Anthropic afferma che Claude ha progettato leganti proteici funzionanti e ha battuto esperti umani in alcuni casi.

      Anthropic afferma che i suoi modelli Claude hanno progettato leganti proteici funzionanti e hanno eseguito un'analisi chimica in pochi minuti. Ha pubblicato i due esperimenti martedì. L'azienda ha riportato i risultati da sola. Li ha inquadrati come prove preliminari che Claude può accelerare alcune fasi dello sviluppo di farmaci.

      Anthropic ha condiviso il lavoro sul suo blog di ricerca.

      I numeri principali sono quelli forniti da Anthropic. Claude ha progettato leganti proteici contro 15 target e ha avuto successo contro 14, ha detto l'azienda. Tra il 22 e il 35 percento dei suoi progetti si è legato al proprio target, a seconda della configurazione. Anthropic afferma che il 10-15 percento è tipico nel campo oggi. Alcuni dei progetti più forti si sono legati molte volte più saldamente rispetto al miglior risultato precedentemente pubblicato, ha aggiunto.

      I controlli in laboratorio non sono stati effettuati internamente. Due aziende esterne, Adaptyv Bio e Twist Bioscience, hanno prodotto e testato in modo indipendente i progetti di Claude, ha detto Anthropic. Questa validazione fisica è la parte del lavoro sulle proteine che richiede ancora settimane, qualunque sia il software.

      Un legante è una piccola proteina costruita per agganciarsi saldamente a un target, ed è così che funzionano molti farmaci moderni. Progettare un nuovo legante da zero, noto come design de novo, storicamente ha richiesto ai progettisti di proteine mesi per ogni target. Il lavoro si sovrappone al campo più ampio della scoperta di farmaci tramite AI.

      Anthropic ha utilizzato due modelli, Opus 4.8 e un'anteprima del suo modello Mythos. Li ha eseguiti all'interno di Claude Science, il suo banco di lavoro per la ricerca. I modelli hanno ricevuto un lungo prompt, accesso a Internet, connettori e un ampio pool di GPU. L'azienda ha detto di aver poi lasciato i modelli lavorare autonomamente. Claude ha scelto dove legarsi a ciascun target, ha detto l'azienda. Ha orchestrato modelli di design e piegamento open-source esistenti, quindi ha selezionato i candidati.

      Il calcolo è stato sostanziale. Anthropic ha fornito ai modelli fino a 12.500 ore di Nvidia H100 in una sessione di 48 ore in una modalità. Una seconda modalità ha utilizzato fino a 2.500 ore di H100 per target. Progettare contro un target alla volta ha funzionato meglio, ha detto.

      L'anteprima di Mythos ha raggiunto un tasso di successo del 35,1 percento in questo modo. In totale, la campagna ha prodotto 354 leganti confermati da 1.320 progetti.

      Dove ha avuto successo e dove ha fallito

      Alcuni risultati si sono distinti. Contro un target chiamato RBX1, l'anteprima di Mythos ha raggiunto un tasso di successo del 40 percento, ha detto Anthropic. I partecipanti umani in una competizione di Adaptyv Bio hanno ottenuto il 3,7 percento. Il miglior design di Claude ha superato l'entry vincente. Poi c'era TNFα, la proteina che i farmaci anti-infiammatori come Humira bloccano.

      Opus 4.8 ha progettato leganti che hanno funzionato su versioni umane, di scimmia e di topo. Stranamente, l'anteprima di Mythos ha fallito su quel target. Anthropic ha detto di non essere sicura del perché il modello meno capace sia riuscito dove quello più forte non lo ha fatto.

      Non ha funzionato ovunque. Contro la proteina legante il maltosio, un target notoriamente difficile, nessuno dei 90 progetti è stato confermato come legante, ha detto Anthropic. Ha ottenuto solo risultati modesti contro BBF-14, una proteina sintetica utilizzata come benchmark rigoroso. L'azienda ha detto che prevede ulteriori test per confermare i suoi tassi di successo e le misurazioni di legame. Ha rilasciato i suoi prompt e i dati.

      Il test chimico ha utilizzato un modello pubblico

      Il secondo esperimento ha utilizzato Claude Opus 5, il modello più capace che Anthropic offre al pubblico generale. Il compito era l'analisi chimica, il lavoro di routine di verifica di cosa sia un composto e quanto sia puro. I chimici normalmente fanno questo con due tecniche, NMR e LC-MS, e la parte lenta è leggere i file grezzi che ogni strumento produce.

      Anthropic ha fornito a Opus 5 solo i file grezzi da un laboratorio di contratto e un prompt di due frasi, senza software del fornitore e senza operatore. Lavorando all'interno di Claude Science, il modello ha restituito risultati elaborati in 23 e 19 minuti, eseguendo le due analisi in parallelo, ha detto l'azienda. I suoi numeri corrispondevano a quelli del laboratorio. La purezza è risultata del 96,4 percento contro il 96,33 percento del laboratorio, e i conteggi di idrogeno erano entro un margine di arrotondamento.

      Due dettagli meritano di essere notati. Claude ha catturato e corretto il proprio errore, ha detto Anthropic, dopo che un primo passaggio aveva sovrastimato quanti picchi si fossero spostati in una lettura successiva. E ha proposto lo stesso test di conferma che il laboratorio aveva eseguito in modo indipendente tre giorni prima. Per il file LC-MS, che era in un formato di fornitore non documentato, il modello ha decifrato la codifica e ha controllato la sua lettura rispetto ai totali dello strumento prima di analizzare qualsiasi cosa, ha detto l'azienda.

      Il confronto che fa Anthropic è con il tempo. Un chimico che fa questo a mano impiega circa 30 minuti a un'ora per campione, e il rapporto finale del laboratorio per questo campione è arrivato quattro giorni dopo la prima misurazione. Claude ha prodotto il suo rapporto in 25 minuti.

      I risultati sono auto-riferiti e a doppio uso

      I risultati provengono da Anthropic, sui propri modelli. Non sono stati sottoposti a revisione paritaria esterna, anche se i due laboratori esterni hanno testato i leganti proteici. L'azienda ha detto di aver valutato i suoi modelli "in modo olistico" e pubblicherà ulteriori caratterizzazioni per confermare i numeri.

      Anthropic ha anche segnalato il rischio nel proprio lavoro. Il design biologico autonomo è a doppio uso, ha detto: la stessa capacità che accelera la medicina potrebbe aiutare un attore malintenzionato a costruire un'arma biologica.

      Per questo motivo, il design delle proteine e altri compiti biologici sensibili rimangono bloccati su Claude Fable 5, il suo modello più capace. Sta costruendo un programma di accesso verificato per gli scienziati invece. L'azienda ha condotto i propri test su quanto lontano i suoi filtri per armi biologiche possano arrivare.

      Il contesto è importante per quanto si debba leggere nei risultati.

      Il post di Anthropic stesso nota che l'AI si è mossa più rapidamente in campi come la matematica, dove una risposta può essere verificata rapidamente. Si è mossa più lentamente nelle scienze della vita, dove la verifica è costosa. Inquadra questo lavoro come fondamentale e afferma di voler che Claude alla fine gestisca lo sviluppo di farmaci dall'inizio alla fine.

      Un legante progettato, ha riconosciuto, è solo il primo passo verso un farmaco reale.