Společnost Anthropic říká, že její modely Claude nyní dokážou navrhovat proteinová pojiva od nuly stejně jako – nebo lépe než – přední odborníci na lidi, což je výsledek, který společnost ověřila v mokrých laboratořích a zveřejnila v pondělí ve výzkumném příspěvku, který představuje jednu z dosud nejjasnějších demonstrací AI urychlující skutečné vědecké objevy.

Zjištění pocházejí ze dvou experimentů. V prvním testovala společnost Anthropic Claudeovu schopnost navrhnout proteinové pojiva – malé proteiny zkonstruované tak, aby se pevně uchytily na cílových proteinech – úkol, který historicky zabere lidskému specialistovi týdny nebo měsíce na jeden cíl a který je jádrem moderního designu léků. For more context on this story, see our ongoing AI news.

Překonání srovnávacích testů

Ve spolupráci s externími hodnotiteli Adaptyv Bio a Twist Bioscience, které nezávisle vytvářely a testovaly Claudeovy návrhy v laboratoři, provedla společnost Anthropic návrhovou kampaň s více rameny proti 15 proteinovým cílům. Claude uspěl proti 14 z nich a vyrobil 354 potvrzených pořadačů z 1320 návrhů. To samo o sobě představuje významný přírůstek do veřejného korpusu de novo proteinových návrhů: dvě největší existující sbírky, jak poznamenal Anthropic, dohromady obsahují zhruba 770 pojiv z 5 700 návrhů proti 40 cílům.

Úspěšnost je to, co upoutalo pozornost biologů. Model Mythos Preview společnosti Anthropic dosáhl celkové úspěšnosti 26,7 % při navrhování proti všem cílům současně během 48hodinové relace, přičemž Claude Opus 4,8 těsně zaostával s 22,6 %. Typická míra úspěšnosti v kampaních na design proteinů je dnes 10 až 15 %, poznamenala společnost. Když se Mythos Preview soustředil na jeden cíl najednou v několika 24hodinových relacích, jeho úspěšnost se vyšplhala na 35,1 %. Kampaň čerpala své cíle z benchmarků, které jsou rozsáhle studovány – včetně celé sady BenchBB společnosti Adaptyv Bio – plus dva nové cíle, 15-PGDH a GDF-8, vybrané speciálně proto, aby se Claude nemohl opřít o předem zaznamenané úspěchy ze svých tréninkových dat. Pro každý z 15 cílů požádali vědci Clauda, ​​aby navrhl 30 proteinových pojiv.

U jednotlivých soutěžních cílů byly rozpětí ještě širší. Proti RBX1, proteinu podílejícímu se na cílené degradaci proteinů, dosáhl Mythos Preview v režimu jednoho cíle 40% úspěšnosti – ve srovnání s 3,7 % mezi lidskými účastníky ve stejné soutěži – a jeho špičkový design překonal vítězný lidský design ve vazebné afinitě.

Docházelo k poučným neúspěchům. De novo navržený beta-barrel protein nazvaný BBF-14 a maltose-binding protein (MBP) zůstaly mimo dosah, cíle, jejichž novost a hladké, flexibilní povrchy zanechávají pojivo jen málo, na které se lze zachytit. A k překvapení to byl Opus 4.8 – ne silnější Mythos Preview – který uspěl na TNFα, notoricky obtížném cíli, jehož blokáda je základem některých z nejprodávanějších léků, které kdy byly vyrobeny, včetně Humiry.

Autonomní výzkumník

Snad nejpozoruhodnější je, jak málo lidského zapojení kampaň vyžadovala. Po počáteční výzvě společnost Anthropic říká, že neposkytla žádné další vědecké, technické nebo provozní pokyny. Claude si vybral, kde bude každý protein navrhovat, vygeneroval kandidátské struktury a sekvence orchestrací veřejně dostupného specializovaného designu proteinů a modelů společného skládání a vedl kampaň od konce do konce – práce, která lidskému operátorovi může trvat týdny.

Úsilí spotřebovalo až 12 500 hodin výpočtu NVIDIA H100 pro běh s více cíli a až 2 500 hodin H100 na cíl v režimu jednoho cíle. Claude dokonce vyrobil 15 potvrzených pořadačů obsahujících významnou beta-listovou strukturu, což je přehyb, který je obtížnější navrhnout než svazky alfa-helixů, které většina výpočetních nástrojů standardně používá.

Od navrhování molekul po čtení nezpracovaných dat

Druhý experiment testoval jinou, světštější překážku: analytickou chemii. Pokaždé, když chemik vytvoří molekulu, musí potvrdit, co to je a jak je čistá, pomocí nukleární magnetické rezonance (NMR) a kapalinové chromatografie-hmotnostní spektrometrie (LC-MS). Interpretace těchto souborů je náročná ruční práce.

Claude Opus 5, který byl dodán pouze s nezpracovanými soubory přístrojů smluvní laboratoře a krátkou srozumitelnou výzvou – žádný software dodavatele, žádný operátor – vrátil plně zpracované výsledky NMR a LC-MS za 23 a 19 minut, přičemž pracovali paralelně. Jeho výsledky se shodovaly s vlastní analýzou laboratoře. Po cestě model reverzně zkonstruoval nezdokumentovaný formát souboru dodavatele, ověřil jeho čtení proti součtu zaznamenaným přístrojem pro všech 2 664 skenů a navrhl přesný následný experiment – ​​kontrolu v těžké vodě – který smluvní laboratoř nezávisle provedla o tři dny později.

Anthropic říká, že běh také prokázal skutečný vědecký úsudek, nejen automatizaci, a poznamenává, že chemik obvykle potřebuje půl hodiny až hodinu na vzorek pro tento druh analýzy.

Bezpečnost na prvním místě

Společnost se výslovně vyjádřila k důsledkům dvojího užití. Stejné autonomní výzkumné kapacity, které by mohly urychlit lidské terapie, by bez robustních záruk mohly umožnit nebezpečný výzkum, jako je vývoj biologických zbraní, varoval Anthropic. Úkoly vědeckého výzkumu jsou v současné době ve svém nejschopnějším modelu blokovány a společnost říká, že připravuje program důvěryhodného přístupu pro vědce – jednu z jejích nejvyšších priorit. Claude Opus 5 zatím zůstává jeho nejschopnějším obecně dostupným modelem.

Společnost Anthropic sdílela výzvy použité pro kampaně spolu se všemi vygenerovanými daty in vitro a in silico – opatření transparentnosti, které umožní externím laboratořím ověřit tvrzení. Pro obor, který stále třídí humbuk od výsledků, příspěvek nabízí něco vzácného: laboratorně ověřený důkaz, že model umělé inteligence pro obecné účely dokáže během hodin dělat práci, která kdysi definovala kariéru specialisty.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →