Anthropic spune că modelele sale Claude pot proiecta acum lianți de proteine ​​de la zero la fel de bine – sau mai bine decât – experți umani de top, un rezultat validat de companie în laboratoare umede și publicat luni într-un post de cercetare care marchează una dintre cele mai clare demonstrații de până acum ale AI care accelerează descoperirea științifică reală.

Descoperirile provin din două experimente. În primul, Anthropic a testat capacitatea lui Claude de a proiecta lianți de proteine ​​- proteine ​​mici concepute pentru a se prinde strâns de proteinele țintă - o sarcină care, din punct de vedere istoric, necesită un specialist uman săptămâni sau luni pe țintă și care se află în centrul designului modern de medicamente. For more context on this story, see our ongoing latest AI developments.

Depășirea punctelor de referință

Lucrând cu evaluatori externi Adaptyv Bio și Twist Bioscience, care au produs și testat în mod independent desenele lui Claude în laborator, Anthropic a desfășurat o campanie de proiectare cu mai multe brațe împotriva a 15 ținte de proteine. Claude a reușit împotriva a 14 dintre ele, producând 354 de liane confirmate din 1.320 de modele. Numai asta reprezintă o adăugare semnificativă la corpul public de modele de proteine ​​​​de novo: cele mai mari două colecții existente, a remarcat Anthropic, conțin împreună aproximativ 770 de lianți din 5.700 de modele față de 40 de ținte.

Ratele de lovituri sunt cele care au atras atenția biologilor. Modelul Mythos Preview de la Anthropic a atins o rată generală de atingere de 26,7% la proiectarea împotriva tuturor țintelor simultan într-o sesiune de 48 de ore, Claude Opus 4.8 fiind aproape de 22,6%. Ratele tipice de succes în campaniile de proiectare a proteinelor sunt astăzi între 10 și 15%, a menționat compania. Când Mythos Preview sa concentrat pe o țintă la un moment dat în mai multe sesiuni de 24 de ore, rata de atingere a urcat la 35,1%. Campania și-a atras obiectivele din benchmark-uri care sunt studiate pe larg – inclusiv întreaga suită BenchBB a Adaptyv Bio – plus două ținte noi, 15-PGDH și GDF-8, alese special pentru a se asigura că Claude nu se poate baza pe succesele pre-înregistrate din datele sale de antrenament. Pentru fiecare dintre cele 15 ținte, cercetătorii i-au cerut lui Claude să proiecteze 30 de lianți de proteine.

În ceea ce privește obiectivele de concurență individuale, marjele au fost și mai mari. Împotriva RBX1, o proteină implicată în degradarea țintită a proteinelor, Mythos Preview în modul țintă unică a atins o rată de atingere de 40% - comparativ cu 3,7% în rândul participanților umani la aceeași competiție - și designul său de top a depășit designul uman câștigător în ceea ce privește afinitatea de legare.

Au fost eșecuri instructive. O proteină beta-baril proiectată de novo numită BBF-14 și proteina de legare a maltozei (MBP) au rămas ambele la îndemână, ținte ale căror noutate și suprafețe netede și flexibile lasă un liant puțin de care să se apuce. Și, într-o surpriză, Opus 4.8 – nu Mythos Preview mai puternic – a avut succes pe TNFα, o țintă notoriu de dificilă a cărei blocare stă la baza unora dintre cele mai bine vândute medicamente produse vreodată, inclusiv Humira.

Un cercetător autonom

Poate că cel mai frapant este cât de puțină implicare umană a necesitat campania. După o solicitare inițială, Anthropic spune că nu a oferit îndrumări științifice, tehnice sau operaționale suplimentare. Claude a ales locul în care să proiecteze fiecare proteină, a generat structuri și secvențe candidate prin orchestrarea unor modele specializate de proiectare a proteinelor și de pliere în comun, disponibile public, și a condus campania de la capăt la capăt - lucru care poate dura săptămâni pentru un operator uman.

Efortul a consumat până la 12.500 de ore de calcul NVIDIA H100 pentru rularea multi-țintă și până la 2.500 de ore H100 per țintă în modul cu o singură țintă. Claude a produs chiar și 15 lianți confirmați care conțin o structură semnificativă a foii beta, un pliu care este mai greu de proiectat decât pachetele cu helix alfa pe care le folosesc implicit majoritatea instrumentelor de calcul.

De la proiectarea moleculelor la citirea datelor brute

Al doilea experiment a testat un blocaj diferit, mai banal: chimia analitică. De fiecare dată când un chimist face o moleculă, trebuie să confirme ce este și cât de pură este, folosind spectroscopie de rezonanță magnetică nucleară (RMN) și cromatografie lichidă-spectrometrie de masă (LC-MS). Interpretarea acelor fișiere este o muncă manuală minuțioasă.

Furnizat doar cu fișierele de instrumente brute ale unui laborator contractual și un scurt prompt în limbaj simplu - fără software de la furnizor, fără operator - Claude Opus 5 a returnat rezultate RMN și LC-MS complet procesate în 23 și, respectiv, 19 minute, lucrând în paralel. Rezultatele sale s-au potrivit cu analiza laboratorului. Pe parcurs, modelul a realizat o inginerie inversă a unui format de fișier al furnizorului nedocumentat, a verificat citirea acestuia în raport cu totalurile înregistrate de instrument pentru toate cele 2.664 de scanări și a propus experimentul de urmărire exact - o verificare a apei grele - pe care laboratorul contractual îl rulase în mod independent trei zile mai târziu.

Anthropic spune că cursa a demonstrat, de asemenea, judecată științifică autentică, nu doar automatizare, și observă că un chimist are nevoie de obicei de o jumătate de oră până la o oră per probă pentru acest tip de analiză.

Siguranța pe primul loc

Compania a fost explicit cu privire la implicațiile cu dublă utilizare. Aceleași capacități de cercetare autonome care ar putea accelera terapiile umane ar putea, fără garanții solide, să permită cercetări periculoase, cum ar fi dezvoltarea armelor biologice, a avertizat Anthropic. Sarcinile de cercetare în știința vieții sunt blocate în prezent în modelul său cel mai capabil, iar compania spune că pregătește un program de acces de încredere pentru oamenii de știință – una dintre prioritățile sale cele mai mari. Între timp, Claude Opus 5 rămâne cel mai capabil model disponibil în general.

Anthropic a împărtășit instrucțiunile utilizate pentru campanii împreună cu toate datele in vitro și in silico generate - o măsură de transparență care va permite laboratoarelor externe să verifice afirmațiile. Pentru un domeniu care încă sortează hype-ul din rezultate, postarea oferă ceva rar: dovezi validate de laborator că un model AI de uz general poate face, în ore, muncă care a definit odată cariera unui specialist.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →