Claude criou proteínas que se ligaram a 14 de 15 alvos — mas isso ainda não é um medicamento

O experimento da Anthropic com design de proteínas deve ser entendido principalmente como um teste de coordenação autônoma de pesquisa científica. Os modelos Claude Mythos Preview e Claude Opus 4.8 pesquisaram alvos biológicos, escolheram estratégias de design, executaram ferramentas especializadas, geraram proteínas candidatas e decidiram quais projetos seriam enviados para testes. Em laboratórios externos, 354 das 1.320 proteínas projetadas se ligaram aos alvos pretendidos.

O resultado é relevante para as etapas iniciais da descoberta de medicamentos. Mas não prova que Claude tenha descoberto um remédio de forma independente, resolvido os desafios mais difíceis das terapias proteicas ou substituído o desenvolvimento pré-clínico e clínico.

O resultado principal: 14 de 15 alvos

A Anthropic afirma que Claude criou pelo menos um ligante funcional para 14 dos 15 alvos avaliados experimentalmente. Os modelos usados na campanha foram o Claude Mythos Preview e o Claude Opus 4.8. Dependendo da configuração do trabalho, as taxas de acerto ficaram entre 22,6% e 35,1%, contra uma referência de aproximadamente 10% a 15% para esse tipo de design de ligantes de novo, segundo a própria Anthropic.

O resultado agregado nos laboratórios foi semelhante: 354 dos 1.320 projetos se ligaram aos alvos pretendidos, o equivalente a uma taxa geral de 26,8%. Apenas um dos alvos avaliados não produziu nenhum ligante.

Esses números não devem ser interpretados como uma taxa universal de sucesso. O desempenho variou muito entre os alvos, com resultados individuais que foram de zero a 90%. Em uma execução concentrada, na qual o Mythos trabalhou em alvos individuais durante 24 horas, a taxa chegou ao máximo divulgado, de 35,1%. Campanhas que trataram vários alvos simultaneamente tiveram desempenho inferior.

O que Claude realmente fez

O experimento não consistiu em um modelo de linguagem inventando sozinho uma nova área da ciência de proteínas. Primeiro, um especialista humano em design proteico forneceu um prompt de aproximadamente 30 mil tokens, descrevendo o fluxo de trabalho. A partir desse ponto, Claude operou com pouca orientação humana adicional.

Dentro dessa estrutura, Claude:

• pesquisou os alvos selecionados;
• escolheu onde as proteínas candidatas deveriam se ligar;
• instalou e coordenou ferramentas públicas de previsão estrutural e design de proteínas;
• gerou sequências candidatas;
• filtrou, classificou e refinou os projetos; e
• selecionou as proteínas que seriam enviadas para os testes de laboratório.

Essa distinção é importante. O feito central foi a capacidade de administrar um processo longo, com uso de várias ferramentas, e tomar as decisões de seleção de candidatos. Claude não inventou todos os métodos computacionais usados na campanha.

O conjunto de alvos incluiu referências já estabelecidas e alvos mais recentes de competições. Isso torna o resultado mais informativo do que um exercício puramente computacional, embora não elimine a possibilidade de que a familiaridade com alguns benchmarks tenha influenciado o desempenho.

Por que a validação em laboratório importa

Um modelo pode prever que uma proteína deveria se ligar a determinado alvo sem que ela consiga ser produzida, adquirir a estrutura correta ou apresentar ligação em um ensaio real. Por isso, a Anthropic enviou os projetos para parceiros externos.

A Adaptyv Bio recebeu as sequências sem saber qual modelo havia produzido cada uma. Seu processo automatizado foi da sequência digital à síntese do DNA, à expressão das proteínas, à medição da ligação e ao controle de qualidade. A empresa usou ressonância plasmônica de superfície para medir as interações e encontrou 354 ligantes entre 1.320 projetos.

A Twist Bioscience também produziu e testou os projetos de forma independente. Segundo a Anthropic, os resultados incluíram ligantes de alta afinidade para pelo menos seis alvos e proteínas que igualaram ou superaram a melhor afinidade relatada anteriormente para pelo menos quatro deles.

Isso é uma evidência mais forte do que um benchmark baseado apenas em estruturas previstas ou explicações escritas pelo modelo. Ainda assim, a validação responde a uma pergunta específica: a proteína projetada se liga ao alvo escolhido nas condições do teste? Ela não demonstra que a proteína seja uma terapia útil.

O caso do RBX1 e outros resultados de destaque

Uma das comparações mais expressivas divulgadas pela Anthropic envolveu o alvo RBX1. A empresa relatou uma taxa de acerto de aproximadamente 40% para os projetos de Claude, contra 3,7% entre participantes de competições anteriores, além de afirmar que seu sistema superou o design vencedor anterior para esse alvo.

A Anthropic também relatou resultados de afinidade excepcionalmente fortes em alguns candidatos, incluindo proteínas que se ligaram várias vezes mais fortemente do que os melhores resultados publicados anteriormente. São dados promissores, mas continuam sendo resultados divulgados pela própria empresa em uma única campanha — não uma prova de superioridade ampla em todas as tarefas de design proteico.

Um ligante não é um medicamento

Um ligante proteico é uma molécula projetada para se prender a um alvo biológico. Isso pode ser útil em medicamentos, diagnósticos e reagentes de pesquisa, mas a ligação é apenas um dos primeiros marcos do desenvolvimento.

Um candidato viável a medicamento também pode precisar apresentar:

• seletividade adequada para o alvo pretendido;
• efeito funcional, como bloquear ou ativar uma via biológica;
• estabilidade e possibilidade de fabricação em escala;
• capacidade de chegar ao tecido ou à célula relevante;
• propriedades farmacocinéticas adequadas;
• compatibilidade com o sistema imunológico; e
• perfil de toxicidade aceitável.

A própria Anthropic descreve o trabalho como uma etapa inicial na direção de moléculas semelhantes a medicamentos, e não como um resultado completo de descoberta de fármacos. A campanha não demonstrou eficácia clínica, segurança em seres humanos ou avanço bem-sucedido pelas etapas de desenvolvimento.

Limitações e críticas

A seleção dos alvos é uma limitação importante. Em geral, é mais prático criar ligantes proteicos para alvos extracelulares e acessíveis do que para proteínas que atuam dentro das células. Martin Shkreli criticou as afinidades divulgadas, que considerou fracas para sustentar as implicações farmacêuticas mais amplas, e chamou atenção para a ausência de alvos intracelulares difíceis.

Essas críticas não anulam o achado experimental de que muitos projetos conseguiram se ligar aos alvos. Elas, porém, restringem a conclusão adequada. O experimento mostrou que Claude pode produzir uma quantidade relevante de ligantes confirmados em laboratório dentro de um fluxo de trabalho definido. Não mostrou que o sistema consiga criar terapias intracelulares de forma confiável ou superar métodos consolidados de desenvolvimento de medicamentos em alvos clinicamente importantes.

As evidências também continuam sendo parcialmente divulgadas pela empresa. A síntese física e os ensaios foram realizados por organizações externas, o que aumenta a credibilidade do resultado, mas replicações independentes em conjuntos mais amplos e difíceis de alvos seriam necessárias para testar melhor sua generalização.

A ambição mais ampla da Anthropic para o desenvolvimento de medicamentos

A Anthropic apresenta o design de ligantes proteicos como uma parte de uma ambição maior: criar um sistema de ponta a ponta e capaz de trabalhar com diferentes modalidades para acelerar o desenvolvimento de medicamentos e analisar dados químicos e biológicos. O esforço Claude Science combina fluxos de pesquisa, ferramentas computacionais e análise de dados científicos, enquanto a campanha de proteínas demonstra como um agente poderia conectar essas capacidades ao trabalho experimental.

A empresa afirma que seus recursos mais avançados para ciências da vida não estão disponíveis atualmente para uso irrestrito. A Anthropic identificou um programa de acesso para cientistas como uma prioridade e diz que o Opus 5 é, no momento, seu modelo geralmente disponível mais capaz para pesquisas em ciências da vida.

A promessa prática não é eliminar o laboratório. É reduzir o tempo gasto pesquisando alvos, executando softwares, fazendo a triagem de candidatos e decidindo quais poucos projetos merecem atenção experimental.

Por que os recursos são restritos

Esse fluxo de trabalho tem uma dimensão de uso duplo. A mesma capacidade de pesquisar sistemas biológicos, projetar proteínas e coordenar ferramentas especializadas pode apoiar pesquisas benéficas — ou reduzir o conhecimento e o tempo necessários para atividades biológicas nocivas.

A Anthropic afirma que o design de proteínas e outros recursos de pesquisa biológica de uso duplo continuam indisponíveis para acesso geral em seus sistemas mais avançados. A empresa pretende oferecer acesso controlado ou confiável a cientistas qualificados. O desafio declarado é apoiar pesquisas terapêuticas legítimas e, ao mesmo tempo, limitar orientações que possam contribuir para engenharia de patógenos, trabalho relacionado a toxinas ou outras aplicações biológicas perigosas.

Essa política está diretamente ligada ao resultado técnico. Quanto mais autonomamente um modelo consegue passar de uma pergunta biológica a projetos moleculares candidatos, mais importante se torna avaliar não apenas se os projetos funcionam, mas também quem pode acessar o fluxo de trabalho, quais salvaguardas existem e como o uso é monitorado.

Conclusão

A demonstração da Anthropic mostrou que Claude Mythos Preview e Claude Opus 4.8 conseguem coordenar autonomamente ferramentas existentes de design proteico e produzir ligantes confirmados em laboratório, com taxas divulgadas entre 22,6% e 35,1%. Entre 1.320 projetos, 354 se ligaram aos alvos, e 14 dos 15 alvos avaliados produziram pelo menos um ligante.

É um resultado importante para o design proteico assistido por IA nas fases iniciais da pesquisa. Mas não representa um sistema autônomo de descoberta de medicamentos, não resolve o desafio dos alvos intracelulares e não substitui o longo caminho de otimização, estudos toxicológicos, testes clínicos e aprovação regulatória.

O próximo teste será saber se esses resultados se repetem em alvos mais difíceis e menos conhecidos — e se essas capacidades poderão ser úteis em larga escala sem tornar igualmente amplo o acesso a assistência biológica perigosa.