Anthropic让Claude独立完成蛋白质设计全流程，命中率最高达35%

Anthropic近日发布技术报告，描述了Claude模型在早期药物发现中承担完整蛋白质设计流程的两项实验。第一项实验的核心任务是设计微型结合蛋白——一类能够紧密锁定靶蛋白并改变其功能的小型蛋白质，这一原理是众多药物的作用基础。从头在计算机上设计此类结合蛋白，而非从自然界中筛选，被称为从头设计（de novo design），通常需要专家决策与多天的软件协调工作。

在实验中，Anthropic并未开发专属蛋白质模型，而是让Claude自主安装并运行领域内已有的开源专业软件。蛋白质空间骨架由PXDesign、RFdiffusion3、Genie 3等多个工具生成，氨基酸序列主要由SolubleMPNN计算，候选设计的筛选与排序则依赖ESMFold2和Protenix v2等预测工具。整个流程由约16000词的协议提示词驱动，其中三分之二涉及任务调度、子智能体委派与预算管理，科学指导内容仅占约三分之一。

实验结果因靶点而异，差距显著。免疫受体TREM2的90个设计中有72个成功结合，生长因子VEGF-A有54个成功。最具说服力的案例是RBX1：在一项公开设计竞赛中，245个新设计仅9个能与该靶点结合；而Claude的90个设计中有28个成功，且其最优设计的结合强度约为竞赛冠军设计的十倍。对于被认为极难攻克的炎症信号分子TNFα，Claude从150个设计中产出12个有效结合蛋白，此前多项研究在该靶点上报告零命中。

实验也暴露出明显局限。针对人工构造的桶状蛋白BBF-14，90个设计中仅3个弱结合；针对细菌麦芽糖结合蛋白MBP，90个设计全部失败。Anthropic指出，折叠预测工具给出的置信度评分未能预警这两次失败，失败靶点的评分与成功靶点几乎相同，说明现有评分机制在某些情况下存在盲区。此外，TNFα的12个成功设计仅来自4种不同骨架，独立性低于数字表面呈现的程度。

第二项实验中，Opus 5模型在收到一至三句话的简短提示后，分别在23分钟和19分钟内完成了核磁共振（NMR）与液相色谱质谱（LC-MS）原始数据的分析。面对LC-MS的专有文件格式，模型在找不到现成读取程序的情况下自行解码，并精确复现了仪器存储的全部2664个测量点汇总值。在NMR分析中，模型提出的后续实验方案与实验室三天后独立运行的方案一致，并在内部核查中主动纠正了自身的信号计数错误。

本次实验的计算预算为多靶点模式每次5万美元、单靶点每次1万美元，通过云服务商Modal运行。人类研究人员负责选定靶点、撰写提示词、委托合成及解读测量数据，中间仅在基础设施中断后提供简短的非技术性指令。验证工作由合同实验室Adaptyv Bio和Twist Bioscience独立完成，对每个设计进行生物合成并测量结合能力。Anthropic表示，整套流程已可供任何实验室复用，但独立同行评审结果尚未公布。

要点

• Claude模型通过编排现有开源工具完成蛋白质从头设计，整体命中率26.8%至35.1%，远超行业基准的10%至15%
• 在RBX1靶点上，Claude最优设计的结合强度约为公开竞赛冠军设计的十倍，显示出在特定靶点上的竞争力
• 模型在BBF-14和MBP两个靶点上完全或几乎失败，且现有置信度评分未能提前预警，暴露出评估机制的盲区
• Opus 5在25分钟内完成专有格式原始数据分析，并能自行解码未知文件格式，展示了AI在实验室数据处理中的潜力
• 实验结果尚未经过独立同行评审，Anthropic公开了完整流程以供其他实验室复用