Коли Mythos працював із кожною мішенню окремо в межах 24-годинних запусків, результат сягнув 35,1%. Однак показники для різних мішеней дуже відрізнялися — від 0% до 90%. Тому середній результат не варто трактувати як універсальну здатність моделі однаково добре працювати з будь-яким білком.

Загалом із 1320 розроблених білків 354 зв’язалися з потрібними мішенями — це 26,8%. Єдиною мішенню, для якої не знайшли жодного зв’язувача, був MBP.

Як проходила перевірка в лабораторії

Claude не обмежувався комп’ютерним моделюванням. Adaptyv Bio отримала проєкти анонімно, синтезувала відповідні фрагменти ДНК, виробила білки та виміряла їхнє зв’язування за допомогою поверхневого плазмонного резонансу. Тести проводилися з повтореннями та контролем якості. Окремо Twist Bioscience також виробила й перевірила частину розробок.

Це значно сильніша перевірка, ніж суто обчислювальний бенчмарк: білки справді створили фізично й протестували в лабораторії. Але вона підтверджує лише факт зв’язування з мішенню, а не терапевтичну ефективність.

Що саме робив Claude

Процес розпочинався з початкового запиту обсягом приблизно 30 000 токенів, який підготував фахівець із дизайну білків. Після цього участь людини була мінімальною: Claude досліджував мішені, обирав потенційні ділянки зв’язування, запускав і координував загальнодоступні інструменти для прогнозування структури та дизайну білків, генерував кандидатів, а потім фільтрував і ранжував їх.

Кампанія охоплювала відомі тестові мішені, а також дві новіші мішені з конкурсів. За задумом Anthropic, це мало зменшити ймовірність того, що модель просто відтворювала вже відомі приклади.

Найцікавіші результати

Anthropic повідомляє про високoафінні зв’язувачі щонайменше для шести мішеней. Для щонайменше чотирьох результати відповідали або перевищували раніше опубліковані показники спорідненості. Деякі найкращі розробки, за даними компанії, зв’язувалися з мішенями в кілька разів міцніше, ніж найкращі опубліковані раніше варіанти.

Для RBX1 заявлений Claude показник влучань становив близько 40% — проти 3,7% у попередніх учасників конкурсу. Anthropic також стверджує, що модель перевершила дизайн, який раніше переміг у цьому конкурсі.

Чому «зв’язувач» — це ще не ліки

Білок-зв’язувач — це невеликий білок, сконструйований так, щоб приєднуватися до певної мішені. Такі молекули можуть стати основою для майбутніх ліків, діагностичних тестів або дослідницьких реагентів.

Проте сама спорідненість із мішенню не доводить:

• вибірковість дії;
• потрібний біологічний ефект;
• стабільність у живому організмі;
• здатність потрапити до потрібної тканини чи клітини;
• сприятливу фармакокінетику;
• відсутність імуногенності та токсичності;
• можливість масового виробництва;
• клінічну користь для пацієнтів.

Anthropic прямо описує експеримент як роботу на ранніх етапах розробки ліків, а не як готову автономну систему відкриття препаратів.

Які обмеження називають критики

Мартін Шкрелі заявив, що спорідненість багатьох отриманих білків може бути недостатньою для фармацевтичних висновків, які потенційно випливають із презентації. Він також звернув увагу на те, що програма зосереджувалася на позаклітинних мішенях — для них білкові зв’язувачі практичніші, ніж для складніших внутрішньоклітинних мішеней.

Це суттєві застереження, однак вони не скасовують вимірюваного результату: значна частина розроблених білків справді зв’язалася з відповідними мішенями.

Які плани має Anthropic у фармацевтиці

Anthropic розглядає дизайн білків і аналіз хімічних даних як складові майбутнього наскрізного процесу, який охоплюватиме різні типи молекул і має прискорити розробку ліків. Компанія також вважає, що багато подальших бар’єрів пов’язані не лише зі здатностями моделей, а й з організацією роботи та правилами доступу.

Найпотужніші біологічні можливості Anthropic наразі обмежені. Компанія заявляла про намір створити програму доступу для перевірених науковців і організацій, тоді як Opus 5 називає найсильнішою загальнодоступною моделлю для роботи з науками про життя.

Чому це має значення для безпеки

Той самий автономний робочий процес, який може пришвидшити корисний дизайн білків, потенційно здатен зменшити рівень спеціальних знань і час, необхідні для небезпечних біологічних досліджень.

Тому Anthropic обмежує складні завдання з біологічних досліджень на найпотужніших моделях і виступає за контрольований або перевірений доступ, а не за необмежене поширення таких можливостей. Головний виклик для управління ризиками — дозволити легітимні дослідження нових методів лікування, водночас не допомагаючи зі створенням патогенів, роботою з токсинами чи іншими небезпечними напрямами подвійного використання.

Висновок

Експеримент показав незвично ефективну автономну координацію вже наявних інструментів дизайну білків і рівень лабораторно підтверджених влучань, що помітно перевищує заявлений базовий показник галузі.

Але Claude не продемонстрував автономного створення ліків, не розв’язав проблему внутрішньоклітинних мішеней і не скоротив довгий шлях від білка-зв’язувача до безпечного препарату. Найточніше трактувати цей результат як сильний доказ того, що AI може прискорити ранній етап біомедичних досліджень — а не як готову революцію у фармацевтиці.

Коли Mythos працював із кожною мішенню окремо в межах 24-годинних запусків, результат сягнув 35,1%. Однак показники для різних мішеней дуже відрізнялися — від 0% до 90%. Тому середній результат не варто трактувати як універсальну здатність моделі однаково добре працювати з будь-яким білком.

Загалом із 1320 розроблених білків 354 зв’язалися з потрібними мішенями — це 26,8%. Єдиною мішенню, для якої не знайшли жодного зв’язувача, був MBP.

Як проходила перевірка в лабораторії

Claude не обмежувався комп’ютерним моделюванням. Adaptyv Bio отримала проєкти анонімно, синтезувала відповідні фрагменти ДНК, виробила білки та виміряла їхнє зв’язування за допомогою поверхневого плазмонного резонансу. Тести проводилися з повтореннями та контролем якості. Окремо Twist Bioscience також виробила й перевірила частину розробок.

Це значно сильніша перевірка, ніж суто обчислювальний бенчмарк: білки справді створили фізично й протестували в лабораторії. Але вона підтверджує лише факт зв’язування з мішенню, а не терапевтичну ефективність.

Що саме робив Claude

Процес розпочинався з початкового запиту обсягом приблизно 30 000 токенів, який підготував фахівець із дизайну білків. Після цього участь людини була мінімальною: Claude досліджував мішені, обирав потенційні ділянки зв’язування, запускав і координував загальнодоступні інструменти для прогнозування структури та дизайну білків, генерував кандидатів, а потім фільтрував і ранжував їх.

Кампанія охоплювала відомі тестові мішені, а також дві новіші мішені з конкурсів. За задумом Anthropic, це мало зменшити ймовірність того, що модель просто відтворювала вже відомі приклади.

Найцікавіші результати

Anthropic повідомляє про високoафінні зв’язувачі щонайменше для шести мішеней. Для щонайменше чотирьох результати відповідали або перевищували раніше опубліковані показники спорідненості. Деякі найкращі розробки, за даними компанії, зв’язувалися з мішенями в кілька разів міцніше, ніж найкращі опубліковані раніше варіанти.

Для RBX1 заявлений Claude показник влучань становив близько 40% — проти 3,7% у попередніх учасників конкурсу. Anthropic також стверджує, що модель перевершила дизайн, який раніше переміг у цьому конкурсі.

Чому «зв’язувач» — це ще не ліки

Білок-зв’язувач — це невеликий білок, сконструйований так, щоб приєднуватися до певної мішені. Такі молекули можуть стати основою для майбутніх ліків, діагностичних тестів або дослідницьких реагентів.

Проте сама спорідненість із мішенню не доводить:

• вибірковість дії;
• потрібний біологічний ефект;
• стабільність у живому організмі;
• здатність потрапити до потрібної тканини чи клітини;
• сприятливу фармакокінетику;
• відсутність імуногенності та токсичності;
• можливість масового виробництва;
• клінічну користь для пацієнтів.

Anthropic прямо описує експеримент як роботу на ранніх етапах розробки ліків, а не як готову автономну систему відкриття препаратів.

Які обмеження називають критики

Мартін Шкрелі заявив, що спорідненість багатьох отриманих білків може бути недостатньою для фармацевтичних висновків, які потенційно випливають із презентації. Він також звернув увагу на те, що програма зосереджувалася на позаклітинних мішенях — для них білкові зв’язувачі практичніші, ніж для складніших внутрішньоклітинних мішеней.

Це суттєві застереження, однак вони не скасовують вимірюваного результату: значна частина розроблених білків справді зв’язалася з відповідними мішенями.

Які плани має Anthropic у фармацевтиці

Anthropic розглядає дизайн білків і аналіз хімічних даних як складові майбутнього наскрізного процесу, який охоплюватиме різні типи молекул і має прискорити розробку ліків. Компанія також вважає, що багато подальших бар’єрів пов’язані не лише зі здатностями моделей, а й з організацією роботи та правилами доступу.

Найпотужніші біологічні можливості Anthropic наразі обмежені. Компанія заявляла про намір створити програму доступу для перевірених науковців і організацій, тоді як Opus 5 називає найсильнішою загальнодоступною моделлю для роботи з науками про життя.

Чому це має значення для безпеки

Той самий автономний робочий процес, який може пришвидшити корисний дизайн білків, потенційно здатен зменшити рівень спеціальних знань і час, необхідні для небезпечних біологічних досліджень.

Тому Anthropic обмежує складні завдання з біологічних досліджень на найпотужніших моделях і виступає за контрольований або перевірений доступ, а не за необмежене поширення таких можливостей. Головний виклик для управління ризиками — дозволити легітимні дослідження нових методів лікування, водночас не допомагаючи зі створенням патогенів, роботою з токсинами чи іншими небезпечними напрямами подвійного використання.

Висновок

Експеримент показав незвично ефективну автономну координацію вже наявних інструментів дизайну білків і рівень лабораторно підтверджених влучань, що помітно перевищує заявлений базовий показник галузі.

Але Claude не продемонстрував автономного створення ліків, не розв’язав проблему внутрішньоклітинних мішеней і не скоротив довгий шлях від білка-зв’язувача до безпечного препарату. Найточніше трактувати цей результат як сильний доказ того, що AI може прискорити ранній етап біомедичних досліджень — а не як готову революцію у фармацевтиці.