Claude自主设计蛋白质：14个靶点成功背后，离“自动研发药物”还有多远？

验证流程并非只停留在计算机模拟阶段。Adaptyv Bio以匿名方式接收Claude生成的设计，负责合成DNA、表达蛋白质，并通过表面等离子共振技术检测结合情况；实验还包含重复测试和质量控制。Twist Bioscience则独立完成了另一批设计的制备和检测。

这使该实验比单纯的计算机基准测试更有说服力。但实验验证的仍然是“是否与目标结合”，而不是“是否能成为药物”。

Claude究竟做了什么？

这项实验并不是把一个简短指令交给模型，然后等待它直接输出一款药物。人类蛋白质设计专家首先提供了大约3万词的初始提示。在此基础上，Claude只接受极少的进一步人工干预，完成了以下工作：

• 研究各个蛋白质靶点；
• 选择可能的结合位点；
• 调用并协调公开可用的结构预测和蛋白质设计工具；
• 生成候选蛋白质序列；
• 对候选结果进行筛选、排序和整理。

实验主要使用已有的基准靶点，同时加入两个较新的竞赛靶点，以降低模型只是“复现公开范例”的可能性。

换句话说，Claude展示出的核心能力更接近“自主协调复杂科研工作流”，而不是凭空发明一套完全不依赖既有工具和知识的药物发现方法。

部分设计表现超过此前公开结果

Anthropic表示，至少有6个靶点获得了高亲和力结合体，至少4个靶点的结果达到或超过此前公开报道的亲和力水平。一些最佳设计据称比此前发表的最优结果强数倍。

在RBX1靶点上，Claude报告的命中率约为40%，而此前参加相关竞赛的设计命中率为3.7%；Anthropic还称，Claude的表现超过了此前的获胜设计。

这些数字说明模型可能在候选生成和初筛环节带来效率提升。不过，单项竞赛结果和公司自报数据仍需要更多独立复现，才能判断其优势是否稳定、能否推广到更广泛的靶点。

最大误区：结合体不是药物

一个能够附着在目标蛋白上的结合体，只是药物研发链条的起点。结合能力本身无法证明它具备以下特性：

• 对目标足够专一，不会大量影响其他蛋白；
• 能够改变目标蛋白的生物学功能；
• 在人体内保持稳定；
• 能够被准确递送到作用部位；
• 具有合适的药代动力学特征；
• 不会引发严重免疫反应或毒性；
• 可以大规模制造；
• 最终能够在临床试验中证明疗效和安全性。

Anthropic也明确将这项工作定位为药物研发的早期阶段，而不是一个已经完成的自动化药物发现系统。

外部质疑：亲和力和细胞内靶点仍是问题

Martin Shkreli批评称，部分报告中的亲和力对于人们所暗示的制药价值而言仍然偏弱；他还指出，这项计划主要关注细胞外靶点，而不是更难处理的细胞内靶点。细胞外靶点通常更适合使用蛋白质结合体，而进入细胞内部并准确作用于目标则困难得多。

这些批评指出了实验的实质性边界，但并不否定已测得的结果：许多Claude设计的蛋白质确实在实验室中与目标发生了结合。

Anthropic的更大目标：从单点工具走向端到端研发

Anthropic将蛋白质结合体设计和化学数据分析视为未来“全模态”药物研发体系的组成部分，希望借此缩短研究时间、减少专业门槛，并降低部分研发成本。

公司同时表示，生物医药领域剩余的障碍不只是模型能力，还包括实验操作、数据、基础设施和政策监管等问题。Anthropic目前限制最强的生命科学能力，并表示计划建立面向科学家的访问项目；就普遍可用的模型而言，公司称Opus 5是目前最强的生命科学工作模型。

安全含义：能力越强，双重用途风险越高

同一套能够加速良性蛋白质设计的自主工作流，也可能降低开展有害生物学工作的专业门槛和时间成本。正因如此，Anthropic限制其最强模型处理高级生物学研究任务，并倾向于通过受控访问或经过审核的用户计划提供相关能力，而不是全面开放。

治理上的难题在于如何让合规的治疗研究获得足够帮助，同时避免模型协助病原体工程、毒素相关工作或其他具有双重用途风险的生物学活动。

最终判断

这次演示真正展示的，是Claude在蛋白质设计领域异常有效的自主工作流协调能力，以及在湿实验中高于基准的结合命中率。它没有展示出一款由AI独立创造并完成验证的药物，也没有解决细胞内靶向问题，更没有绕过从结合体到药物之间漫长的实验、制造、临床和监管流程。

更准确的说法是：Claude可能正在把蛋白质设计从“专家逐步操作的专业流程”，推向“模型自主规划、人类和实验室负责验证”的协作模式。