Anthropic 社は、同社のクロード モデルは、主要な人間の専門家と同様に、あるいはそれ以上にタンパク質結合剤をゼロから設計できるようになったと述べており、その結果を同社はウェットラボで検証し、月曜日の研究投稿で発表したが、これは AI が真の科学的発見を加速するこれまでで最も明確なデモンストレーションの 1 つであることを示している。

この発見は 2 つの実験から得られました。最初の実験では、アントロピックは、タンパク質結合剤（標的タンパク質にしっかりとくっつくように設計された小さなタンパク質）を設計するクロードの能力をテストした。この仕事は歴史的に人間の専門家が標的ごとに数週間から数か月を要し、現代の医薬品設計の中心に位置する。 この件の詳細は、AIニュースをご覧ください。

ベンチマークを上回る

Anthropic は、クロードの設計を研究室で独自に作成およびテストした外部評価機関 Adaptyv Bio および Twist Bioscience と協力して、15 のタンパク質標的に対してマルチアーム設計キャンペーンを実行しました。クロードはそのうち 14 件に成功し、1,320 のデザインから 354 件の確認済みバインダーを生み出しました。これだけでも、de novo タンパク質設計の公開コーパスへの重要な追加を意味します。Anthropic 氏によると、既存の 2 つの最大のコレクションには、合わせて 40 の標的に対する 5,700 の設計のうち約 770 のバインダーが含まれています。

生物学者の注目を集めたのは的中率だ。 Anthropic の Mythos Preview モデルは、48 時間のセッションですべてのターゲットに対して同時に設計した場合、全体のヒット率 26.7% を達成し、Claude Opus 4.8 の 22.6% がそれに続きました。現在のタンパク質設計キャンペーンの一般的なヒット率は 10 ～ 15% であると同社は述べています。 Mythos Preview が 24 時間の複数のセッションで一度に 1 つのターゲットに焦点を当てた場合、そのヒット率は 35.1% に上昇しました。このキャンペーンでは、Adaptyv Bio の BenchBB スイートのすべてを含む、広範に研究されているベンチマークからターゲットを抽出し、さらに 2 つの新しいターゲット、15-PGDH と GDF-8 を選択しました。これらのターゲットは、クロードがトレーニング データから事前に記録された成功に頼ることができないようにするために特別に選択されました。研究者らは、15 のターゲットごとに 30 個のタンパク質バインダーを設計するようクロードに依頼しました。

個々の競争目標では、マージンはさらに拡大しました。標的タンパク質の分解に関与するタンパク質である RBX1 に対して、シングルターゲット モードの Mythos Preview は 40% のヒット率を達成しました (同じ競争の人間の参加者では 3.7% でした)。また、そのトップランクのデザインは、結合親和性において優勝した人間のデザインを上回りました。

教訓となる失敗もありました。 BBF-14と呼ばれる新たに設計されたベータバレルタンパク質とマルトース結合タンパク質（MBP）は両方とも手の届かないところにあり、その新規性と滑らかで柔軟な表面により結合剤がほとんどつかみにくい標的となった。そして驚いたことに、ヒュミラなどこれまでに作られたベストセラー薬の根底にある阻害剤であることで悪名高い難しい標的であるTNFαに成功したのは、より強力なMythos Previewではなく、Opus 4.8だった。

自律した研究者

おそらく最も印象的なのは、このキャンペーンに人間の関与がほとんど必要とされなかったことです。アンスロピック社は、最初のプロンプトの後、追加の科学的、技術的、または運用上の指導は提供しなかったと述べています。クロード氏は、各タンパク質のどこを対象に設計するかを選択し、公開されている専門家のタンパク質設計と共フォールディングモデルを調整して候補構造と配列を生成し、キャンペーンをエンドツーエンドで実行しました。この作業には人間のオペレーターが数週間かかる場合があります。

この作業では、マルチターゲットの実行では最大 12,500 時間の NVIDIA H100 時間のコンピューティングが消費され、シングルターゲット モードではターゲットごとに最大 2,500 時間の H100 時間のコンピューティングが消費されました。クロードは、重要なベータシート構造を含む 15 個の確認済みバインダーさえ作成しました。これは、ほとんどの計算ツールがデフォルトで設定するアルファヘリックスバンドルよりも設計が難しい折り畳みです。

分子の設計から生データの読み取りまで

2 番目の実験では、別の、より日常的なボトルネックである分析化学をテストしました。化学者は分子を作成するたびに、核磁気共鳴 (NMR) 分光法と液体クロマトグラフィー - 質量分析 (LC-MS) を使用して、それが何であるか、どの程度純粋であるかを確認する必要があります。これらのファイルの解釈は骨の折れる手作業です。

契約ラボの生の機器ファイルと短い平易なプロンプトのみが提供され、ベンダー ソフトウェアもオペレーターも必要ありません。Claude Opus 5 は、並行して動作し、それぞれ 23 分と 19 分で完全に処理された NMR と LC-MS の結果を返しました。その結果は研究室独自の分析と一致しました。その過程で、このモデルは文書化されていないベンダーのファイル形式をリバースエンジニアリングし、その測定値を機器が記録した2,664回のスキャンすべての合計と照らし合わせて検証し、契約ラボが3日後に独自に実施した正確な追跡実験（重水検査）を提案した。

Anthropic 氏は、今回の実験では単なる自動化ではなく、真の科学的判断も実証されたと述べ、化学者は通常、この種の分析にはサンプルごとに 30 分から 1 時間かかると指摘しています。

安全第一

同社はデュアルユースの影響について明確に述べた。人間の治療を迅速化する可能性があるのと同じ自律的な研究能力でも、強力な保護手段がなければ、生物兵器の開発などの危険な研究を可能にする可能性があるとアントロピック氏は警告した。ライフサイエンスの研究タスクは現在、同社の最も有能なモデルでブロックされており、同社は、最優先事項の1つである科学者向けの信頼できるアクセスプログラムを準備していると述べている。それまでのところ、Claude Opus 5 は依然として最も高性能な一般入手可能なモデルです。

Anthropic は、キャンペーンに使用されたプロンプトと、生成されたすべての in vitro および in silico データを共有しました。これは、外部の研究機関が主張を検証できるようにするための透明性対策です。結果から誇大広告を分類し続けているこの分野にとって、この投稿は珍しいものを提供している。それは、かつて専門家のキャリアを決定していた作業を、汎用 AI モデルが数時間で実行できるという研究室で検証された証拠だ。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →