Anthropic sagt, dass seine Claude-Modelle jetzt Proteinbinder von Grund auf so gut oder sogar besser als führende menschliche Experten entwickeln können. Dieses Ergebnis hat das Unternehmen in Nasslaboren validiert und am Montag in einem Forschungsbeitrag veröffentlicht, das einen der bisher klarsten Beweise dafür darstellt, dass KI echte wissenschaftliche Entdeckungen beschleunigt.
Die Erkenntnisse stammen aus zwei Experimenten. Im ersten Test testete Anthropic Claudes Fähigkeit, Proteinbinder zu entwerfen – kleine Proteine, die so konstruiert sind, dass sie sich fest an Zielproteine heften – eine Aufgabe, die in der Vergangenheit einen menschlichen Spezialisten Wochen oder Monate pro Ziel erforderte und die das Herzstück des modernen Arzneimitteldesigns darstellt. Weitere Informationen zu dieser Geschichte finden Sie in unserer mehr KI-Geschichten.
Die Benchmarks übertreffen
In Zusammenarbeit mit den externen Gutachtern Adaptyv Bio und Twist Bioscience, die Claudes Designs unabhängig voneinander produzierten und im Labor testeten, führte Anthropic eine mehrarmige Designkampagne gegen 15 Proteinziele durch. Claude setzte sich gegen 14 von ihnen durch und produzierte 354 bestätigte Ordner aus 1.320 Designs. Dies allein stellt eine bedeutende Ergänzung des öffentlichen Korpus an De-novo-Proteindesigns dar: Die beiden größten bestehenden Sammlungen, so Anthropic, enthalten zusammen etwa 770 Ordner von 5.700 Designs gegenüber 40 Zielen.
Die Trefferquoten erregten die Aufmerksamkeit der Biologen. Das Mythos Preview-Modell von Anthropic erreichte beim Design gegen alle Ziele gleichzeitig in einer 48-Stunden-Sitzung eine Gesamttrefferquote von 26,7 %, dicht gefolgt von Claude Opus 4,8 mit 22,6 %. Typische Trefferquoten bei Protein-Design-Kampagnen liegen heute bei 10 bis 15 %, stellte das Unternehmen fest. Als sich Mythos Preview in mehreren 24-Stunden-Sitzungen jeweils auf ein Ziel konzentrierte, stieg die Trefferquote auf 35,1 %. Die Ziele der Kampagne stützten sich auf Benchmarks, die ausführlich untersucht wurden – einschließlich der gesamten BenchBB-Suite von Adaptyv Bio – sowie auf zwei neuartige Ziele, 15-PGDH und GDF-8, die speziell ausgewählt wurden, um sicherzustellen, dass Claude sich nicht auf vorab aufgezeichnete Erfolge seiner Trainingsdaten stützen konnte. Für jedes der 15 Ziele baten die Forscher Claude, 30 Proteinbinder zu entwerfen.
Bei einzelnen Wettbewerbszielen waren die Margen noch größer. Gegen RBX1, ein Protein, das am gezielten Proteinabbau beteiligt ist, erreichte Mythos Preview im Einzelzielmodus eine Trefferquote von 40 % – verglichen mit 3,7 % bei menschlichen Teilnehmern im gleichen Wettbewerb – und sein bestplatziertes Design übertraf das siegreiche menschliche Design hinsichtlich der Bindungsaffinität.
Es gab lehrreiche Ausfälle. Ein de novo entwickeltes Beta-Barrel-Protein namens BBF-14 und das maltosebindende Protein (MBP) blieben beide außer Reichweite, Ziele, deren Neuheit und glatte, flexible Oberflächen einem Bindemittel kaum Halt lassen. Und überraschenderweise war es Opus 4.8 – nicht die leistungsstärkere Mythos Preview –, die bei TNFα erfolgreich war, einem bekanntermaßen schwierigen Ziel, dessen Blockade einigen der meistverkauften Medikamente aller Zeiten zugrunde liegt, darunter Humira.
Ein autonomer Forscher
Am auffälligsten ist vielleicht, wie wenig menschliches Engagement für die Kampagne erforderlich war. Nach einer ersten Aufforderung gab Anthropic an, keine zusätzlichen wissenschaftlichen, technischen oder betrieblichen Hinweise gegeben zu haben. Claude wählte die Stelle auf jedem Protein aus, gegen die er entwerfen wollte, generierte Kandidatenstrukturen und -sequenzen durch Orchestrierung öffentlich verfügbarer, spezieller Proteindesign- und Co-Faltungsmodelle und führte die Kampagne von Ende zu Ende durch – eine Arbeit, die für einen menschlichen Bediener Wochen dauern kann.
Der Aufwand verbrauchte bis zu 12.500 NVIDIA H100-Rechenstunden für den Multi-Target-Lauf und bis zu 2.500 H100-Stunden pro Target im Single-Target-Modus. Claude stellte sogar 15 bestätigte Ordner her, die eine signifikante Beta-Faltblatt-Struktur enthielten, eine Falte, die schwieriger zu entwerfen ist als die Alpha-Helix-Bündel, die die meisten Rechenwerkzeuge standardmäßig verwenden.
Vom Design von Molekülen bis zum Lesen von Rohdaten
Das zweite Experiment testete einen anderen, alltäglicheren Engpass: die analytische Chemie. Jedes Mal, wenn ein Chemiker ein Molekül herstellt, muss er mithilfe von Kernspinresonanzspektroskopie (NMR) und Flüssigkeitschromatographie-Massenspektrometrie (LC-MS) bestätigen, was es ist und wie rein es ist. Die Interpretation dieser Dateien ist mühsame Handarbeit.
Claude Opus 5 wurde nur mit den rohen Instrumentendateien eines Vertragslabors und einer kurzen Klartext-Eingabeaufforderung geliefert – keine Herstellersoftware, kein Bediener – und lieferte vollständig verarbeitete NMR- und LC-MS-Ergebnisse in 23 bzw. 19 Minuten und arbeitete parallel. Die Ergebnisse stimmten mit der eigenen Analyse des Labors überein. Unterwegs entwickelte das Modell ein nicht dokumentiertes Dateiformat eines Anbieters zurück, verifizierte seine Messwerte anhand der aufgezeichneten Gesamtwerte des Instruments für alle 2.664 Scans und schlug genau das Folgeexperiment vor – einen Schwerwassertest –, den das Vertragslabor drei Tage später unabhängig durchgeführt hatte.
Anthropic sagt, dass der Lauf auch echtes wissenschaftliches Urteilsvermögen und nicht nur Automatisierung bewiesen hat, und weist darauf hin, dass ein Chemiker für diese Art der Analyse normalerweise eine halbe bis eine Stunde pro Probe benötigt.
Sicherheit geht vor
Das Unternehmen machte deutlich, dass es sich um Dual-Use-Auswirkungen handelt. Dieselben autonomen Forschungskapazitäten, die menschliche Therapien beschleunigen könnten, könnten ohne robuste Sicherheitsvorkehrungen gefährliche Forschung wie die Entwicklung von Biowaffen ermöglichen, warnte Anthropic. Forschungsaufgaben in den Biowissenschaften sind derzeit in seinem leistungsfähigsten Modell blockiert, und das Unternehmen bereitet nach eigenen Angaben ein vertrauenswürdiges Zugangsprogramm für Wissenschaftler vor – eine seiner höchsten Prioritäten. In der Zwischenzeit bleibt Claude Opus 5 das leistungsfähigste allgemein erhältliche Modell.
Anthropic hat die für die Kampagnen verwendeten Eingabeaufforderungen zusammen mit allen generierten In-vitro- und In-silico-Daten geteilt – eine Transparenzmaßnahme, die es externen Laboren ermöglicht, die Behauptungen zu überprüfen. Für einen Bereich, in dem Hype immer noch von Ergebnissen abhängt, bietet der Beitrag etwas Seltenes: im Labor validierte Beweise dafür, dass ein Allzweck-KI-Modell in Stunden Arbeit erledigen kann, die einst die Karriere eines Spezialisten definierte.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
