モデルの格好の対象です。
この分野で頻繁に用いられるのが、遺伝子発現やシグナル伝達のネットワークをグラフや動力学方程式として表現するアプローチです。細胞内の経路は、受容体が刺激を受けて転写因子が活性化し、サイトカインの分泌が周囲の細胞に影響し、別の経路の感受性を変える、といった連鎖で動きます。計算生物学者は、これを「状態（たとえばサイトカイン濃度や活性化の度合い）」「遷移（どのルールで次の状態へ進むか）」「確率性（同じ条件でもばらつく要因）」という概念に落とし込み、シミュレーションによって定性的・定量的な応答パターンを再現します。重要なのは、単に“それらしいモデル”を作ることではなく、モデルが予測する現象と実験データがどれだけ一致するか、どの仮定が本質的で、どれが単なる都合のよい近似なのかを検証することです。
近年の計算生物学を大きく加速したのが、単一細胞レベルの測定技術です。単一細胞RNAシーケンスや質量サイトメトリーにより、同じ組織でも細胞ごとに遺伝子発現状態が異なることが観測できるようになりました。免疫応答は多段階で進むため、集団平均のデータでは“どの経路でどの細胞が状態を切り替えたのか”が見えにくいことがあります。計算生物学者は、これらの高次元データを低次元の表現に写像したり、細胞集団の連続的な遷移（たとえば分化や活性化の軌跡）を推定したりして、免疫の意思決定を「細胞が状態空間上をどう移動するか」として描きます。すると、炎症性と鎮静化の間を行き来する“境界”のようなものが見えてくることがあり、どの分子が境界を押し動かしているのかを推定できます。
このような研究で特に面白いのは、免疫がしばしば“スイッチ的”な挙動を示す点です。たとえばある閾値を越えると急に炎症関連遺伝子群が立ち上がる、あるいは逆に抑制シグナルが優勢になると応答が収束する、という形です。数学的には、ヒステリシス（履歴依存）や双安定性（異なる安定状態が同時に存在し得ること）といった概念が自然に登場します。計算生物学者は、そうしたダイナミクスを取り込んだモデルを用いて、なぜ同じ初期条件でも結果が変わり得るのか、どの要素が“分岐”を引き起こすのかを解析します。こうした視点は、免疫応答を「連続的な反応」だけでなく「状態遷移と意思決定」として理解するための橋を作ります。
さらに、免疫の意思決定は細胞間コミュニケーションにも強く依存します。サイトカインやケモカインは、単に増減するだけでなく、異なる細胞集団がどのように協調・競合するかを規定します。計算モデルでは、細胞をノード、分泌分子を辺として表すようなネットワークモデルや、分子拡散を含めた空間モデルが用いられることもあります。これにより、同じ総量のサイトカインがあっても分布の仕方が違えば結果が変わること、局所的な濃度勾配が細胞の運命を決めることなどが説明され得ます。免疫が“全体最適”ではなく“局所での判断の連鎖”として駆動されている可能性が見えてくると、単一の指標で免疫状態を評価することの限界も同時に理解しやすくなります。
計算生物学者の仕事の一つの到達点は、モデルを使って実験を設計できる段階に近づくことです。たとえば「この分子を阻害すると炎症スイッチはどう変わるか」「ある種の受容体の感受性を変えると細胞の軌跡はどこへ分岐するか」といった問いを、モデルの予測として前もって立てることができます。こうした予測は、実験者にとっては“やみくもな試行錯誤”を減らす羅針盤になります。逆に実験結果がモデルの予測とずれれば、モデルが取り落としている要素—例えば細胞の微視的ばらつき、未知のフィードバック、時空間の要因—が浮かび上がり、次の改良サイクルが生まれます。免疫の意思決定をめぐる研究は、こうした理論と実験の往復そのものが本質的な推進力になっています。
もちろん、免疫の意思決定を完全に説明するのは容易ではありません。細胞の多様性、個体差、測定バイアス、そして免疫応答が感染や組織損傷など複数要因の影響を受けるという現実があります。それでも計算生物学者は、複雑さを“無秩序”として放置するのではなく、意味のある構造—遷移の段階、制御因子、フィードバックの設計原理—として抽出しようとします。免疫系を一つのブラックボックスとみなすのではなく、入力、内部状態、出力の関係を“理解可能な形式”に変換していく営みは、計算生物学の強みそのものです。
このテーマが特に魅力的なのは、免疫の意思決定に関する洞察が、医療への直結性が高いからです。過剰な炎症は自己免疫やサイトカインストームにつながり、不十分な応答は感染の制御失敗を招きます。したがって、「いつ・どの程度・どの経路で応答を切り替えるべきか」という問いは、治療戦略の設計そのものに関わります。計算モデルが免疫応答の“分岐点”や“制御レバー”を特定できれば、薬剤介入やワクチン設計の最適化につながる可能性が生まれます。さらに、個々の患者のデータをモデルに入力して応答を予測できれば、同じ治療でも効きやすい層・効きにくい層を事前に見分ける個別化医療にも近づきます。
免疫の意思決定を計算で理解する試みは、生命現象を「反応の集合」ではなく「判断と制御のシステム」として捉える視点を提供します。観測できるデータを起点に、細胞内のネットワーク、細胞間の対話、時間的な遷移、確率的なばらつき、そして状態空間上の分岐をつなぎ合わせることで、免疫がどのように“最終的な出力”へたどり着くかが少しずつ輪郭を持って見えてきます。計算生物学者にとってこの研究は、複雑な生体系の中に潜む原理を抽出し、推論可能な形に変換するという、最も本質的な挑戦の一つです。そしてその成果は、生物学の理解を深めるだけでなく、病気に対する現実的な解決策を形作るための土台にもなっていきます。