Anthropic mengatakan model Claude-nya sekarang dapat merancang pengikat protein dari awal serta – atau lebih baik dari – para ahli manusia terkemuka, sebuah hasil yang divalidasi oleh perusahaan di laboratorium basah dan diterbitkan dalam sebuah posting penelitian pada hari Senin yang menandai salah satu demonstrasi paling jelas dari AI yang mempercepat penemuan ilmiah nyata.
Temuan ini berasal dari dua percobaan. Pada tahap pertama, Anthropic menguji kemampuan Claude untuk merancang pengikat protein – protein kecil yang dirancang untuk menempel erat pada protein target – sebuah tugas yang secara historis membutuhkan waktu berminggu-minggu atau berbulan-bulan bagi spesialis manusia untuk setiap target dan merupakan inti dari desain obat modern. For more context on this story, see our ongoing AI industry coverage.
Mengalahkan Tolok Ukur
Bekerja sama dengan evaluator eksternal Adaptyv Bio dan Twist Bioscience, yang secara independen memproduksi dan menguji desain Claude di laboratorium, Anthropic menjalankan kampanye desain multi-kelompok terhadap 15 target protein. Claude berhasil melawan 14 di antaranya, menghasilkan 354 pengikat yang dikonfirmasi dari 1.320 desain. Itu saja merupakan tambahan yang signifikan terhadap kumpulan desain protein de novo yang umum: dua koleksi terbesar yang ada, kata Anthropic, bersama-sama berisi sekitar 770 bahan pengikat dari 5.700 desain terhadap 40 target.
Tingkat keberhasilan inilah yang menarik perhatian para ahli biologi. Model Pratinjau Mythos Anthropic mencapai tingkat keberhasilan keseluruhan sebesar 26,7% ketika merancang terhadap semua target secara bersamaan dalam sesi 48 jam, dengan Claude Opus 4,8 tertinggal di belakangnya dengan 22,6%. Tingkat keberhasilan umum dalam kampanye desain protein saat ini mencapai 10 hingga 15%, kata perusahaan itu. Ketika Pratinjau Mythos berfokus pada satu target pada satu waktu dalam beberapa sesi 24 jam, tingkat pencapaiannya naik menjadi 35,1%. Kampanye ini menarik targetnya dari tolok ukur yang dipelajari secara ekstensif – termasuk seluruh rangkaian BenchBB Adaptyv Bio – ditambah dua target baru, 15-PGDH dan GDF-8, yang dipilih secara khusus untuk memastikan Claude tidak dapat bersandar pada keberhasilan yang telah tercatat sebelumnya dari data pelatihannya. Untuk masing-masing dari 15 target, peneliti meminta Claude merancang 30 pengikat protein.
Pada target kompetisi individu, marginnya masih lebih lebar. Dibandingkan dengan RBX1, protein yang terlibat dalam degradasi protein bertarget, Mythos Preview dalam mode target tunggal mencapai tingkat keberhasilan sebesar 40% — dibandingkan dengan 3,7% pada peserta manusia dalam kompetisi yang sama — dan desain peringkat teratasnya mengungguli desain manusia pemenang dalam hal afinitas pengikatan.
Ada kegagalan instruktif. Protein beta-barel yang dirancang secara de novo yang disebut BBF-14 dan protein pengikat maltosa (MBP) keduanya masih berada di luar jangkauan, target yang permukaannya baru dan halus serta fleksibel hanya menyisakan sedikit pengikat untuk dipegang. Dan yang mengejutkan, Opus 4.8 – bukan Mythos Preview yang lebih kuat – yang berhasil melawan TNFα, sebuah target yang terkenal sulit yang blokadenya mendasari beberapa obat terlaris yang pernah dibuat, termasuk Humira.
Seorang Peneliti Otonom
Mungkin yang paling mencolok adalah betapa sedikitnya keterlibatan manusia yang dibutuhkan dalam kampanye ini. Setelah permintaan awal, Anthropic mengatakan tidak memberikan panduan ilmiah, teknis, atau operasional tambahan. Claude memilih di mana setiap protein akan dirancang, menghasilkan struktur dan urutan kandidat dengan mengatur desain protein spesialis dan model pelipatan bersama yang tersedia untuk umum, dan menjalankan kampanye secara menyeluruh — pekerjaan yang dapat memakan waktu berminggu-minggu bagi operator manusia.
Upaya ini menghabiskan hingga 12.500 jam komputasi NVIDIA H100 untuk pengoperasian multi-target, dan hingga 2.500 jam H100 per target dalam mode target tunggal. Claude bahkan menghasilkan 15 pengikat yang dikonfirmasi berisi struktur lembar beta yang signifikan, lipatan yang lebih sulit untuk dirancang daripada bundel alfa-heliks yang digunakan sebagian besar alat komputasi default.
Dari Merancang Molekul hingga Membaca Data Mentah
Eksperimen kedua menguji hambatan lain yang lebih biasa: kimia analitik. Setiap kali ahli kimia membuat suatu molekul, mereka harus memastikan apa molekul tersebut dan seberapa murni molekul tersebut, menggunakan spektroskopi resonansi magnetik nuklir (NMR) dan kromatografi cair-spektrometri massa (LC-MS). Menafsirkan file-file tersebut adalah pekerjaan manual yang melelahkan.
Hanya dilengkapi dengan file instrumen mentah laboratorium kontrak dan perintah singkat dalam bahasa sederhana — tanpa perangkat lunak vendor, tanpa operator — Claude Opus 5 mengembalikan hasil NMR dan LC-MS yang diproses sepenuhnya masing-masing dalam 23 dan 19 menit, bekerja secara paralel. Hasilnya cocok dengan analisis laboratorium itu sendiri. Dalam prosesnya, model tersebut merekayasa balik format file vendor yang tidak terdokumentasi, memverifikasi pembacaannya terhadap total rekaman instrumen untuk 2.664 pemindaian, dan mengusulkan eksperimen tindak lanjut yang tepat — pemeriksaan berat — yang telah dijalankan secara independen oleh laboratorium kontrak tiga hari kemudian.
Anthropic mengatakan proses tersebut juga menunjukkan penilaian ilmiah yang asli, bukan hanya otomatisasi, dan mencatat bahwa seorang ahli kimia biasanya memerlukan setengah jam hingga satu jam per sampel untuk analisis semacam ini.
Keselamatan Pertama
Perusahaan secara eksplisit menyatakan implikasi penggunaan ganda. Kemampuan penelitian otonom yang dapat mempercepat terapi pada manusia, tanpa perlindungan yang kuat, dapat memungkinkan penelitian berbahaya seperti pengembangan senjata biologis, Anthropic memperingatkan. Tugas-tugas penelitian ilmu hayat saat ini terhambat dalam model yang paling mumpuni, dan perusahaan mengatakan mereka sedang mempersiapkan program akses tepercaya bagi para ilmuwan – yang merupakan salah satu prioritas tertinggi mereka. Sementara itu, Claude Opus 5 tetap menjadi model paling mumpuni yang tersedia secara umum.
Anthropic telah membagikan petunjuk yang digunakan untuk kampanye tersebut beserta semua data in vitro dan in silico yang dihasilkan – sebuah langkah transparansi yang memungkinkan laboratorium luar memverifikasi klaim tersebut. Untuk bidang yang masih mengandalkan hasil, postingan ini menawarkan sesuatu yang langka: bukti yang divalidasi di laboratorium bahwa model AI tujuan umum dapat melakukan, dalam hitungan jam, pekerjaan yang pernah menentukan karier seorang spesialis.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
