Claude Berhasil Mendesain Pengikat Protein untuk 14 dari 15 Target—Ini Makna Sebenarnya

Hasil gabungan pengujian laboratorium menunjukkan angka serupa: 354 dari 1.320 desain mengikat targetnya, atau tingkat keberhasilan keseluruhan 26,8%. Hanya satu target yang dievaluasi tidak menghasilkan pengikat.

Meski demikian, angka ini tidak boleh dianggap sebagai tingkat keberhasilan universal. Hasil per target sangat bervariasi, dari 0% hingga 90%. Dalam uji yang memberi Mythos waktu 24 jam untuk berfokus pada satu target, tingkat keberhasilan mencapai 35,1%. Kampanye yang mengerjakan banyak target secara bersamaan menghasilkan angka lebih rendah.

Apa yang sebenarnya dilakukan Claude?

Eksperimen ini bukan berarti model bahasa tersebut menciptakan seluruh bidang ilmu desain protein dari nol. Seorang pakar desain protein terlebih dahulu memberikan prompt sekitar 30.000 token yang menjelaskan alur kerja. Setelah itu, Claude bekerja dengan arahan manusia tambahan yang sangat terbatas.

Dalam kerangka tersebut, Claude:

• meneliti target yang dipilih;
• menentukan lokasi pengikatan kandidat protein;
• memasang dan mengorkestrasi perangkat lunak struktur-protein serta desain protein yang tersedia secara publik;
• menghasilkan urutan protein kandidat;
• menyaring, memberi peringkat, dan menyempurnakan kandidat; serta
• memilih desain yang dikirim untuk pengujian laboratorium.

Perbedaan ini penting. Pencapaian utamanya adalah kemampuan mengelola proses desain yang panjang, menggunakan berbagai alat, serta mengambil keputusan dalam memilih kandidat. Claude tidak menciptakan setiap metode komputasi yang mendasari proses tersebut.

Kumpulan targetnya juga mencakup target pembanding yang sudah dikenal serta target baru dari kompetisi desain protein. Hal ini membuat eksperimen lebih informatif daripada simulasi komputasi murni, meskipun kemungkinan pengaruh dari keakraban terhadap target pembanding tetap perlu diperhitungkan.

Mengapa pengujian laboratorium penting?

Model komputasi dapat memprediksi bahwa sebuah protein akan mengikat target. Namun, prediksi itu belum menjamin protein tersebut dapat diproduksi, melipat ke bentuk yang benar, atau benar-benar mengikat dalam pengujian biologis.

Karena itu, Anthropic mengirim desainnya kepada mitra pengujian eksternal.

Adaptyv Bio menerima desain tanpa mengetahui model mana yang menghasilkan setiap desain. Proses otomatis perusahaan tersebut mencakup perubahan urutan protein digital menjadi DNA, produksi protein, pengukuran pengikatan, dan pengendalian mutu. Dengan metode surface plasmon resonance, Adaptyv Bio menemukan 354 pengikat dari 1.320 desain.

Twist Bioscience juga memproduksi dan menguji desain secara independen. Anthropic menyatakan bahwa hasilnya mencakup pengikat berafinitas tinggi untuk sedikitnya enam target, serta pengikat yang menyamai atau melampaui afinitas terbaik yang pernah dilaporkan untuk sedikitnya empat target.

Validasi ini lebih kuat daripada tolok ukur yang hanya didasarkan pada prediksi struktur atau penjelasan yang ditulis model. Namun, pengujian tersebut tetap menjawab pertanyaan yang terbatas: apakah protein yang dirancang dapat mengikat target tertentu dalam kondisi uji? Hal itu belum membuktikan bahwa protein tersebut dapat menjadi terapi yang berguna.

Hasil RBX1 dan klaim yang paling menonjol

Salah satu perbandingan yang disoroti Anthropic berkaitan dengan target RBX1. Anthropic melaporkan tingkat keberhasilan sekitar 40% untuk desain Claude, dibandingkan 3,7% di antara peserta kompetisi sebelumnya. Perusahaan juga menyatakan bahwa sistemnya mengungguli desain pemenang sebelumnya untuk target tersebut.

Anthropic turut melaporkan hasil afinitas yang sangat kuat pada beberapa kandidat. Sejumlah desain disebut mengikat beberapa kali lebih kuat daripada hasil terbaik yang dipublikasikan sebelumnya. Temuan ini menjanjikan, tetapi tetap merupakan hasil yang dilaporkan perusahaan dari satu kampanye, bukan bukti keunggulan yang berlaku untuk seluruh tugas desain protein.

Pengikat protein bukanlah obat

Pengikat protein adalah molekul yang direkayasa untuk menempel pada target biologis. Molekul semacam ini dapat berguna untuk terapi, diagnosis, maupun reagen penelitian. Namun, kemampuan mengikat hanyalah salah satu tonggak awal.

Kandidat obat yang layak juga perlu memiliki:

• selektivitas terhadap target yang diinginkan;
• efek fungsional yang tepat, misalnya menghambat atau mengaktifkan jalur biologis;
• stabilitas dan kemudahan produksi;
• kemampuan mencapai jaringan atau sel yang relevan;
• sifat farmakokinetik yang sesuai;
• kompatibilitas dengan sistem imun; serta
• profil toksisitas yang aman.

Anthropic sendiri menggambarkan eksperimen ini sebagai langkah awal menuju molekul yang menyerupai obat, bukan hasil penemuan obat dari ujung ke ujung. Kampanye tersebut tidak menunjukkan efektivitas klinis, keamanan pada manusia, atau keberhasilan melewati tahapan pengembangan obat.

Keterbatasan dan kritik utama

Pemilihan target merupakan salah satu keterbatasan penting. Pengikat protein umumnya lebih praktis dibuat untuk target ekstraseluler yang mudah diakses daripada protein yang bekerja di dalam sel. Martin Shkreli mengkritik afinitas yang dilaporkan sebagai terlalu lemah untuk mendukung implikasi farmasi yang lebih luas, serta menyoroti tidak adanya target intraseluler yang sulit.

Kritik tersebut tidak membatalkan temuan laboratorium bahwa banyak desain memang mengikat targetnya. Namun, kritik itu mempersempit kesimpulan yang tepat. Eksperimen ini menunjukkan bahwa Claude dapat menghasilkan cukup banyak pengikat yang terkonfirmasi secara eksperimental dalam alur kerja tertentu. Eksperimen ini belum membuktikan bahwa sistem tersebut dapat secara andal menciptakan terapi intraseluler atau mengungguli metode pengembangan obat yang telah mapan untuk target-target klinis penting.

Bukti yang tersedia juga masih sebagian berasal dari laporan Anthropic. Produksi protein dan pengujian dilakukan oleh organisasi eksternal, yang meningkatkan kredibilitas hasil. Namun, replikasi independen pada kumpulan target yang lebih luas akan menjadi pengujian yang lebih kuat terhadap kemampuan generalisasi sistem ini.

Ambisi Anthropic dalam pengembangan obat

Anthropic menempatkan desain pengikat protein sebagai salah satu bagian dari ambisi yang lebih besar: membangun sistem ujung-ke-ujung dan multimodal yang dapat membantu mempercepat pengembangan obat serta menganalisis data kimia dan biologi. Inisiatif Claude Science menggabungkan alur kerja penelitian, alat komputasi, dan analisis data ilmiah. Kampanye protein ini menunjukkan bagaimana agen AI dapat menghubungkan kemampuan tersebut dengan eksperimen nyata.

Anthropic mengatakan kemampuan ilmu hayat yang paling canggih saat ini belum tersedia untuk penggunaan tanpa batas. Perusahaan menjadikan program akses bagi ilmuwan sebagai salah satu prioritas, dan menyebut Opus 5 sebagai model yang paling mumpuni dan tersedia secara umum untuk riset ilmu hayat.

Janji praktisnya bukan bahwa AI akan menghapus kebutuhan akan laboratorium. Nilainya justru terletak pada potensi mengurangi waktu untuk meneliti target, menjalankan perangkat lunak, memilah kandidat, dan menentukan sebagian kecil desain yang layak diuji secara eksperimental.

Mengapa kemampuan ini dibatasi?

Alur kerja tersebut memiliki dimensi penggunaan ganda. Kemampuan yang sama untuk meneliti sistem biologis, mendesain protein, dan mengoordinasikan berbagai alat khusus dapat membantu riset yang bermanfaat—tetapi juga berpotensi menurunkan tingkat keahlian dan waktu yang dibutuhkan untuk pekerjaan biologis berbahaya.

Anthropic mengatakan desain protein dan kemampuan biologi lain yang memiliki risiko penggunaan ganda tetap tidak tersedia secara umum pada sistemnya yang paling canggih. Akses terkendali atau tepercaya ditujukan bagi ilmuwan yang memenuhi kualifikasi. Tantangan yang dinyatakan perusahaan adalah mendukung riset terapi yang sah sekaligus membatasi bantuan yang dapat berkontribusi pada rekayasa patogen, pekerjaan terkait toksin, atau aktivitas biologi berbahaya lainnya.

Kebijakan ini tidak terpisah dari hasil teknisnya. Semakin otonom sebuah model dalam bergerak dari pertanyaan biologis menuju desain molekul kandidat, semakin penting untuk menilai bukan hanya apakah desain tersebut berhasil, tetapi juga siapa yang dapat mengakses alur kerja itu, pengaman apa yang tersedia, dan bagaimana penggunaannya dipantau.

Kesimpulan

Demonstrasi Anthropic menunjukkan bahwa Claude Mythos Preview dan Claude Opus 4.8 dapat mengoordinasikan perangkat desain protein yang sudah tersedia secara otonom dan menghasilkan pengikat yang terkonfirmasi di laboratorium, dengan tingkat keberhasilan yang dilaporkan 22,6% hingga 35,1%. Dari 1.320 desain, 354 mengikat targetnya, sementara 14 dari 15 target yang dievaluasi menghasilkan sedikitnya satu pengikat.

Hasil ini merupakan bukti penting bagi desain protein tahap awal dengan bantuan AI. Namun, ini bukan sistem penemuan obat otonom, bukan solusi untuk penargetan intraseluler, dan bukan pengganti proses panjang yang mencakup optimasi, uji toksikologi, uji klinis, serta peninjauan regulator.

Ujian berikutnya adalah apakah hasil tersebut dapat direplikasi pada target yang lebih sulit dan kurang dikenal—serta apakah kemampuan ini dapat dibuat bermanfaat secara luas tanpa membuat bantuan biologis berbahaya tersedia secara luas.