Claude 真的能設計蛋白質嗎？Anthropic 實驗揭示的成果與限制

在 1,320 個接受測試的設計中，有 354 個能與預定目標結合，整體比例為 26.8%；只有 MBP 這個目標沒有測得任何結合劑。

Adaptyv Bio 以匿名方式接收設計結果，負責合成 DNA、表達蛋白質，並透過表面電漿共振（surface plasmon resonance，SPR）及重複、品質控管過的測試量測結合能力。Twist Bioscience 也獨立製造並測試了部分設計。

這種實驗室驗證明顯比單純的電腦基準測試更有說服力，但它驗證的主要是「能否結合目標」，不是「能否成為藥物」。蛋白質結合劑還必須進一步證明具備足夠的選擇性、功能效果、穩定性、細胞或組織遞送能力、藥物動力學、低免疫原性、低毒性與可製造性，才有機會進入真正的藥物開發流程。

是否已經超越人類專家？

Anthropic 表示，至少有六個目標產生了高親和力結合劑，至少四個目標的結果達到或超過過往公開報告的親和力；部分最佳設計的結合能力，據稱是先前發表最佳結果的數倍。

以 RBX1 為例，Claude 的命中率約為 40%，而過往競賽參與者的命中率為 3.7%；Anthropic 也表示，Claude 的結果優於先前的冠軍設計。

但「結合得上」和「藥效最好」是兩件不同的事。所謂結合劑，是能附著到特定目標的小型蛋白質，可作為治療藥物、診斷工具或研究試劑的起點；它本身並不是完成品藥物。

主要限制在哪裡？

藥物開發評論者 Martin Shkreli 認為，部分報告的親和力不足以支撐外界可能聯想到的製藥突破，而且這項計畫主要聚焦於細胞外目標，沒有處理更困難的細胞內目標。

這些批評指出了重要限制，但不會抹去另一項已測得的事實：大量 Claude 設計的蛋白質確實能在實驗室與目標結合。較準確的解讀是，Claude 在早期候選設計與工具協調方面展現出實力，但仍未解決細胞內遞送、療效、安全性及後續開發等關鍵問題。

Anthropic 想把這項技術帶到哪裡？

Anthropic 將蛋白質結合劑設計與化學資料分析視為未來「端到端、多模態」藥物開發的一部分，希望藉此縮短研究時間、降低專業門檻與成本。公司也表示，剩餘障礙不全是模型能力問題，還包括實驗流程、營運安排與政策規範。

目前，Anthropic 對最強的生命科學能力仍設有限制；公司表示計畫建立供科學家使用的存取計畫，而 Opus 5 被稱為目前一般可取得、最適合生命科學工作的模型。

為什麼這也帶來生物安全疑慮？

同一套能加速良性蛋白質設計的自主工作流程，也可能降低進行有害生物研究所需的專業門檻與時間。這正是典型的「雙重用途」問題：技術可以協助治療研究，也可能被用於病原體工程、毒素相關工作或其他危險的生物活動。

因此，Anthropic 表示會限制最強模型處理進階生物研究任務，並傾向透過受控、可信任或經審核的方式提供能力，而不是全面開放。真正的治理難題，是在支援正當治療研究與防止危險用途之間取得平衡。

結論：這是一個強大的研究助理，不是一間自動化藥廠

這項實驗最值得注意的地方，是 Claude 能有效協調現有蛋白質設計工具，並在實驗室取得高於 Anthropic 所引述業界基準的結合命中率。它顯示 AI 有可能把過去需要多名專家分工、耗時數週甚至更久的早期研究流程，壓縮成更自主、更快速的工作模式。

但「14 個目標中命中 14 個」並不等於 Claude 已創造出藥物。這項成果沒有證明模型能自主完成藥物開發，也沒有解決細胞內標靶、臨床療效、毒性、製造與監管等問題。更合理的結論是：Claude 已成為相當有能力的早期蛋白質設計研究助理，但從結合劑到真正的藥物，仍然隔著漫長且高度實驗化的路程。