I samtidige forsøg, hvor modellerne arbejdede med flere mål over 48 timer, opnåede Mythos en hitrate på 26,7 procent, mens Opus 4.8 nåede 22,6 procent. Anthropic sammenligner det med en typisk branchehitrate på 10-15 procent. Når Mythos i stedet arbejdede med individuelle mål i separate 24-timers forsøg, nåede modellen 35,1 procent.

Resultaterne var dog meget ujævne fra mål til mål: Hitraten varierede fra 0 til 90 procent. Det samlede gennemsnit bør derfor ikke tolkes som tegn på, at modellen har samme effektivitet i alle biologiske opgaver.

Hvad blev faktisk valideret i laboratoriet?

Af de 1.320 designede proteiner, der blev testet, bandt 354 til det tilsigtede mål – en samlet hitrate på 26,8 procent. Det eneste mål, der ikke gav en eneste binder, var MBP.

Adaptyv Bio modtog designene anonymt, syntetiserede det nødvendige DNA, producerede proteinerne og målte bindingen med overfladeplasmonresonans i gentagne og kvalitetskontrollerede forsøg. Twist Bioscience producerede og testede desuden design uafhængigt.

Det er en væsentligt stærkere test end en ren computersimulering. Men forsøget dokumenterede først og fremmest, om proteinerne bandt til deres mål. Det viste ikke nødvendigvis, om de var selektive, stabile, ufarlige, nemme at fremstille eller i stand til at give en ønsket biologisk effekt i en organisme.

Hvordan arbejdede Claude?

En menneskelig ekspert i proteindesign udarbejdede en indledende prompt på omkring 30.000 tokens. Derefter kunne Claude med meget begrænset yderligere menneskelig indblanding:

• undersøge de valgte proteinmål
• udpege mulige bindingssteder
• tage eksisterende værktøjer til strukturforudsigelse og proteindesign i brug
• koordinere værktøjerne og generere kandidatproteiner
• filtrere og rangordne de mest lovende designs

Forsøget omfattede etablerede benchmarkmål samt to nyere mål fra konkurrencer. De nyere mål skulle mindske risikoen for, at modellen blot gentog allerede kendte eksempler.

Hvor imponerende var resultaterne?

Anthropic rapporterer høj-affinitetsbindere for mindst seks mål og resultater, der matchede eller overgik tidligere offentliggjorte bindingsstyrker for mindst fire mål. Nogle af de bedste designs skulle ifølge virksomheden binde flere gange stærkere end de hidtil bedste offentliggjorte resultater.

For målet RBX1 angiver Anthropic en hitrate på omkring 40 procent, sammenlignet med 3,7 procent blandt tidligere deltagere i den relevante konkurrence. Virksomheden siger også, at Claude overgik det tidligere vinderdesign.

Hvor langt er der fra en binder til en medicin?

En proteinbinder er et lille protein, der hæfter sig til et bestemt biologisk mål. Det kan være et nyttigt udgangspunkt for lægemidler, diagnostik eller forskningsreagenser.

Men binding alene beviser ikke:

• at binderen rammer det rigtige mål uden uønskede bivirkninger
• at den ændrer målets funktion på den ønskede måde
• at den er stabil i kroppen
• at den kan leveres til det rigtige væv
• at den har passende farmakokinetik
• at den ikke udløser en skadelig immunreaktion
• at den kan produceres i stor skala
• at den virker sikkert i kliniske forsøg

Anthropic beskriver derfor selv arbejdet som et bidrag til de tidlige faser af lægemiddeludvikling, ikke som et færdigt system til selvstændig lægemiddelopdagelse.

Hvilke begrænsninger er blevet fremhævet?

Martin Shkreli har kritiseret forsøget for, at mange af de rapporterede bindingsstyrker efter hans vurdering var for lave til de farmaceutiske implikationer, der blev antydet. Han har også peget på, at arbejdet primært fokuserede på ekstracellulære mål, hvor proteinbindere typisk er mere praktiske, frem for vanskelige mål inde i cellerne.

Det er reelle begrænsninger, selv om de ikke ændrer den målte observation: Mange af de AI-designede proteiner bandt faktisk til deres tilsigtede mål.

En del af en større ambition

Anthropic fremstiller proteindesign og analyse af kemiske data som byggesten i en bredere ambition om at fremskynde lægemiddeludvikling på tværs af flere teknologier og datatyper. Virksomheden siger samtidig, at nogle af de største tilbageværende barrierer er praktiske og regulatoriske – ikke kun et spørgsmål om, hvor dygtig modellen er.

De mest avancerede biologiske funktioner er i øjeblikket begrænset. Anthropic har sagt, at virksomheden vil oprette et program med adgang for godkendte forskere og organisationer, mens Opus 5 beskrives som den stærkeste generelt tilgængelige model til naturvidenskabeligt arbejde.

Hvorfor giver det sikkerhedsproblemer?

Den samme autonome arbejdsgang, der kan gøre legitim proteinforskning hurtigere og billigere, kan også reducere den ekspertise og tid, der kræves til skadeligt biologisk arbejde.

Derfor begrænser Anthropic avancerede opgaver inden for biologisk forskning på sine mest kapable modeller og lægger op til kontrolleret eller forhåndsgodkendt adgang frem for en bred offentlig lancering.

Den centrale styringsudfordring er at give forskere mulighed for at arbejde med behandlinger og sygdomme uden samtidig at gøre det lettere at udvikle patogener, toksiner eller andre former for biologisk dual-use-teknologi.

Konklusion

Forsøget viste, at Claude kan koordinere eksisterende værktøjer til proteindesign på en usædvanligt effektiv måde og opnå en laboratoriebekræftet bindingsrate, der ligger over den baseline, Anthropic henviser til.

Det viste ikke, at Claude har skabt et lægemiddel, løst problemet med intracellulære mål eller fjernet den lange eksperimentelle og regulatoriske vej fra en proteinbinder til en medicin.

I samtidige forsøg, hvor modellerne arbejdede med flere mål over 48 timer, opnåede Mythos en hitrate på 26,7 procent, mens Opus 4.8 nåede 22,6 procent. Anthropic sammenligner det med en typisk branchehitrate på 10-15 procent. Når Mythos i stedet arbejdede med individuelle mål i separate 24-timers forsøg, nåede modellen 35,1 procent.

Resultaterne var dog meget ujævne fra mål til mål: Hitraten varierede fra 0 til 90 procent. Det samlede gennemsnit bør derfor ikke tolkes som tegn på, at modellen har samme effektivitet i alle biologiske opgaver.

Hvad blev faktisk valideret i laboratoriet?

Af de 1.320 designede proteiner, der blev testet, bandt 354 til det tilsigtede mål – en samlet hitrate på 26,8 procent. Det eneste mål, der ikke gav en eneste binder, var MBP.

Adaptyv Bio modtog designene anonymt, syntetiserede det nødvendige DNA, producerede proteinerne og målte bindingen med overfladeplasmonresonans i gentagne og kvalitetskontrollerede forsøg. Twist Bioscience producerede og testede desuden design uafhængigt.

Det er en væsentligt stærkere test end en ren computersimulering. Men forsøget dokumenterede først og fremmest, om proteinerne bandt til deres mål. Det viste ikke nødvendigvis, om de var selektive, stabile, ufarlige, nemme at fremstille eller i stand til at give en ønsket biologisk effekt i en organisme.

Hvordan arbejdede Claude?

En menneskelig ekspert i proteindesign udarbejdede en indledende prompt på omkring 30.000 tokens. Derefter kunne Claude med meget begrænset yderligere menneskelig indblanding:

• undersøge de valgte proteinmål
• udpege mulige bindingssteder
• tage eksisterende værktøjer til strukturforudsigelse og proteindesign i brug
• koordinere værktøjerne og generere kandidatproteiner
• filtrere og rangordne de mest lovende designs

Forsøget omfattede etablerede benchmarkmål samt to nyere mål fra konkurrencer. De nyere mål skulle mindske risikoen for, at modellen blot gentog allerede kendte eksempler.

Hvor imponerende var resultaterne?

Anthropic rapporterer høj-affinitetsbindere for mindst seks mål og resultater, der matchede eller overgik tidligere offentliggjorte bindingsstyrker for mindst fire mål. Nogle af de bedste designs skulle ifølge virksomheden binde flere gange stærkere end de hidtil bedste offentliggjorte resultater.

For målet RBX1 angiver Anthropic en hitrate på omkring 40 procent, sammenlignet med 3,7 procent blandt tidligere deltagere i den relevante konkurrence. Virksomheden siger også, at Claude overgik det tidligere vinderdesign.

Hvor langt er der fra en binder til en medicin?

En proteinbinder er et lille protein, der hæfter sig til et bestemt biologisk mål. Det kan være et nyttigt udgangspunkt for lægemidler, diagnostik eller forskningsreagenser.

Men binding alene beviser ikke:

• at binderen rammer det rigtige mål uden uønskede bivirkninger
• at den ændrer målets funktion på den ønskede måde
• at den er stabil i kroppen
• at den kan leveres til det rigtige væv
• at den har passende farmakokinetik
• at den ikke udløser en skadelig immunreaktion
• at den kan produceres i stor skala
• at den virker sikkert i kliniske forsøg

Anthropic beskriver derfor selv arbejdet som et bidrag til de tidlige faser af lægemiddeludvikling, ikke som et færdigt system til selvstændig lægemiddelopdagelse.

Hvilke begrænsninger er blevet fremhævet?

Martin Shkreli har kritiseret forsøget for, at mange af de rapporterede bindingsstyrker efter hans vurdering var for lave til de farmaceutiske implikationer, der blev antydet. Han har også peget på, at arbejdet primært fokuserede på ekstracellulære mål, hvor proteinbindere typisk er mere praktiske, frem for vanskelige mål inde i cellerne.

Det er reelle begrænsninger, selv om de ikke ændrer den målte observation: Mange af de AI-designede proteiner bandt faktisk til deres tilsigtede mål.

En del af en større ambition

Anthropic fremstiller proteindesign og analyse af kemiske data som byggesten i en bredere ambition om at fremskynde lægemiddeludvikling på tværs af flere teknologier og datatyper. Virksomheden siger samtidig, at nogle af de største tilbageværende barrierer er praktiske og regulatoriske – ikke kun et spørgsmål om, hvor dygtig modellen er.

De mest avancerede biologiske funktioner er i øjeblikket begrænset. Anthropic har sagt, at virksomheden vil oprette et program med adgang for godkendte forskere og organisationer, mens Opus 5 beskrives som den stærkeste generelt tilgængelige model til naturvidenskabeligt arbejde.

Hvorfor giver det sikkerhedsproblemer?

Den samme autonome arbejdsgang, der kan gøre legitim proteinforskning hurtigere og billigere, kan også reducere den ekspertise og tid, der kræves til skadeligt biologisk arbejde.

Derfor begrænser Anthropic avancerede opgaver inden for biologisk forskning på sine mest kapable modeller og lægger op til kontrolleret eller forhåndsgodkendt adgang frem for en bred offentlig lancering.

Den centrale styringsudfordring er at give forskere mulighed for at arbejde med behandlinger og sygdomme uden samtidig at gøre det lettere at udvikle patogener, toksiner eller andre former for biologisk dual-use-teknologi.

Konklusion

Forsøget viste, at Claude kan koordinere eksisterende værktøjer til proteindesign på en usædvanligt effektiv måde og opnå en laboratoriebekræftet bindingsrate, der ligger over den baseline, Anthropic henviser til.

Det viste ikke, at Claude har skabt et lægemiddel, løst problemet med intracellulære mål eller fjernet den lange eksperimentelle og regulatoriske vej fra en proteinbinder til en medicin.