Anthropic afferma che i suoi modelli Claude ora possono progettare leganti proteici da zero così come – o meglio di – i principali esperti umani, un risultato che l’azienda ha convalidato nei laboratori umidi e pubblicato lunedì in un post di ricerca che segna una delle dimostrazioni più chiare finora dell’intelligenza artificiale che accelera la vera scoperta scientifica.
I risultati provengono da due esperimenti. Nel primo, Anthropic ha testato la capacità di Claude di progettare leganti proteici – piccole proteine progettate per agganciarsi saldamente alle proteine bersaglio – un compito che storicamente richiede a uno specialista umano settimane o mesi per bersaglio e che è al centro della moderna progettazione dei farmaci. Per maggiori informazioni su questa storia, consulta la nostra copertura dell'industria IA.
Battere i benchmark
Lavorando con i valutatori esterni Adaptyv Bio e Twist Bioscience, che hanno prodotto e testato in modo indipendente i progetti di Claude in laboratorio, Anthropic ha condotto una campagna di progettazione multi-braccio contro 15 target proteici. Claude riuscì a sconfiggerne 14, producendo 354 raccoglitori confermati da 1.320 disegni. Questo da solo rappresenta un'aggiunta significativa al corpus pubblico di progetti di proteine de novo: le due più grandi raccolte esistenti, ha osservato Anthropic, insieme contengono circa 770 leganti su 5.700 progetti contro 40 obiettivi.
Ciò che ha attirato l'attenzione dei biologi è stato il tasso di successo. Il modello Mythos Preview di Anthropic ha raggiunto un tasso di successo complessivo del 26,7% durante la progettazione contro tutti gli obiettivi contemporaneamente in una sessione di 48 ore, con Claude Opus 4.8 subito dietro al 22,6%. I tassi di successo tipici delle campagne di progettazione proteica oggi vanno dal 10 al 15%, ha osservato l'azienda. Quando Mythos Preview si è concentrato su un obiettivo alla volta in più sessioni di 24 ore, il suo tasso di successo è salito al 35,1%. La campagna ha tratto i suoi obiettivi da parametri di riferimento studiati approfonditamente, inclusa tutta la suite BenchBB di Adaptyv Bio, oltre a due nuovi obiettivi, 15-PGDH e GDF-8, scelti appositamente per garantire che Claude non potesse basarsi su successi preregistrati dai suoi dati di addestramento. Per ciascuno dei 15 obiettivi, i ricercatori hanno chiesto a Claude di progettare 30 leganti proteici.
Sugli obiettivi della competizione individuale, i margini erano ancora più ampi. Contro RBX1, una proteina coinvolta nella degradazione proteica mirata, Mythos Preview in modalità a bersaglio singolo ha ottenuto un tasso di successo del 40% – rispetto al 3,7% tra i partecipanti umani nella stessa competizione – e il suo design migliore in classifica ha sovraperformato il design umano vincitore in termini di affinità di legame.
Ci sono stati fallimenti istruttivi. Una proteina beta-barile progettata de novo chiamata BBF-14 e la proteina legante il maltosio (MBP) sono rimaste entrambe fuori portata, bersagli la cui novità e le superfici lisce e flessibili lasciano un legante poco a cui aggrapparsi. E, con sorpresa, è stato Opus 4.8 – e non il più potente Mythos Preview – ad avere successo sul TNFα, un obiettivo notoriamente difficile il cui blocco è alla base di alcuni dei farmaci più venduti mai realizzati, incluso Humira.
Un ricercatore autonomo
Forse la cosa più sorprendente è quanto poco coinvolgimento umano sia stato richiesto dalla campagna. Dopo una richiesta iniziale, Anthropic afferma di non aver fornito ulteriori indicazioni scientifiche, tecniche o operative. Claude ha scelto dove progettare ciascuna proteina, ha generato strutture e sequenze candidate orchestrando modelli specializzati di progettazione e co-piegatura di proteine disponibili al pubblico e ha gestito la campagna dall'inizio alla fine: un lavoro che può richiedere settimane a un operatore umano.
L'impegno ha richiesto fino a 12.500 ore di calcolo NVIDIA H100 per l'esecuzione multi-target e fino a 2.500 ore H100 per target in modalità a target singolo. Claude ha anche prodotto 15 raccoglitori confermati contenenti una significativa struttura del foglio beta, una piega che è più difficile da progettare rispetto ai fasci di alfa-elica su cui la maggior parte degli strumenti di calcolo sono predefiniti.
Dalla progettazione delle molecole alla lettura dei dati grezzi
Il secondo esperimento ha testato un collo di bottiglia diverso, più banale: la chimica analitica. Ogni volta che un chimico crea una molecola, deve confermare di cosa si tratta e quanto è pura, utilizzando la spettroscopia di risonanza magnetica nucleare (NMR) e la cromatografia liquida-spettrometria di massa (LC-MS). Interpretare questi file è un lavoro manuale scrupoloso.
Fornito solo con i file grezzi degli strumenti di un laboratorio a contratto e un breve messaggio in linguaggio semplice - nessun software del fornitore, nessun operatore - Claude Opus 5 ha restituito risultati NMR e LC-MS completamente elaborati rispettivamente in 23 e 19 minuti, lavorando in parallelo. I suoi risultati corrispondevano all’analisi del laboratorio. Lungo il percorso, il modello ha decodificato un formato di file del fornitore non documentato, ne ha verificato la lettura rispetto ai totali registrati dallo strumento per tutte le 2.664 scansioni e ha proposto l'esatto esperimento di follow-up - un controllo dell'acqua pesante - che il laboratorio a contratto aveva eseguito in modo indipendente tre giorni dopo.
Anthropic afferma che l'analisi ha anche dimostrato un genuino giudizio scientifico, non solo automazione, e osserva che un chimico in genere ha bisogno di mezz'ora o un'ora per campione per questo tipo di analisi.
La sicurezza prima di tutto
L’azienda è stata esplicita riguardo alle implicazioni del duplice uso. Le stesse capacità di ricerca autonoma che potrebbero accelerare le terapie umane potrebbero, senza solide garanzie, consentire ricerche pericolose come lo sviluppo di armi biologiche, ha avvertito Anthropic. I compiti di ricerca nel campo delle scienze della vita sono attualmente bloccati nel suo modello più efficace e la società afferma che sta preparando un programma di accesso affidabile per gli scienziati, una delle sue massime priorità. Nel frattempo, Claude Opus 5 rimane il modello generalmente disponibile più capace.
Anthropic ha condiviso le istruzioni utilizzate per le campagne insieme a tutti i dati in vitro e in silico generati: una misura di trasparenza che consentirà ai laboratori esterni di verificare le affermazioni. Per un campo che ancora divide l'hype dai risultati, il post offre qualcosa di raro: prove convalidate in laboratorio che un modello di intelligenza artificiale generico può svolgere, in poche ore, il lavoro che un tempo definiva la carriera di uno specialista.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
