Claude ออกแบบโปรตีนจับเป้าหมายได้ 14 จาก 15 ชนิด: ความก้าวหน้าจริง หรือยังห่างไกลจากการค้นพบยา?

การสาธิตครั้งนี้เป็นหลักฐานที่น่าเชื่อถือว่าโมเดล AI อเนกประสงค์ระดับแนวหน้าสามารถดำเนินแคมเปญออกแบบโปรตีนจับเป้าหมายในระยะเริ่มต้นได้อย่างเป็นระบบและให้ผลผลิตจริง แต่ยังไม่ใช่หลักฐานว่า Claude สามารถค้นพบ ปรับปรุง หรือพัฒนายาเพื่อใช้กับผู้ป่วยได้โดยอัตโนมัติ ข้ออ้างหลักมาจาก Anthropic ขณะที่การผลิตโปรตีนและการทดสอบการจับเกิดขึ้นในห้องแล็บภายนอก

ผลงานของโมเดล: ทำได้ดี แต่ไม่ได้เก่งสม่ำเสมอทุกเป้าหมาย

Claude Mythos Preview และ Claude Opus 4.8 ออกแบบโปรตีนจับเป้าหมายสำเร็จ 14 จาก 15 เป้าหมายที่นำไปประเมินด้วยการทดลองจริง

ในการทดลองที่ให้โมเดลทำงานกับหลายเป้าหมายพร้อมกันภายใน 48 ชั่วโมง Mythos มีอัตราการพบโปรตีนที่จับเป้าหมายได้ 26.7% ส่วน Opus 4.8 อยู่ที่ 22.6% เทียบกับค่าทั่วไป 10–15% ที่ Anthropic ระบุว่าเป็นระดับปกติของวงการ เมื่อให้ Mythos ทำงานกับเป้าหมายแต่ละชนิดแยกกันเป็นเวลา 24 ชั่วโมง อัตราดังกล่าวเพิ่มเป็น 35.1%

อย่างไรก็ตาม ผลลัพธ์รายเป้าหมายแตกต่างกันอย่างมาก ตั้งแต่ 0% ถึง 90% ดังนั้นตัวเลขรวมจึงไม่ควรถูกตีความว่า Claude มีความสามารถสม่ำเสมอในการออกแบบโปรตีนสำหรับทุกชนิดของเป้าหมาย

การตรวจสอบในห้องแล็บแข็งแรงกว่าการทดสอบบนคอมพิวเตอร์

จากโปรตีนที่ Claude ออกแบบ 1,320 ชนิด มี 354 ชนิดจับกับเป้าหมายที่กำหนดได้ คิดเป็น 26.8% โดยเป้าหมาย MBP เป็นเพียงชนิดเดียวที่ไม่พบโปรตีนจับเป้าหมายเลย

การตรวจสอบไม่ได้หยุดอยู่ที่การจำลองด้วยคอมพิวเตอร์ โดย Adaptyv Bio รับแบบโปรตีนโดยไม่ทราบว่าแบบใดมาจากระบบไหน จากนั้นสังเคราะห์ดีเอ็นเอ ผลิตโปรตีน และวัดการจับด้วยเทคนิค surface plasmon resonance หรือ SPR ซึ่งเป็นวิธีมาตรฐานสำหรับศึกษาปฏิสัมพันธ์ระหว่างโมเลกุล พร้อมทำการทดลองซ้ำและควบคุมคุณภาพ นอกจากนี้ Twist Bioscience ยังผลิตและทดสอบแบบโปรตีนแยกอย่างเป็นอิสระ

กระบวนการนี้ทำให้ผลการทดลองมีน้ำหนักมากกว่าคะแนนจากเบนช์มาร์กเชิงคอมพิวเตอร์เพียงอย่างเดียว แต่สิ่งที่ได้รับการยืนยันคือ “การจับกับเป้าหมาย” ไม่ใช่ประสิทธิผลในการรักษา

Claude ทำอะไรในกระบวนการนี้

ผู้เชี่ยวชาญด้านการออกแบบโปรตีนเป็นผู้จัดทำพรอมต์ตั้งต้นความยาวประมาณ 30,000 โทเคน หลังจากนั้น Claude มีบทบาทด้วยการค้นคว้าข้อมูลเกี่ยวกับเป้าหมาย เลือกบริเวณที่ต้องการให้โปรตีนเข้าไปจับ เรียกใช้และประสานงานเครื่องมือเฉพาะทางที่เปิดให้สาธารณะใช้ เช่น เครื่องมือทำนายโครงสร้างและออกแบบโปรตีน ตลอดจนสร้าง คัดกรอง และจัดอันดับผู้สมัคร

พูดอีกแบบคือ จุดเด่นของการสาธิตไม่ได้อยู่ที่การให้โมเดล “เดาคำตอบ” เพียงครั้งเดียว แต่เป็นการให้โมเดลจัดการเวิร์กโฟลว์หลายขั้นตอนด้วยตัวเอง โดยมีมนุษย์เข้ามาแทรกแซงน้อยมาก

การทดลองเน้นเป้าหมายที่ใช้เป็นเบนช์มาร์กกันอยู่แล้ว รวมถึงเป้าหมายใหม่อีกสองชนิดจากการแข่งขัน เพื่อช่วยลดความเป็นไปได้ที่ผลลัพธ์จะเกิดจากการเลียนแบบตัวอย่างที่รู้จักกันล่วงหน้า

ผลลัพธ์ที่โดดเด่นที่สุด

Anthropic ระบุว่าพบโปรตีนจับเป้าหมายที่มีความสามารถในการจับสูงกับอย่างน้อยหกเป้าหมาย และอย่างน้อยสี่เป้าหมายให้ผลเทียบเท่าหรือดีกว่าค่าความแน่นในการจับที่เคยรายงานไว้ก่อนหน้านี้ โปรตีนบางแบบที่ทำผลงานดีที่สุดมีรายงานว่าสามารถจับได้แน่นกว่าผลงานตีพิมพ์ที่ดีที่สุดก่อนหน้าอยู่หลายเท่า

ในกรณีเป้าหมาย RBX1 อัตราการพบโปรตีนจับเป้าหมายของ Claude อยู่ที่ประมาณ 40% เทียบกับ 3.7% ของผู้เข้าร่วมการแข่งขันก่อนหน้า และยังทำผลงานเหนือกว่าแบบที่เคยชนะการแข่งขันดังกล่าวด้วย

“โปรตีนจับเป้าหมาย” ยังไม่ใช่ “ยา”

โปรตีนจับเป้าหมาย หรือ binder คือโปรตีนขนาดเล็กที่ออกแบบให้เกาะกับโมเลกุลหรือโปรตีนเป้าหมาย สิ่งนี้อาจเป็นจุดเริ่มต้นที่มีประโยชน์สำหรับการพัฒนายา การวินิจฉัยโรค และสารรีเอเจนต์สำหรับงานวิจัย

แต่ความสามารถในการจับเพียงอย่างเดียวไม่ได้พิสูจน์ว่าโปรตีนนั้นจะเลือกจับเป้าหมายได้ถูกต้อง มีผลต่อการทำงานของเซลล์ มีความคงตัว เข้าถึงอวัยวะที่ต้องการได้ มีคุณสมบัติทางเภสัชจลนศาสตร์เหมาะสม ไม่กระตุ้นภูมิคุ้มกัน ไม่เป็นพิษ ผลิตในระดับอุตสาหกรรมได้ หรือใช้รักษาผู้ป่วยได้จริง

Anthropic เองจึงอธิบายการทดลองนี้ว่าเกี่ยวข้องกับระยะเริ่มต้นของการพัฒนายา ไม่ใช่ระบบค้นพบยาที่เสร็จสมบูรณ์ตั้งแต่ต้นจนจบ

คำวิจารณ์: ความแรงในการจับและเป้าหมายภายในเซลล์

Martin Shkreli วิจารณ์ว่าค่าความแน่นในการจับของโปรตีนหลายแบบยังอ่อนเกินไปเมื่อเทียบกับนัยยะทางเภสัชกรรมที่ถูกสื่อออกมา และโครงการมุ่งเน้นเป้าหมายนอกเซลล์ ซึ่งโดยทั่วไปเหมาะกับการใช้โปรตีนจับเป้าหมายมากกว่าเป้าหมายที่อยู่ภายในเซลล์

ข้อวิจารณ์ดังกล่าวเป็นข้อจำกัดที่มีสาระสำคัญ แม้จะไม่ได้ลบล้างข้อค้นพบเชิงการวัดว่าโปรตีนจำนวนมากที่ Claude ออกแบบสามารถจับกับเป้าหมายได้จริง

ความทะเยอทะยานที่กว้างกว่าการออกแบบโปรตีน

Anthropic มองว่าการออกแบบโปรตีนจับเป้าหมายและการวิเคราะห์ข้อมูลเคมีเป็นส่วนประกอบของความพยายามระยะยาวที่จะเร่งกระบวนการพัฒนายาแบบครบวงจรและรองรับข้อมูลหลายรูปแบบ บริษัทระบุด้วยว่าอุปสรรคที่เหลืออยู่จำนวนมากเป็นเรื่องการดำเนินงานและนโยบาย ไม่ได้จำกัดอยู่ที่ความสามารถของโมเดลเพียงอย่างเดียว

ปัจจุบันความสามารถด้านชีววิทยาที่ล้ำหน้าที่สุดของ Anthropic ยังถูกจำกัดการเข้าถึง บริษัทระบุว่าตั้งใจสร้างโครงการให้เข้าถึงโดยนักวิทยาศาสตร์ที่ผ่านการคัดกรอง ขณะที่ Opus 5 ถูกระบุว่าเป็นโมเดลที่เปิดให้ใช้งานทั่วไปและมีความสามารถสูงสุดสำหรับงานด้านวิทยาศาสตร์ชีวภาพ

ความปลอดภัย: เครื่องมือเดียวกันอาจใช้ได้ทั้งงานดีและงานอันตราย

เวิร์กโฟลว์อัตโนมัติแบบเดียวกับที่ช่วยเร่งการออกแบบโปรตีนเพื่อการรักษา อาจลดทั้งความเชี่ยวชาญและเวลาที่จำเป็นสำหรับงานชีววิทยาที่เป็นอันตรายได้เช่นกัน นี่คือความเสี่ยงแบบ “การใช้งานสองทาง” หรือ dual use

ด้วยเหตุนี้ Anthropic จึงจำกัดงานวิจัยชีววิทยาขั้นสูงบนโมเดลที่มีความสามารถสูงที่สุด และส่งสัญญาณว่าจะเลือกการเข้าถึงแบบควบคุมหรือผ่านการตรวจสอบ มากกว่าการเปิดให้ใช้อย่างกว้างขวาง ความท้าทายด้านธรรมาภิบาลคือการเปิดทางให้นักวิจัยทำงานด้านการรักษาได้ ขณะเดียวกันก็ป้องกันการช่วยเหลืองานวิศวกรรมเชื้อก่อโรค งานเกี่ยวกับสารพิษ หรือกิจกรรมชีววิทยาแบบสองทางประเภทอื่น

สรุป

การทดลองนี้แสดงให้เห็นว่า Claude สามารถประสานงานเครื่องมือออกแบบโปรตีนที่มีอยู่แล้วและดำเนินกระบวนการหลายขั้นตอนได้อย่างมีประสิทธิภาพ พร้อมให้อัตราการพบโปรตีนที่จับเป้าหมายได้สูงกว่าค่าพื้นฐานที่ Anthropic อ้างถึง และผ่านการตรวจสอบในห้องแล็บจริง

แต่ยังไม่ใช่การสาธิตว่า AI สร้างยาได้เอง ไม่ได้แก้ปัญหาการนำโปรตีนเข้าไปทำงานภายในเซลล์ และไม่ได้ตัดทอนเส้นทางการทดลองและการกำกับดูแลที่ยาวนานจาก “โปรตีนจับเป้าหมาย” ไปสู่ “ยาที่ใช้กับมนุษย์ได้”