Claude用64小时设计31.8万种蛋白，17种通过实验室验证

Anthropic 在 10 月 21 日公布了一项生物学研究结果：只给出目标、可用工具和筛选规则，Claude 在 64 小时内自主生成了 318484 个蛋白质设计，最终有 211 个被送进实验室做实际合成与测试，17 个达到团队预设的结合标准。

研究目标是蝎毒。全球每年约有 120 万起蝎子蜇伤事件，造成超过 3250 人死亡；传统抗毒血清依赖动物免疫生产，成本高、周期长，能覆盖的毒素种类也有限，蝎毒中毒长期是缺乏研发投入的公共卫生问题。Anthropic 与没有生物学背景的投资研究机构 Citrini Research 合作，尝试用 AI 从头设计能结合蝎毒神经毒素的微型结合蛋白，即 minibinder。这类小蛋白如果能抢先占住毒素与钠离子通道结合的位置，就有可能阻止毒素干扰神经信号，避免心力衰竭、肺水肿等严重后果。

实验选取了来自墨西哥、巴西、北非和中东的 5 种蝎毒神经毒素——Cn2、Ts1、AaH I、AaH II 和 LqhIII。Claude 自行检索毒素结构、挑选潜在结合位点、决定调用哪些设计工具，并对 553052 组蛋白与毒素组合做了结构预测，累计调用 12 种蛋白设计工具。收到初始提示后，它连续自主运行 24 小时，研究团队随后追加 4 次提示引导方向，整个计算设计阶段持续 64 小时，消耗约 1 万 GPU 小时。

从 318484 个设计中，Claude 筛出 180 个候选，团队又补充 31 个，共 211 个交由 Adaptyv Bio 和 Twist Bioscience 两家实验室合成，并用表面等离子共振测量结合能力。最终 17 个达标：针对 Cn2 的有 7 个，AaH II 和 AaH I 各 4 个，LqhIII 有 2 个，针对巴西 Ts1 的设计全部落空。成绩最好的是 Cn2-B1 和 Cn2-B2，解离常数达到个位数纳摩尔级；竞争实验显示，它们可能与已知能中和 Cn2 的抗体 LR 结合在相同或相邻的位置。若只看 60 个专门针对单一毒素的设计，11 个通过，成功率约 18%，与常规蛋白设计研究大致相当。

研究团队对结论保持了克制。目前的实验只验证了结合能力：没有做细胞层面的中和测试，也没有动物实验，因此还不能说这些蛋白能解毒。团队原本希望找到一种能同时结合多种毒素的通用蛋白，以减少未来抗毒制剂的组分，结果 151 个多毒素设计无一达标，通过筛选的 17 个每个只结合一种毒素。外部评审者的评价是有希望的第一步，而不是可用的疗法。

更值得关注的是流程本身。过去这类工作需要研究人员在多个工具之间反复切换、手工整理结果，这次 Claude 承担了结构检索、工具调度、候选筛选乃至向实验室提交序列的大部分协调工作。今年 8 月，Anthropic 曾公布 Claude 面向 15 个蛋白质靶点的设计研究，14 个靶点获得实验验证的结合蛋白；更早之前，它还推出面向生命科学场景的 Claude for Life Sciences。Anthropic 已把 211 个设计、预测结构和实验数据以 CC BY 4.0 许可公开在 Hugging Face 上，供其他团队继续验证。

同一时间，AI 进入生物医药的路径正在分叉：Radical Numerics 用基因组大模型 Omnii-1 设计噬菌体，并首次通过同情用药用于一名耐药菌感染患者；OpenAI 则收购 Orchestra Bio，把 AI 嵌入药物研发的项目协调环节。从设计分子到走进实验室、走进临床，AI 参与的环节越来越多，但真正的门槛仍在于验证——在计算机里找到可能有效的分子，只是新药研发的起点。