Anthropic 称任何实验室现在都可以让语言模型代理运行整个蛋白质设计流程

Anthropic在两项实验中让Claude模型承担早期药物发现任务。第一项实验聚焦于设计微型结合蛋白（minibinders），即能锁定靶蛋白并改变其功能的小蛋白。模型Mythos Preview和Opus 4.8针对16个靶蛋白进行设计，其中15个产生可用测量数据，Claude在14个靶点上成功。

在实验室测试中，1,320个设计中354个实际结合靶点，命中率26.8%；若仅看Claude自行排名第一的设计，命中率升至49%。多靶点模式（48小时内处理所有靶点）下，Mythos Preview和Opus 4.8的命中率分别为26.7%和22.6%。单靶点模式下，Mythos Preview命中率提升至35.1%，但计算预算增加2.8倍，作者承认专注度和预算无法分离。

作为对比，Anthropic引用proteinbase.com数据库中公开记录的典型命中率为10-15%。

Claude并未使用自研蛋白质模型，而是安装并运行了领域内已有的开源专业软件。蛋白质骨架来自PXDesign（358个设计）、RFdiffusion3（267个）、Genie 3（185个）等；氨基酸序列主要由SolubleMPNN计算。筛选和排序使用ESMFold2、ESMFold2-Fast和Protenix v2。AlphaFold-3权重、Rosetta和ESM3因许可原因被排除。

系统提示词约16,000词，其中仅三分之一是科学指导，其余涉及调度、子代理委派、验证和预算纪律。提示词未指定任何靶点的表位（攻击位点）。计算预算为每多靶点活动5万美元，每单靶点1万美元，通过云服务商Modal运行。人类仅负责选择靶点、编写提示词、订购合成和解释数据，中间仅需简短的非技术指令恢复中断。

Anthropic声称，由于所有使用的模型均为开源，任何实验室都能开展此类活动。

验证由付费合同实验室Adaptyv Bio和Twist Bioscience完成，他们独立测量设计是否结合及结合强度（KD值，单位nM）。结果因靶点而异：TREM2有72/90结合，VEGF-A有54/90。最引人注目的是RBX1靶点：公开设计竞赛中245个新设计仅9个结合，而Claude的90个设计中28个结合。Anthropic将竞赛冠军设计重建并在同一测定板上测试，其结合强度为45 nM，而Claude最佳设计为3.9 nM，约强10倍。

TNFα被认为特别困难，此前多种方法报告零命中。Claude在150个设计中产生12个结合物，全部来自Opus 4.8，但追溯至仅4个不同骨架，独立性有限。此外，233个测试结合物中130个也结合小鼠同源靶点，这对动物实验有实际意义。

两个靶点暴露明显局限：BBF-14是计算机发明的桶状蛋白，无进化历史可参考；MBP表面光滑亲水，难以结合。BBF-14仅3个弱结合设计，MBP则90个设计全部失败。Anthropic表示，折叠预测的置信度分数未预警这些失败，失败靶点的分数与成功靶点几乎相同。

第二项实验中，Opus 5解读了合同实验室的原始数据，包括核磁共振波谱（NMR）和液相色谱-质谱联用（LC-MS）。这些仪器输出专有格式，通常需人工在制造商软件中分析。Claude从原始文件和1-3句提示词出发，分别在23分钟和19分钟内给出结果。

对于LC-MS文件，模型未找到合适的读取程序，自行解码格式，并精确复现了仪器存储的2,664个测量点的汇总值。在NMR分析中，Claude提出了与实验室在首次测量三天后独立运行的相同后续实验，并纠正了自身错误：最初报告4个缺失信号，内部检查后修正为2个。

报告指出，常被引用的纯度值96.4%与96.33%基于不同基线；按实验室方法计算，Claude的结果为98.8%。

Anthropic强调，蛋白质结构预测和生成并非新事物，AlphaFold、RFdiffusion和BindCraft已确立。真正的新颖之处在于上层：通用语言模型研究靶点生物学、选择对接位点、自行安装程序、组合24种不同工作流，并在无人类干预设计决策的情况下给出最终排名。

然而，独立评审尚未进行，结果未经第三方验证。此外，失败案例表明置信度分数不可靠，且部分靶点完全失败，说明方法仍有局限。

Anthropic声称任何实验室都能复制，但计算预算（每靶点1万美元）和合同实验室验证成本可能构成实际门槛。