Anthropic 表示 354 个 Claude 蛋白设计在实验室测试中结合

Why it matters

Anthropic is testing whether a general frontier agent can operate specialist scientific workflows. The open release gives labs a reproducible protocol, while the missing functional evidence keeps the drug-discovery implications in check.

Dario Amodei 和 Daniela Amodei 的 Anthropic 将 Claude 投入蛋白质工程领域，其代理运行了自主设计活动，在 15 个可解释的靶点上产生了 354 个测得有结合能力的蛋白质。

Anthropic 在周二 在 X 上的一篇帖子中 描述了这些结果，并发布了一份 29 页的 技术报告。Anthropic 还将提示词、预测结构、溯源记录和实验测量数据 在 Hugging Face 上的所有 1,440 个设计 公开发布。

这项工作使 Amodei 回归他的科学根源。在 Google Brain、OpenAI 和 Anthropic 之前，他在普林斯顿获得物理学博士，研究神经回路，并在斯坦福从事细胞蛋白组与癌症生物标志物的研究。Daniela Amodei 在兄妹俩于 2021 年与前 OpenAI 同事创办 Anthropic 时，带来了来自 Stripe 和 OpenAI 的运营与安全背景。

他们的创立论点集中在从一开始就在前沿模型中构建安全性。蛋白质项目将该论点扩展到一个实践性问题：通用 AI 代理能否吸收专家的工作知识、操作科学软件并生成值得测试的物理候选体？

Amir Shanehsazzadeh，Anthropic 的一位研究员，也是该报告中唯一列名的作者，围绕该问题设计了实验。他撰写了大约 16,000 字的协议提示，涵盖运行 binder 活动所需的科学与操作知识。Claude 负责各项具体设计决策。

What Claude actually did

Anthropic 将 Claude Opus 4.8 和 Mythos Preview 作为代理用于 16 个蛋白质靶点。模型对每个靶点进行调研，选择区域和结合位点，安装开源设计与结构预测软件，生成候选序列，进行计算优化，并为每个靶点返回 30 个排序后的设计。

Claude 未收到预先确定的表位、支架或蛋白序列。Anthropic 选择靶点，提供云 GPU 账户，设定预算和时间限制，批准非科学性访问请求，并订购合成所得蛋白质。活动结束后由人类解释实验结果。

单靶点运行获得 24 小时和 10,000 美元的计算预算。多靶点运行获得 48 小时和 50,000 美元。Claude 必须自行安装并验证科学工具，然后在这些约束内管理子代理团队。

这一点定义了技术贡献所在。Anthropic 并未引入专门的蛋白质生成模型。Claude 协调了现有的开源系统，包括蛋白质主链生成器、序列设计工具和结构预测器。该报告为前沿代理作为科学操作者提供了证据，而不是证明 Anthropic 已构建了一个药物设计平台的证据。

相同的编排策略贯穿 Anthropic 更广泛的产品推进。早些时候周二，RuntimeWire 报道 Anthropic 将 Claude Cowork 向所有付费计划开放，扩展了一个旨在跨文件和应用工作的代理。Claude Science 将这一基本思路应用于具有专业软件、云算力和可审计产物的研究环境。

The 27% comes with a denominator

Adaptyv Bio 和 Twist Bioscience，这两家付费合同研究组织，合成了这些设计并测量了它们的结合能力。一个靶点，成熟的 GDF-8，在测试过程中发生聚集，导致可解释测量结果的设计数量为 15 个靶点上的 1,320 个设计。

在这些设计中，有 354 个显示了结合，报告的命中率为 26.8%。Claude 至少对 15 个可解释靶点中的 14 个产生了至少一个 binder。各自靶点活动中排名第一的设计有 49% 显示了结合。

不同靶点的表现差异很大。Claude 在 TREM2 的 90 个设计中产生了 72 个 binder，在 VEGF-A 的 90 个设计中产生了 54 个 binder。它在合成的 beta-barrel BBF-14 上产生了 3 个弱结合体，而在 90 个设计针对麦芽糖结合蛋白（maltose-binding protein）中没有出现结合体。计算置信分数对这些活动会失败几乎没有预警作用。

Mythos Preview 的 24 小时单靶点活动记录了 35.1% 的命中率，而其多靶点活动为 26.7%，Opus 4.8 的多靶点运行为 22.6%。单靶点格式每个靶点获得的计算资源也多 2.8 倍，因此该实验无法区分是专注、预算还是模型行为导致了差异。

最强的对比来自 RBX1。在 RBX1 上，Claude 的 90 个设计中有 28 个结合，而最近一次公开竞赛中 245 个参赛项中只有 9 个结合。Anthropic 报告的在同一板上测试时最强的 RBX1 设计表现出表观解离常数为 3.9 纳摩尔，而竞赛优胜者测得为 45 纳摩尔。

该结果值得关注，尽管这并不是一次干净的人类对抗代理的试验。Anthropic 并未运行匹配的活动来让人类专家在相同工具、算力和时间下进行对照。用于比较的六次公开竞赛中的四次结果在设计过程中可供 Claude 访问。

The wet lab still gets the final vote

该报告最显著的局限在于生物学方面。Anthropic 测量的是结合，这是蛋白质工程中的早期检查点。没有任何设计蛋白被测试其生物活性，也没有任何蛋白-靶点复合体被解析出结构。报告中每一个结合构象仍然是计算预测。

报告中所称的命中率还把基于相同底层蛋白主链的序列变体计为独立设计。当 Anthropic 仅统计每个 809 个生成主链中排名最高的序列时，有 200 个结合，产生了 24.7% 的命中率。对五个寡聚体靶点的亲和力测量为表观值，且每种模型、活动格式和靶点通常仅运行一次。

这些警告将该实验与治疗项目拉开了距离。像 Latent Labs、Manifold Bio 和 Generate:Biomedicines 之类的公司正在围绕蛋白质工程构建专用模型、筛选系统或药物管线。Google DeepMind's AlphaProteo 已将 binder 生成与选定靶点的结构与功能验证配对。

Anthropic 的直接机会位于这些系统之上一层。Claude 可以在科学工具之间做出选择、安装它们、管理算力并保留其决策记录。实验室可以在不从零构建自有代理框架的情况下适配所发布的协议。

发布完整设计集使该发布比仅有成功示例表更有用。Hugging Face 仓库包括失败的活动、排名较低的候选、原始结合测量以及检查每个设计由哪些工具产生所需的记录。数据以 CC BY 4.0 授权发布，而公开的脚本使用 MIT license。

根据报告，Shanehsazzadeh 还在活动后分析、图表绘制和稿件起草中使用了 Claude Science。他对照发布的数据检查了分析并对论文承担责任。Anthropic 实际上发布了一个由 AI 运行的实验以及一份由 AI 辅助撰写的实验报告，并提供了足够的基础材料供外部研究人员对二者提出质疑。

Claude 并未产生药物。它展示了一般性代理可以运行大部分计算蛋白质设计活动、交付在独立测试中显示结合的物理候选体并公开其工作以便复制。剩下的步骤——结构、功能、安全性与有效性——是生物学不再像软件基准那样表现的领域。