Hvad viste Anthropic egentlig med Claudes autonome proteindesign?
Claude Mythos Preview og Claude Opus 4.8 designede bindere for 14 af 15 mål, der blev testet eksperimentelt. I parallelle 48 timers forsøg ramte Mythos en hitrate på 26,7 procent og Opus 4.8 22,6 procent – over Anthropics angivne branchegennemsnit på 10 15 procent.
Claude Mythos Preview og Claude Opus 4.8 designede bindere for 14 af 15 mål, der blev testet eksperimentelt.
I parallelle 48 timers forsøg ramte Mythos en hitrate på 26,7 procent og Opus 4.8 22,6 procent – over Anthropics angivne branchegennemsnit på 10 15 procent.
I alt bandt 354 af 1.320 designede proteiner til deres tilsigtede mål, svarende til 26,8 procent.
Designene blev produceret og testet af eksterne laboratorier, men de overordnede resultater og sammenligninger er rapporteret af Anthropic selv.
What did Anthropic’s demonstration of Claude’s autonomous protein design capabilities show about its performance, methodology, validation, lAI-generated editorial hero image for What did Anthropic’s demonstration of Claude’s autonomous protein design capabilities show about its performance, methodology, validation, l.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What did Anthropic’s demonstration of Claude’s autonomous protein design capabilities show about its performance, methodology, validation, l. Article summary: Anthropic’s demonstration is credible evidence that a frontier generalist model can autonomously run a productive early protein binder campaign—but it is not evidence that Claude can autonomously discover, optimize, or c. Topic tags: general web, ai safety, ai, workflow, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com
Anthropics demonstration er et stærkt tegn på, at en avanceret generalistmodel kan gennemføre dele af en tidlig kampagne for udvikling af proteinbindere med begrænset menneskelig indblanding. Den viser imidlertid ikke, at Claude selvstændigt kan opdage, optimere eller klinisk udvikle et lægemiddel. De centrale resultater er rapporteret af Anthropic, mens den fysiske produktion og bindingstestene blev udført af eksterne laboratorier.
Hvilke Claude-modeller deltog?
Det var Claude Mythos Preview og Claude Opus 4.8, der designede proteinbindere for 14 af 15 mål, som blev vurderet eksperimentelt.
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.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Hvad viste Anthropic egentlig med Claudes autonome proteindesign?"?
Claude Mythos Preview og Claude Opus 4.8 designede bindere for 14 af 15 mål, der blev testet eksperimentelt.
What are the key points to validate first?
Claude Mythos Preview og Claude Opus 4.8 designede bindere for 14 af 15 mål, der blev testet eksperimentelt. I parallelle 48 timers forsøg ramte Mythos en hitrate på 26,7 procent og Opus 4.8 22,6 procent – over Anthropics angivne branchegennemsnit på 10 15 procent.
What should I do next in practice?
I alt bandt 354 af 1.320 designede proteiner til deres tilsigtede mål, svarende til 26,8 procent.
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.