Anthropic zegt dat zijn Claude-modellen nu eiwitbinders vanaf het begin kunnen ontwerpen, net zo goed als (of beter dan) vooraanstaande menselijke experts, een resultaat dat het bedrijf heeft gevalideerd in natte laboratoria en maandag in een onderzoekspost heeft gepubliceerd.

De bevindingen komen uit twee experimenten. In het eerste testte Anthropic het vermogen van Claude om eiwitbinders te ontwerpen – kleine eiwitten die zijn ontworpen om stevig aan doeleiwitten te hechten – een taak die een menselijke specialist historisch gezien weken of maanden per doelwit kost en die de kern vormt van het moderne medicijnontwerp. Voor meer context over dit verhaal, zie ons AI-nieuws.

De benchmarks verslaan

In samenwerking met externe beoordelaars Adaptyv Bio en Twist Bioscience, die onafhankelijk Claude's ontwerpen produceerden en testten in het laboratorium, voerde Anthropic een meerarmige ontwerpcampagne tegen 15 eiwitdoelen. Claude slaagde tegen 14 van hen en produceerde 354 bevestigde ringbanden uit 1.320 ontwerpen. Dat alleen al vertegenwoordigt een belangrijke toevoeging aan het publieke corpus van de novo-eiwitontwerpen: de twee grootste bestaande collecties, merkte Anthropic op, bevatten samen ongeveer 770 bindmiddelen van de 5.700 ontwerpen tegen 40 doelwitten.

Het zijn de trefferpercentages die de aandacht van biologen trokken. Het Mythos Preview-model van Anthropic behaalde een totaal hitpercentage van 26,7% bij het ontwerpen tegen alle doelen tegelijk in een sessie van 48 uur, met Claude Opus 4.8 op de hielen met 22,6%. Typische hitpercentages in eiwitontwerpcampagnes bedragen tegenwoordig 10 tot 15%, merkte het bedrijf op. Toen Mythos Preview zich in meerdere sessies van 24 uur op één doel tegelijk concentreerde, steeg het hitpercentage naar 35,1%. De campagne ontleende zijn doelstellingen aan benchmarks die uitgebreid zijn bestudeerd – waaronder de gehele BenchBB-suite van Adaptyv Bio – plus twee nieuwe doelstellingen, 15-PGDH en GDF-8, die speciaal zijn gekozen om ervoor te zorgen dat Claude niet kon vertrouwen op vooraf vastgelegde successen uit zijn trainingsgegevens. Voor elk van de vijftien doelwitten vroegen onderzoekers Claude om dertig eiwitbinders te ontwerpen.

Wat de individuele concurrentiedoelstellingen betreft, waren de marges nog groter. Tegen RBX1, een eiwit dat betrokken is bij gerichte eiwitafbraak, behaalde Mythos Preview in single-target-modus een hitpercentage van 40% – vergeleken met 3,7% onder menselijke deelnemers aan dezelfde competitie – en het best beoordeelde ontwerp presteerde beter dan het winnende menselijke ontwerp op het gebied van bindingsaffiniteit.

Er waren leerzame mislukkingen. Een de novo-ontworpen bèta-barrel-eiwit genaamd BBF-14 en maltose-bindend eiwit (MBP) bleven beide buiten bereik, doelwitten waarvan de nieuwigheid en de gladde, flexibele oppervlakken een bindmiddel achterlaten waar weinig houvast aan is. En verrassend genoeg was het Opus 4.8 – en niet de krachtigere Mythos Preview – die succes boekte op TNFα, een notoir moeilijk doelwit waarvan de blokkade ten grondslag ligt aan enkele van de best verkochte medicijnen ooit gemaakt, waaronder Humira.

Een autonome onderzoeker

Misschien wel het meest opvallend is hoe weinig menselijke betrokkenheid de campagne vereiste. Na een eerste melding zegt Anthropic dat het geen aanvullende wetenschappelijke, technische of operationele begeleiding heeft gegeven. Claude koos waar op elk eiwit hij wilde ontwerpen, genereerde kandidaat-structuren en sequenties door publiek beschikbare gespecialiseerde eiwitontwerp- en co-folding-modellen te orkestreren, en leidde de campagne van begin tot eind – werk dat een menselijke operator weken kan kosten.

De inspanning kostte tot 12.500 NVIDIA H100-uren aan rekenkracht voor de multi-target-run, en tot 2.500 H100-uren per doel in de single-target-modus. Claude produceerde zelfs 15 bevestigde bindmiddelen met een significante bèta-bladstructuur, een vouw die moeilijker te ontwerpen is dan de alfa-helixbundels waar de meeste computerhulpmiddelen standaard mee werken.

Van het ontwerpen van moleculen tot het lezen van ruwe gegevens

Het tweede experiment testte een ander, meer alledaags knelpunt: analytische chemie. Elke keer dat een scheikundige een molecuul maakt, moet hij bevestigen wat het is en hoe zuiver het is, met behulp van nucleaire magnetische resonantie (NMR) spectroscopie en vloeistofchromatografie-massaspectrometrie (LC-MS). Het interpreteren van deze bestanden is nauwgezet handwerk.

Geleverd met alleen de onbewerkte instrumentbestanden van een contractlaboratorium en een korte prompt in duidelijke taal - geen software van de leverancier, geen operator - retourneerde Claude Opus 5 volledig verwerkte NMR- en LC-MS-resultaten in respectievelijk 23 en 19 minuten, parallel werkend. De resultaten kwamen overeen met de eigen analyse van het laboratorium. Gaandeweg heeft het model een ongedocumenteerd bestandsformaat van een leverancier reverse-engineered, de waarde ervan vergeleken met de geregistreerde totalen van het instrument voor alle 2.664 scans, en het exacte vervolgexperiment voorgesteld – een zwaarwatercontrole – dat het contractlaboratorium drie dagen later onafhankelijk had uitgevoerd.

Anthropic zegt dat de run ook blijk gaf van echt wetenschappelijk oordeel, en niet alleen van automatisering, en merkt op dat een chemicus voor dit soort analyses doorgaans een half uur tot een uur per monster nodig heeft.

Veiligheid eerst

Het bedrijf was expliciet over de implicaties van dual-use. Dezelfde autonome onderzoekscapaciteiten die menselijke therapieën zouden kunnen versnellen, zouden, zonder robuuste waarborgen, gevaarlijk onderzoek mogelijk kunnen maken, zoals de ontwikkeling van biowapens, waarschuwde Anthropic. Onderzoekstaken op het gebied van de biowetenschappen zijn momenteel geblokkeerd in het meest capabele model, en het bedrijf zegt dat het een programma voor vertrouwde toegang voor wetenschappers voorbereidt – een van zijn hoogste prioriteiten. In de tussentijd blijft de Claude Opus 5 het meest capabele, algemeen verkrijgbare model.

Anthropic heeft de voor de campagnes gebruikte aanwijzingen gedeeld, samen met alle gegenereerde in vitro- en in silico-gegevens – een transparantiemaatregel waarmee externe laboratoria de claims kunnen verifiëren. Voor een vakgebied dat de hype nog steeds op basis van resultaten sorteert, biedt de post iets zeldzaams: in het laboratorium gevalideerd bewijs dat een AI-model voor algemene doeleinden in uren het werk kan doen dat ooit de carrière van een specialist bepaalde.

---

Blijf Voorop met AI

Het laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.

Lees meer AI-nieuws →