Claude ontwierp eiwitbinders voor 14 van 15 doelen — maar nog geen medicijn

In totaal bonden 354 van 1.320 ontwerpen aan hun beoogde doelwit: een hit rate van 26,8%. Slechts één onderzocht doelwit leverde geen binders op.

Die cijfers zijn geen universeel succespercentage. De resultaten verschilden sterk per doelwit: de gemelde uitkomsten liepen uiteen van nul tot 90%. De hoogste score, 35,1%, kwam uit een gerichte proef waarin Mythos 24 uur aan afzonderlijke doelwitten werkte. Campagnes met meerdere doelwitten tegelijk presteerden minder goed.

Wat Claude precies deed

Dit was geen geval waarin een taalmodel uit het niets een compleet nieuw vakgebied uitvond. Een menselijke specialist in eiwitontwerp schreef eerst een prompt van ongeveer 30.000 tokens waarin de werkwijze werd beschreven. Daarna stuurde Claude het proces met minimale verdere menselijke begeleiding.

Binnen dat kader:

• onderzocht Claude de geselecteerde doelwitten;
• bepaalde het waar kandidaat-eiwitten moesten binden;
• installeerde en coördineerde het publiek beschikbare hulpmiddelen voor structuurvoorspelling en eiwitontwerp;
• genereerde het kandidaatsequenties;
• filterde, rangschikte en verfijnde het de kandidaten; en
• selecteerde het de ontwerpen die naar het laboratorium gingen.

Dat onderscheid is belangrijk. De kernprestatie was niet dat Claude alle onderliggende rekenmethoden zelf bedacht, maar dat het een lang proces met verschillende hulpmiddelen zelfstandig kon beheren en beslissingen kon nemen over de selectie van kandidaten.

De doelwitten bestonden bovendien uit bekende benchmark-doelen en nieuwere doelen uit ontwerpwedstrijden. Dat maakt de proef informatiever dan een uitsluitend computergestuurde oefening, al sluit het niet uit dat bekendheid met sommige benchmarks de prestaties heeft beïnvloed.

Waarom de laboratoriumtest ertoe doet

Een computermodel kan voorspellen dat een eiwit zou moeten binden zonder dat het eiwit daadwerkelijk tot expressie komt, correct vouwt of in een test bindt. Daarom stuurde Anthropic de ontwerpen naar externe testpartners.

Adaptyv Bio ontving de ontwerpen zonder te weten welk model ze had gemaakt. Het geautomatiseerde proces liep van digitale eiwitsequentie naar DNA-synthese, eiwitproductie, bindingsmeting en kwaliteitscontrole. Het bedrijf mat binding met oppervlakteplasmonresonantie en rapporteerde 354 binders uit 1.320 ontwerpen.

Ook Twist Bioscience produceerde en testte ontwerpen onafhankelijk. Volgens Anthropic omvatten de resultaten binders met hoge affiniteit voor ten minste zes doelwitten. Voor ten minste vier doelwitten evenaarden of overtroffen binders de beste eerder gerapporteerde affiniteit.

Dat is sterker bewijs dan een benchmark die alleen voorspelde structuren of door een model geschreven verklaringen beoordeelt. Toch beantwoordt de validatie een beperkte vraag: bindt het ontworpen eiwit onder de testomstandigheden aan het gekozen doelwit? Daarmee is nog niet aangetoond dat het eiwit een bruikbaar geneesmiddel oplevert.

RBX1 en andere opvallende claims

Een van de opvallendste vergelijkingen van Anthropic betreft RBX1. Anthropic rapporteerde voor Claude-ontwerpen een hit rate van ongeveer 40%, tegenover 3,7% bij eerdere deelnemers aan een ontwerpwedstrijd. Het bedrijf zegt bovendien dat zijn systeem het eerdere winnende ontwerp voor dit doelwit overtrof.

Anthropic meldde ook uitzonderlijk sterke bindingsresultaten voor sommige kandidaten. Enkele ontwerpen zouden meerdere keren sterker hebben gebonden dan de beste eerder gepubliceerde resultaten. Dat zijn veelbelovende bevindingen, maar het blijven door het bedrijf gerapporteerde resultaten uit één campagne — geen bewijs van algemene superioriteit bij alle soorten eiwitontwerp.

Een binder is nog geen medicijn

Een eiwitbinder is een molecuul dat speciaal is ontworpen om zich aan een biologisch doelwit vast te hechten. Dat kan nuttig zijn voor geneesmiddelen, diagnostiek en onderzoek, maar binding is slechts een vroege mijlpaal.

Een levensvatbare kandidaat voor een geneesmiddel moet daarnaast onder meer beschikken over de juiste:

• selectiviteit voor het gewenste doelwit;
• functionele werking, zoals het blokkeren of activeren van een biologisch proces;
• stabiliteit en maakbaarheid;
• mogelijkheid om het juiste weefsel of de juiste cel te bereiken;
• farmacokinetische eigenschappen;
• verenigbaarheid met het immuunsysteem; en
• toxiciteitsprofiel.

Anthropic beschrijft de proef dan ook als een vroege stap richting moleculen met geneesmiddelachtige eigenschappen, niet als een volledig proces voor geneesmiddelenontdekking. Klinische werkzaamheid, veiligheid bij mensen en succesvolle ontwikkeling richting markt zijn niet aangetoond.

Belangrijkste beperkingen en kritiek

De keuze van de doelwitten is een belangrijke beperking. Eiwitbinders zijn doorgaans praktischer voor toegankelijke, extracellulaire doelwitten dan voor eiwitten die zich ín cellen bevinden. Martin Shkreli bekritiseerde de gemelde affiniteiten als te zwak om de bredere farmaceutische implicaties te rechtvaardigen en wees op het ontbreken van moeilijke intracellulaire doelwitten.

Die kritiek maakt de laboratoriumbevinding — dat veel ontwerpen daadwerkelijk aan hun doelwit bonden — niet ongedaan. Ze begrenst wel de juiste conclusie. De proef liet zien dat Claude binnen een vastgelegde workflow een aanzienlijk aantal experimenteel bevestigde binders kan produceren. Niet dat het systeem betrouwbaar intracellulaire therapieën kan maken of bij klinisch belangrijke doelwitten beter presteert dan gevestigde methoden voor geneesmiddelenontwikkeling.

Het bewijs is bovendien deels afkomstig van Anthropic zelf. De fysieke productie en bindingsmetingen werden wel uitgevoerd door externe organisaties, wat de geloofwaardigheid versterkt. Onafhankelijke herhaling met bredere en moeilijkere doelwitten zou echter een sterkere test van de algemene toepasbaarheid zijn.

Anthropic kijkt verder dan eiwitbinders

Anthropic presenteert eiwitontwerp als één onderdeel van een grotere ambitie: een end-to-end-systeem dat verschillende soorten biologische en chemische informatie kan combineren om de ontwikkeling van geneesmiddelen te versnellen. Het bredere initiatief Claude Science koppelt onderzoeksworkflows, computertools en wetenschappelijke data-analyse. De eiwitcampagne laat zien hoe een agent zulke mogelijkheden aan experimenteel werk kan verbinden.

Anthropic zegt dat de meest geavanceerde mogelijkheden voor biowetenschappelijk onderzoek momenteel niet onbeperkt beschikbaar zijn. Een toegangsprogramma voor wetenschappers is volgens het bedrijf een prioriteit. Intussen noemt Anthropic Opus 5 het krachtigste algemeen beschikbare model voor onderzoek in de levenswetenschappen.

De praktische belofte is dus niet dat AI het laboratorium overbodig maakt. Het is eerder dat autonome systemen tijd kunnen besparen bij het onderzoeken van doelwitten, uitvoeren van software, beoordelen van kandidaten en selecteren van een relatief kleine groep ontwerpen die experimentele aandacht verdient.

Waarom de toegang beperkt blijft

De workflow heeft een duidelijk dual-use-aspect. Dezelfde mogelijkheden om biologische systemen te onderzoeken, eiwitten te ontwerpen en gespecialiseerde hulpmiddelen te coördineren kunnen nuttig onderzoek versnellen — maar ook de kennisdrempel en benodigde tijd voor schadelijk biologisch werk verlagen.

Anthropic zegt daarom dat eiwitontwerp en andere dual-use-biologische mogelijkheden op de krachtigste systemen niet algemeen beschikbaar zijn. Het bedrijf wil gecontroleerde toegang bieden aan gekwalificeerde wetenschappers en tegelijk hulp beperken die kan bijdragen aan het ontwerpen van ziekteverwekkers, werk met toxines of andere gevaarlijke biologische toepassingen.

Dat veiligheidsbeleid staat niet los van de technische resultaten. Hoe zelfstandiger een model van een biologische vraag naar kandidaat-moleculen kan gaan, hoe belangrijker het wordt om niet alleen te testen of die ontwerpen werken, maar ook wie toegang krijgt, welke waarborgen gelden en hoe het gebruik wordt gecontroleerd.

Conclusie

De demonstratie van Anthropic laat zien dat Claude Mythos Preview en Claude Opus 4.8 bestaande hulpmiddelen voor eiwitontwerp autonoom kunnen coördineren en experimenteel bevestigde binders kunnen opleveren. Afhankelijk van de proefopzet lag de gemelde hit rate tussen 22,6% en 35,1%. Van 1.320 ontwerpen bonden er 354 aan hun doelwit en voor 14 van de 15 geëvalueerde doelwitten werd ten minste één binder gevonden.

Dat is een belangrijke demonstratie van AI-ondersteund eiwitontwerp in de vroege fase. Het is geen autonoom systeem dat een geneesmiddel heeft ontwikkeld, geen oplossing voor intracellulaire targeting en geen vervanging voor optimalisatie, toxicologisch onderzoek, klinische tests en goedkeuring door toezichthouders.

De volgende test is of deze prestaties standhouden bij moeilijkere en minder bekende doelwitten — en of de mogelijkheden breed nuttig kunnen worden gemaakt zonder gevaarlijke biologische assistentie breed toegankelijk te maken.