實驗室驗證：唔只係電腦模擬

研究合共測試了 1,320 個 Claude 設計的蛋白質，其中 354 個能夠與原定目標結合，整體比例為 26.8%。唯一完全搵唔到結合器的目標是 MBP。

驗證流程由 Adaptyv Bio 負責其中一部分：公司以匿名方式收到 Claude 的設計，合成相關 DNA、表達蛋白質，再以表面等離子共振技術（surface plasmon resonance，SPR）測量結合情況，並進行重複及質量控制測試。Twist Bioscience 亦獨立製造及測試另一批設計。

呢一點比純粹以電腦分數作比較的 benchmark 更有分量，因為設計最終要在真實實驗室中製造出來，並且能夠同目標蛋白質結合。不過，測到「會結合」仍然只是早期研究的一關，並未證明它有治療作用。

Claude 實際上做咗啲乜？

整個流程並唔係完全冇人參與。Anthropic 先由一位蛋白質設計專家提供約 30,000 個 token 的初始提示，之後只作很少的人手介入。

在工作流程中，Claude 可以：

• 研究不同蛋白質目標；
• 選擇可能適合結合的位置；
• 呼叫及串連公開可用的專門工具；
• 使用結構預測及蛋白質設計工具產生候選方案；
• 篩選、排序及整理候選蛋白質。

換句話講，今次展示的重點唔單止係模型「諗出一條蛋白質序列」，而係能夠將多個現成的結構預測、設計及分析工具組織成一套較完整的研究流程。

測試大部分採用已有的 benchmark 目標，另外亦加入兩個較新的比賽目標，目的是降低模型只係重現已知例子的可能性。

有冇超越人類專家？

Anthropic 表示，至少有六個目標得到高親和力結合器，至少四個目標的結果達到或超過過往公布的親和力水平；部分最出色設計的結合能力，據報更是過去最佳已發表結果的數倍。

以 RBX1 為例，Claude 報稱取得約 40% 的命中率，而過往參加相關比賽的設計者合計約為 3.7%，Claude 的表現亦超過之前的冠軍設計。

不過，「超過過往比賽參賽者」同「全面勝過人類蛋白質工程師」並唔係同一件事。實驗設定、目標選擇、候選數量、評分方法及外部驗證流程，都會影響最後比較結果，因此最穩妥的解讀係：Claude 在特定設計任務上展現出相當強的自動化能力，而唔係已取代整個專業領域。

「結合器」距離藥物，中間仲差幾多步？

蛋白質結合器可以理解為一種經設計、能夠黐住特定目標的小型蛋白質。呢類分子可以成為藥物、診斷工具或研究試劑的起點。

但單靠結合親和力，並不足以證明一個候選分子有藥用價值。後續仍然要確認：

• 佢會唔會只選擇正確目標，而唔誤傷其他蛋白質；
• 結合後是否真的能改變或阻斷目標功能；
• 分子在體內是否穩定；
• 能否送到正確組織及細胞位置；
• 藥物動力學、免疫原性及毒性如何；
• 能否大規模製造；
• 最終是否在動物及人體試驗中有效及安全。

所以，今次實驗比較準確的定位，是 AI 協助完成藥物開發早期的一部分工作，而唔係已經建立一套由設計直達上市藥物的系統。

批評者指出的限制

Martin Shkreli 認為，部分公布的親和力對於外界可能聯想到的製藥用途而言仍然偏弱；他亦指出，今次計劃主要集中在細胞外目標，因為蛋白質結合器處理呢類目標相對實際，而非更棘手的細胞內目標。

呢些批評指出咗真正限制，但並不會推翻另一個已測量到的事實：大量 Claude 設計的蛋白質確實在實驗室與指定目標結合。較合理的結論係，模型已經將早期候選設計的效率推高，但距離處理最困難的生物學問題，仍然有明顯距離。

Anthropic 想行到邊？

Anthropic 將蛋白質結合器設計、化學數據分析等工作，視為一個更大目標的組成部分：最終建立涵蓋不同生物及化學模態的端到端系統，縮短藥物開發所需的時間、專業門檻及成本。

公司亦表示，剩餘障礙唔只係模型能力，還包括實驗操作、資料、基礎設施及政策規管等問題。現時 Anthropic 對最強的生命科學能力仍有限制，並表示會建立面向科學家的受控使用計劃；至於一般可取得的模型，Opus 5 被形容為目前生命科學工作的最強通用選擇。

點解同時牽涉 AI 安全？

同一套可以加快良性蛋白質設計的自主工作流程，亦可能降低進行有害生物研究所需的專業門檻及時間。正因如此，Anthropic 對其最強模型的進階生物研究任務設有限制，並傾向採用受控或經審核的存取方式，而非全面開放。

真正的管治難題，在於如何讓合資格研究人員推進治療及藥物研究，同時避免模型協助病原體工程、毒素相關工作或其他具有雙重用途的生物活動。模型愈能夠自行規劃、呼叫工具及反覆執行實驗流程，安全審核就愈不能只靠攔截幾個關鍵字。

最終應該點睇？

今次實驗最值得注意的地方，是 Claude 能夠有效自主串連現有蛋白質設計工具，並在真實濕實驗中取得明顯高於 Anthropic 所引述業界基準的結合命中率。

但它尚未證明三件事：Claude 可以自主創造一隻藥、已經解決細胞內目標問題，或者可以消除由「結合器」走到「藥物」之間漫長的實驗及監管流程。呢個結果更像係把藥物研發的起跑線向前推咗一截，而唔係已經衝過終點。

實驗室驗證：唔只係電腦模擬

研究合共測試了 1,320 個 Claude 設計的蛋白質，其中 354 個能夠與原定目標結合，整體比例為 26.8%。唯一完全搵唔到結合器的目標是 MBP。

驗證流程由 Adaptyv Bio 負責其中一部分：公司以匿名方式收到 Claude 的設計，合成相關 DNA、表達蛋白質，再以表面等離子共振技術（surface plasmon resonance，SPR）測量結合情況，並進行重複及質量控制測試。Twist Bioscience 亦獨立製造及測試另一批設計。

呢一點比純粹以電腦分數作比較的 benchmark 更有分量，因為設計最終要在真實實驗室中製造出來，並且能夠同目標蛋白質結合。不過，測到「會結合」仍然只是早期研究的一關，並未證明它有治療作用。

Claude 實際上做咗啲乜？

整個流程並唔係完全冇人參與。Anthropic 先由一位蛋白質設計專家提供約 30,000 個 token 的初始提示，之後只作很少的人手介入。

在工作流程中，Claude 可以：

• 研究不同蛋白質目標；
• 選擇可能適合結合的位置；
• 呼叫及串連公開可用的專門工具；
• 使用結構預測及蛋白質設計工具產生候選方案；
• 篩選、排序及整理候選蛋白質。

換句話講，今次展示的重點唔單止係模型「諗出一條蛋白質序列」，而係能夠將多個現成的結構預測、設計及分析工具組織成一套較完整的研究流程。

測試大部分採用已有的 benchmark 目標，另外亦加入兩個較新的比賽目標，目的是降低模型只係重現已知例子的可能性。

有冇超越人類專家？

Anthropic 表示，至少有六個目標得到高親和力結合器，至少四個目標的結果達到或超過過往公布的親和力水平；部分最出色設計的結合能力，據報更是過去最佳已發表結果的數倍。

以 RBX1 為例，Claude 報稱取得約 40% 的命中率，而過往參加相關比賽的設計者合計約為 3.7%，Claude 的表現亦超過之前的冠軍設計。

不過，「超過過往比賽參賽者」同「全面勝過人類蛋白質工程師」並唔係同一件事。實驗設定、目標選擇、候選數量、評分方法及外部驗證流程，都會影響最後比較結果，因此最穩妥的解讀係：Claude 在特定設計任務上展現出相當強的自動化能力，而唔係已取代整個專業領域。

「結合器」距離藥物，中間仲差幾多步？

蛋白質結合器可以理解為一種經設計、能夠黐住特定目標的小型蛋白質。呢類分子可以成為藥物、診斷工具或研究試劑的起點。

但單靠結合親和力，並不足以證明一個候選分子有藥用價值。後續仍然要確認：

• 佢會唔會只選擇正確目標，而唔誤傷其他蛋白質；
• 結合後是否真的能改變或阻斷目標功能；
• 分子在體內是否穩定；
• 能否送到正確組織及細胞位置；
• 藥物動力學、免疫原性及毒性如何；
• 能否大規模製造；
• 最終是否在動物及人體試驗中有效及安全。

所以，今次實驗比較準確的定位，是 AI 協助完成藥物開發早期的一部分工作，而唔係已經建立一套由設計直達上市藥物的系統。

批評者指出的限制

Martin Shkreli 認為，部分公布的親和力對於外界可能聯想到的製藥用途而言仍然偏弱；他亦指出，今次計劃主要集中在細胞外目標，因為蛋白質結合器處理呢類目標相對實際，而非更棘手的細胞內目標。

呢些批評指出咗真正限制，但並不會推翻另一個已測量到的事實：大量 Claude 設計的蛋白質確實在實驗室與指定目標結合。較合理的結論係，模型已經將早期候選設計的效率推高，但距離處理最困難的生物學問題，仍然有明顯距離。

Anthropic 想行到邊？

Anthropic 將蛋白質結合器設計、化學數據分析等工作，視為一個更大目標的組成部分：最終建立涵蓋不同生物及化學模態的端到端系統，縮短藥物開發所需的時間、專業門檻及成本。

公司亦表示，剩餘障礙唔只係模型能力，還包括實驗操作、資料、基礎設施及政策規管等問題。現時 Anthropic 對最強的生命科學能力仍有限制，並表示會建立面向科學家的受控使用計劃；至於一般可取得的模型，Opus 5 被形容為目前生命科學工作的最強通用選擇。

點解同時牽涉 AI 安全？

同一套可以加快良性蛋白質設計的自主工作流程，亦可能降低進行有害生物研究所需的專業門檻及時間。正因如此，Anthropic 對其最強模型的進階生物研究任務設有限制，並傾向採用受控或經審核的存取方式，而非全面開放。

真正的管治難題，在於如何讓合資格研究人員推進治療及藥物研究，同時避免模型協助病原體工程、毒素相關工作或其他具有雙重用途的生物活動。模型愈能夠自行規劃、呼叫工具及反覆執行實驗流程，安全審核就愈不能只靠攔截幾個關鍵字。

最終應該點睇？

今次實驗最值得注意的地方，是 Claude 能夠有效自主串連現有蛋白質設計工具，並在真實濕實驗中取得明顯高於 Anthropic 所引述業界基準的結合命中率。

但它尚未證明三件事：Claude 可以自主創造一隻藥、已經解決細胞內目標問題，或者可以消除由「結合器」走到「藥物」之間漫長的實驗及監管流程。呢個結果更像係把藥物研發的起跑線向前推咗一截，而唔係已經衝過終點。