Claude’ın protein tasarımı deneyi ilaç keşfi için ne anlama geliyor?

Anthropic’in protein tasarımı gösterimini, doğrudan “yapay zekâ ilaç buldu” şeklinde okumak yanıltıcı olur. Deneyin asıl önemi, otonom bilimsel koordinasyon kapasitesinde yatıyor: Claude Mythos Preview ve Claude Opus 4.8, biyolojik hedefleri araştırdı, tasarım stratejileri seçti, uzmanlaşmış araçları çalıştırdı, aday proteinler üretti ve laboratuvarda test edilecek tasarımları belirledi. Dış laboratuvarlarda yapılan testlerde 1.320 tasarımın 354’ü hedeflerine bağlandı.

Bu, ilaç araştırmasının en erken aşamaları için kayda değer bir ilerleme. Ancak Claude’ın bağımsız olarak bir ilaç keşfettiğini, protein tedavilerinin en zor sorunlarını çözdüğünü ya da laboratuvar ve klinik geliştirme süreçlerinin yerini alabileceğini göstermiyor.

Manşet sonuç: 15 hedefin 14’ü

Anthropic’e göre Claude, deneysel olarak değerlendirilen 15 hedefin 14’ü için en az bir çalışan protein bağlayıcısı tasarladı. Kampanyada Claude Mythos Preview ve Claude Opus 4.8 modelleri kullanıldı. Çalışmanın nasıl yürütüldüğüne bağlı olarak bildirilen başarı oranları %22,6 ile %35,1 arasında değişti. Anthropic, alandaki tipik de novo bağlayıcı tasarım oranının yaklaşık %10–15 olduğunu belirtiyor.

Laboratuvar sonuçlarının genel tablosu da benzer: 1.320 tasarımın 354’ü, hedef proteinlerine bağlandı. Bu, toplamda %26,8’lik bir başarı oranına karşılık geliyor. Değerlendirilen hedeflerden yalnızca birinde bağlayıcı elde edilemedi.

Ancak bu rakamlar evrensel bir başarı oranı olarak görülmemeli. Hedefler arasındaki sonuçlar büyük ölçüde değişti; hedef bazında oranlar %0 ile %90 arasında bildirildi. Mythos’un her hedefe ayrı ayrı 24 saat odaklandığı çalışma en yüksek oranı, yani %35,1’i verdi. Birden fazla hedefin aynı anda ele alındığı kampanyalarda oranlar daha düşüktü.

Claude gerçekte ne yaptı?

Bu deney, bir dil modelinin protein biliminin temel yöntemlerini baştan icat etmesi anlamına gelmiyor. Önce bir insan protein tasarımı uzmanı, iş akışını anlatan yaklaşık 30.000 tokenlık bir başlangıç istemi hazırladı. Claude ise bu çerçeve içinde, sonrasında sınırlı insan yönlendirmesiyle çalıştı.

Claude bu süreçte:

• seçilen hedefler hakkında araştırma yaptı;
• aday proteinlerin nerelere bağlanması gerektiğine karar verdi;
• kamuya açık yapı tahmini ve protein tasarım araçlarını kurup koordine etti;
• aday protein dizileri üretti;
• adayları filtreledi, sıraladı ve geliştirdi;
• laboratuvarda test edilecek tasarımları seçti.

Buradaki temel fark önemli: Başarı, kullanılan bütün hesaplamalı yöntemlerin Claude tarafından icat edilmesinden değil, uzun ve araç kullanan bir tasarım sürecini yönetip aday seçimi kararlarını kendisinin verebilmesinden kaynaklanıyor.

Hedef kümesinde daha önce kullanılan kıyaslama hedeflerinin yanı sıra yeni yarışma hedefleri de yer aldı. Bu durum, deneyi yalnızca yapay bir bilgisayar simülasyonundan daha anlamlı kılıyor. Yine de kıyaslama hedeflerine ilişkin önceki verilerin performansı etkilemiş olma ihtimalini tamamen ortadan kaldırmıyor.

Laboratuvar doğrulaması neden önemli?

Bir bilgisayar modeli, bir proteinin hedefe bağlanacağını öngörebilir. Fakat bu protein gerçekten üretilemeyebilir, doğru şekilde katlanmayabilir veya deney koşullarında bağlanmayabilir. Bu nedenle Anthropic, tasarımları dış laboratuvarlara gönderdi.

Adaptyv Bio, tasarımları hangi modelin ürettiğini bilmeden teslim aldı. Şirketin otomatik süreci, dijital protein dizisinden DNA sentezine, protein üretimine, bağlanma ölçümüne ve kalite kontrolüne kadar ilerledi. Bağlanma, yüzey plazmon rezonansı yöntemiyle ölçüldü ve 1.320 tasarımın 354’ünde bağlanma görüldü.

Twist Bioscience da tasarımları bağımsız biçimde üretti ve test etti. Anthropic, sonuçlar arasında en az altı hedef için yüksek afiniteli bağlayıcıların bulunduğunu; en az dört hedefte ise daha önce bildirilen en iyi afiniteye eşit veya ondan daha iyi sonuçlar elde edildiğini söylüyor.

Bu bulgular, yalnızca tahmin edilen protein yapılarına veya modelin yazdığı açıklamalara dayanan bir kıyaslamadan daha güçlü. Ancak doğrulanan şey hâlâ dar kapsamlı bir soru: Tasarlanan protein, test koşulları altında seçilen hedefe bağlanıyor mu? Bu sonuç, proteinin işe yarar bir tedavi olduğu anlamına gelmiyor.

RBX1 sonucu ve öne çıkan diğer iddialar

Anthropic’in dikkat çektiği karşılaştırmalardan biri RBX1 hedefiyle ilgili. Şirket, Claude tasarımlarında yaklaşık %40’lık bir başarı oranı elde edildiğini; önceki yarışma katılımcılarında bu oranın %3,7 olduğunu ve sisteminin bu hedefteki önceki kazanan tasarımdan daha iyi performans gösterdiğini bildirdi.

Anthropic ayrıca bazı adayların yüksek afinite gösterdiğini, hatta birkaç tasarımın daha önce yayımlanmış en iyi sonuçlardan birkaç kat daha güçlü bağlandığını belirtiyor. Bunlar umut verici bulgular olsa da tek bir kampanyadan çıkan ve büyük ölçüde şirket tarafından bildirilen sonuçlar. Protein tasarımındaki tüm görevlerde geniş kapsamlı bir üstünlüğün kanıtı olarak görülmemeli.

Protein bağlayıcı, ilaç demek değil

Protein bağlayıcı, biyolojik bir hedefe tutunmak üzere tasarlanmış moleküldür. Bu tür moleküller tedavilerde, tanı yöntemlerinde ve araştırma araçlarında kullanılabilir. Fakat bağlanma, yalnızca erken bir kilometre taşıdır.

İşe yarar bir ilaç adayı ayrıca şu özelliklere de sahip olmalıdır:

• hedefe yeterli seçicilik;
• bir biyolojik yolu engelleme veya etkinleştirme gibi işlevsel etki;
• kararlılık ve üretilebilirlik;
• ilgili dokuya ya da hücreye ulaşabilme;
• uygun farmakokinetik özellikler;
• bağışıklık sistemiyle uyumluluk;
• kabul edilebilir toksisite profili.

Anthropic de çalışmayı, ilaç benzeri moleküllere giden erken bir adım olarak tanımlıyor; uçtan uca tamamlanmış bir ilaç keşfi sonucu olarak değil. Deney klinik etkililik, insanlarda güvenlilik veya ilaç geliştirme sürecinde başarılı ilerleme göstermedi.

Başlıca sınırlamalar ve eleştiriler

Hedeflerin seçimi önemli bir sınırlama. Protein bağlayıcılar genellikle hücre dışında bulunan ve erişilmesi daha kolay hedefler için, hücre içinde çalışan proteinlere kıyasla daha pratik. Martin Shkreli, bildirilen afinitelerin daha geniş ilaç endüstrisi iddialarını desteklemek için düşük kaldığını ve zor hücre içi hedeflerin çalışmada bulunmadığını savundu.

Bu eleştiriler, tasarımların önemli bölümünün laboratuvarda hedeflerine bağlandığı bulgusunu geçersiz kılmıyor. Ancak çıkarılabilecek sonucu daraltıyor: Deney, Claude’ın belirli bir iş akışı altında deneysel olarak doğrulanmış çok sayıda bağlayıcı üretebildiğini gösterdi. Sistemin güvenilir biçimde hücre içi tedaviler oluşturabildiğini veya klinik açıdan önemli hedeflerde geleneksel ilaç geliştirme yöntemlerini geride bıraktığını göstermedi.

Kanıtların bir bölümü de şirket tarafından sunuluyor. Fiziksel üretim ve deneyler dış kuruluşlarca gerçekleştirildiği için sonuçların güvenilirliği artıyor; ancak daha geniş ve daha zor hedef kümelerinde yapılacak bağımsız tekrarlar, bulgunun genellenebilirliğini daha güçlü biçimde sınayacaktır.

Anthropic’in daha geniş ilaç geliştirme hedefi

Anthropic, protein bağlayıcı tasarımını daha büyük bir hedefin parçası olarak görüyor: ilaç geliştirmeyi hızlandırabilecek, farklı veri ve molekül türleriyle çalışabilen uçtan uca bir sistem. Şirketin daha geniş Claude Science girişimi araştırma iş akışlarını, hesaplama araçlarını ve bilimsel veri analizini bir araya getiriyor. Protein kampanyası ise bir yapay zekâ aracısının bu yetenekleri deneysel çalışmaya nasıl bağlayabileceğini gösteriyor.

Anthropic, yaşam bilimleri alanındaki en gelişmiş yeteneklerinin şu anda sınırsız kullanıma açık olmadığını belirtiyor. Şirket, bilim insanları için bir erişim programı başlatmayı öncelik olarak tanımladı ve Opus 5’in yaşam bilimleri araştırmalarında genel kullanıma açık en yetenekli modeli olduğunu söylüyor.

Buradaki pratik vaat, yapay zekânın laboratuvarı ortadan kaldırması değil. Amaç; hedef araştırması yapma, yazılımları çalıştırma, adayları eleme ve binlerce olası tasarım arasından deneysel olarak incelenmeye değer daha küçük bir grubu seçme gibi işlerde harcanan zamanı azaltmak.

Bu yeteneklere neden kısıtlama getiriliyor?

Bu iş akışının çift kullanımlı bir boyutu var. Biyolojik sistemleri araştırma, protein tasarlama ve uzman araçlarını koordine etme becerisi yararlı bilimsel çalışmaları hızlandırabileceği gibi, zararlı biyolojik faaliyetler için gereken uzmanlık ve süreyi de azaltabilir.

Anthropic, protein tasarımı ve diğer çift kullanımlı biyoloji araştırması yeteneklerinin en güçlü sistemlerinde genel erişime kapalı tutulduğunu söylüyor. Şirket, nitelikli bilim insanlarına kontrollü veya güvenilir erişim sağlamayı hedefliyor. Belirtilen zorluk; meşru tedavi araştırmalarını desteklerken patojen mühendisliği, toksinlerle ilgili çalışmalar veya başka tehlikeli biyolojik faaliyetlere katkı sağlayabilecek yardımları sınırlamak.

Bu politika, teknik sonuçtan ayrı düşünülemez. Bir model biyolojik bir sorudan aday moleküler tasarımlara ne kadar bağımsız ilerleyebiliyorsa, yalnızca tasarımların işe yarayıp yaramadığını değil; iş akışına kimlerin erişebildiğini, hangi güvenlik önlemlerinin uygulandığını ve kullanımın nasıl izlendiğini de değerlendirmek o kadar önemli hale geliyor.

Sonuç

Anthropic’in gösterimi, Claude Mythos Preview ve Claude Opus 4.8’in mevcut protein tasarım araçlarını bağımsız biçimde koordine ederek, bildirilen %22,6–%35,1 aralığında başarı oranıyla laboratuvarda doğrulanmış bağlayıcılar üretebildiğini ortaya koydu. Toplam 1.320 tasarımın 354’ü hedeflerine bağlandı ve 15 değerlendirilebilir hedefin 14’ünde en az bir bağlayıcı elde edildi.

Bu, yapay zekâ destekli erken protein tasarımı için önemli bir kanıt noktası. Ancak otonom bir ilaç keşif sistemi, hücre içi hedefleme sorununun çözümü veya optimizasyon, toksikoloji, klinik deneyler ve düzenleyici inceleme gibi uzun süreçlerin alternatifi değil.

Bir sonraki kritik sınav, bu sonuçların daha zor ve daha az bilinen hedeflerde tekrarlanıp tekrarlanamayacağı. Bunun kadar önemli bir diğer soru da şu: Bu yetenekler, tehlikeli biyolojik yardımları herkes için erişilebilir hâle getirmeden ne ölçüde yaygın ve güvenli biçimde kullanılabilir?