Anthropic заявляет, что ее модели Claude теперь могут разрабатывать белковые связыватели с нуля так же, как и ведущие эксперты-люди (или даже лучше), чем ведущие эксперты-люди. Этот результат компания проверила в мокрых лабораториях и опубликовала в исследовательском посте в понедельник, который знаменует собой одну из самых ярких демонстраций того, как ИИ ускоряет настоящие научные открытия.

Результаты получены в результате двух экспериментов. В первом из них Anthropic проверила способность Клода создавать белковые связыватели — небольшие белки, предназначенные для плотного прикрепления к целевым белкам — задача, которая исторически занимала у специалиста-человека недели или месяцы на одну цель и лежит в основе разработки современных лекарств. Подробнее об этой истории — в нашем тенденции ИИ.

Превышение показателей

Работая с внешними оценщиками Adaptyv Bio и Twist Bioscience, которые независимо друг от друга разработали и протестировали разработки Клода в лаборатории, Anthropic провела многостороннюю кампанию по разработке 15 белковых мишеней. Клод преуспел в борьбе с 14 из них, выпустив 354 подтвержденных переплета из 1320 образцов. Уже одно это представляет собой значительное дополнение к общедоступному корпусу дизайнов белков de novo: две крупнейшие существующие коллекции, как отметил Anthropic, вместе содержат примерно 770 связующих из 5700 дизайнов для 40 мишеней.

Внимание биологов привлекли показатели результативности. Модель Mythos Preview от Anthropic достигла общего показателя успеха 26,7% при одновременном проектировании по всем целям в течение 48-часового сеанса, а Claude Opus 4.8 отстает с показателем 22,6%. Типичный показатель успеха в кампаниях по разработке белков сегодня составляет от 10 до 15%, отметили в компании. Когда Mythos Preview фокусировался на одной цели за раз в течение нескольких 24-часовых сеансов, процент попаданий поднялся до 35,1%. Кампания основывала свои цели на тестах, которые тщательно изучались, включая весь пакет BenchBB от Adaptyv Bio, а также на двух новых целях, 15-PGDH и GDF-8, выбранных специально для того, чтобы гарантировать, что Клод не сможет опираться на заранее записанные успехи на основе данных обучения. Для каждой из 15 мишеней исследователи попросили Клода разработать 30 белковых связывателей.

По отдельным целям конкуренции разница была еще шире. Против RBX1, белка, участвующего в целенаправленной деградации белка, Mythos Preview в режиме с одной мишенью достиг 40% эффективности — по сравнению с 3,7% среди людей-участников того же соревнования — и его конструкция, занявшая первое место, превзошла победившую человеческую разработку по аффинности связывания.

Были и поучительные неудачи. Разработанный de novo белок бета-цилиндра под названием BBF-14 и мальтозосвязывающий белок (MBP) остались вне досягаемости, мишени, новизна которых и гладкие, гибкие поверхности практически не оставляют связующему веществу возможности ухватиться. И, что удивительно, именно Opus 4.8, а не более мощный Mythos Preview, преуспел в борьбе с TNFα, общеизвестно сложной мишенью, чья блокада лежит в основе некоторых из когда-либо созданных самых продаваемых лекарств, включая Хумиру.

Автономный исследователь

Пожалуй, самым поразительным является то, насколько мало человеческого участия потребовалось для этой кампании. После первоначального запроса Anthropic заявляет, что не предоставила никаких дополнительных научных, технических или эксплуатационных указаний. Клод выбирал, где в каждом белке будет проводиться проектирование, генерировал возможные структуры и последовательности, организуя общедоступные модели специализированного дизайна белков и моделей совместного сворачивания, и провел кампанию от начала до конца — работа, которая может занять у человека-оператора недели.

На эти усилия потребовалось до 12 500 часов вычислений NVIDIA H100 для многоцелевого запуска и до 2500 часов H100 на каждую цель в одноцелевом режиме. Клод даже создал 15 подтвержденных переплетов, содержащих значительную структуру бета-листа, складку, которую сложнее спроектировать, чем пучки альфа-спирали, которые по умолчанию использует большинство вычислительных инструментов.

От проектирования молекул к чтению необработанных данных

Второй эксперимент проверял другое, более приземленное узкое место: аналитическую химию. Каждый раз, когда химик создает молекулу, он должен подтвердить, что это такое и насколько она чиста, используя спектроскопию ядерного магнитного резонанса (ЯМР) и жидкостную хроматографию-масс-спектрометрию (ЖХ-МС). Интерпретация этих файлов — кропотливая ручная работа.

Поставляемый только с необработанными файлами инструментов контрактной лаборатории и короткой подсказкой на понятном языке — без программного обеспечения поставщика и без оператора — Claude Opus 5 выдавал полностью обработанные результаты ЯМР и ЖХ-МС за 23 и 19 минут соответственно, работая параллельно. Результаты совпали с собственным анализом лаборатории. Попутно модель провела реверс-инжиниринг недокументированного формата файла поставщика, сравнила его показания с записанными прибором итоговыми значениями для всех 2664 сканирований и предложила точный последующий эксперимент — тяжелую проверку — который контрактная лаборатория независимо провела три дня спустя.

Anthropic утверждает, что этот анализ также продемонстрировал подлинную научную оценку, а не просто автоматизацию, и отмечает, что химику обычно требуется от получаса до часа на образец для такого рода анализа.

Безопасность превыше всего

Компания открыто заявила о последствиях двойного использования. Те же автономные исследовательские возможности, которые могли бы ускорить разработку методов лечения людей, могут, без надежных мер безопасности, сделать возможным проведение таких опасных исследований, как разработка биологического оружия, предупреждает Anthropic. Задачи исследований в области медико-биологических исследований в настоящее время заблокированы в самой эффективной модели, и компания заявляет, что готовит программу доверенного доступа для ученых — один из ее главных приоритетов. В то же время Claude Opus 5 остается самой функциональной общедоступной моделью.

Anthropic поделилась подсказками, использованными в кампаниях, а также всеми полученными данными in vitro и in silico — мера прозрачности, которая позволит сторонним лабораториям проверить утверждения. Для отрасли, которая все еще отделяет ажиотаж от результатов, этот пост предлагает нечто редкое: подтвержденные лабораторными исследованиями доказательства того, что модель ИИ общего назначения может за несколько часов выполнить работу, которая когда-то определяла карьеру специалиста.

---

Будьте в курсе ИИ

Последние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.

Читать больше новостей об ИИ →