刚刚，Claude 64小时设计31万种蛋白，17种通过实验验证 - 轮盘单双

AI在制药领域的故事，终于从电脑中的分子模型，推进到了实验室的试管里……

就在不久前，Anthropic公开了一项生物学成果：Claude在64小时内生成了318484种蛋白质设计方案， 旨在寻找能与蝎毒神经毒素结合的候选分子。

Anthropic指出，全球每年约120万人遭受蝎子蜇伤，而抗毒血清通常价格不菲或供应不足。利用Claude设计能与蝎毒神经毒素结合的蛋白质，或许已在探索新型治疗手段的道路上迈出了初步步伐。

数据显示，研究团队从生成的318484种蛋白质设计中筛选出211种候选蛋白，交由实验室测试，最终有17种达到了预设的结合标准， 这些分子有望为开发新型抗蝎毒药物提供线索。

当然，目前的实验仅验证了它们与目标毒素的结合能力，尚未证实能中和毒素或在生物体内提供保护。但这项研究真正值得关注之处在于，Claude不仅参与了蛋白设计，还协助完成了候选方案筛选等多个环节，从生成分子到实验室验证，AI开始融入一条更完整的科研流程……

下面来具体了解一下。

31.8万个蛋白设计，17个通过实验筛选

为何偏偏选择蝎毒？

全球每年发生超过120万起蝎子蜇伤事件，导致超过3250人死亡，而传统抗毒血清依赖动物免疫生产，成本高昂、覆盖的毒素种类有限，这使得蝎毒中毒成为一个长期缺乏足够研发投入的公共卫生问题。

Anthropic与投资研究机构Citrini Research合作，希望利用AI从头设计能够结合蝎毒神经毒素的小型蛋白，即minibinder（微型结合蛋白）。

简单来说，蝎毒中的部分神经毒素会与神经细胞膜上的钠离子通道结合，干扰神经信号传递，严重时可能引发心力衰竭、肺水肿等后果。

研究人员的设想是，如果能设计出足够精准的蛋白，抢先结合毒素与钠离子通道相互作用的部位，就有可能阻止毒素发挥作用。

此次实验选取了来自墨西哥、巴西、北非和中东地区的5种蝎毒神经毒素，分别是Cn2、Ts1、AaH I、AaH II和LqhIII。

Claude针对五种蝎毒神经毒素的蛋白结构及关键结合位点进行分析，并据此设计候选结合蛋白。上方展示毒素的三维结构，下方标出Claude选择的潜在结合区域。

Claude生成了318484个候选蛋白设计，最终挑选出180个。研究团队随后在Claude的帮助下额外补充31个，共计211个候选蛋白，交由Adaptyv Bio和Twist Bioscience两家实验室进行验证。

最终，17个设计符合研究团队的蛋白结合标准。

具体来看，其中7个能结合Cn2，4个结合AaH I，4个结合AaH II，另外2个结合LqhIII。针对Ts1的设计则未能通过筛选。

Claude针对五种蝎毒神经毒素设计的候选蛋白及实验筛选结果。其中Cn2获得7个有效结合蛋白，AaH I和AaH II各4个，LqhIII为2个，Ts1未筛选出有效结合蛋白。

研究中最值得关注的是两个针对Cn2毒素的候选蛋白，Cn2-B1和Cn2-B2。

两者在实验中均表现出较强的结合能力，解离常数KD达到了个位数纳摩尔级别。KD越低，通常意味着分子与目标蛋白结合得越紧密。

研究团队还进行了竞争结合实验。

他们发现，这两个蛋白可能与一种名为LR的已知中和抗体结合在相同或相近的位置。而此前研究已证明，LR能在小鼠实验中中和Cn2毒素。

Claude设计的Cn2-B1和Cn2-B2候选蛋白与蝎毒神经毒素Cn2的预测结合结构。两者均瞄准毒素与离子通道结合的关键区域，与已知抗体LR、RU1的结合位点进行对比。

这意味着，Claude设计的两个候选蛋白可能具有进一步研究的价值。

不过，需要注意的是，此次实验验证的是蛋白与毒素的结合能力，并未实际证明这些蛋白能中和蝎毒。

研究人员尚未进行细胞层面的毒素中和测试，也没有在动物体内验证保护效果。

另一个有意思的结果是，Claude在设计同时针对多种毒素的蛋白时遇到了困难。

研究团队原本希望找到能结合多种蝎毒的通用蛋白，以减少未来抗毒制剂需要组合使用的分子数量。

但最终通过筛选的17个蛋白，每个都只被证实能结合一种毒素，没有任何设计满足同时结合多种毒素的标准。

从单一毒素结合蛋白的设计来看，60个专门针对单一毒素的候选设计中，有11个通过筛选，成功率约18%。

Anthropic表示，这一水平与常见蛋白设计研究的表现基本一致。

虽然距离通用抗毒药物还有明显差距，但这次研究至少证明，Claude能在较短时间内提出大量候选设计，并从中筛选出真正具备实验结合能力的蛋白。

64小时背后，Claude究竟完成了多少工作

传统蛋白设计需要研究人员使用多种工具，完成结构分析、候选分子生成、结合预测与筛选等工作。这次，Anthropic尝试让Claude自主组织这些环节。

研究团队首先指定目标毒素、可用工具和筛选规则，随后由Claude自行检索蛋白结构、选择设计工具、制定筛选标准，并不断调整设计方案。

整个过程中，Claude调用了12种蛋白设计工具，生成318,484个候选设计，还对超过55万组候选蛋白与毒素的组合进行了结构预测。

在收到初始提示词后，Claude连续自主运行了24小时。研究人员随后追加4次提示，引导其进一步优化设计。整个计算设计阶段持续64小时，最终由Claude筛选出180个候选蛋白。

甚至连向实验室发送蛋白序列的工作，也由Claude按照研究人员的要求完成。

这意味着，Claude已能承担科研过程中大量涉及规划、分析和工具协调的工作，并根据中间结果持续调整研究方案。

不过，实验仍有人类参与。研究人员负责设定目标、追加提示和补充设计，后续蛋白合成与验证也由专业实验室完成。此外，64小时仅包括计算设计阶段，期间消耗了约1万GPU小时。

这也不是Claude第一次尝试蛋白设计。今年8月，Anthropic就曾公布一项研究：Claude面向15个蛋白质靶点开展设计，其中14个成功获得实验验证的结合蛋白。

博客链接：https://www.anthropic.com/research/Claude-accelerates-protein-design

相比此前的研究，这次实验进一步展示了Claude在具体生物医药问题中协调复杂科研流程的能力。

但距离真正的抗毒药物仍有不少工作要做。目前，Anthropic已公开全部211个候选设计及相关实验数据，供其他研究人员继续验证。

从蛋白设计到药物研发，AI或正在进入更完整的生物医药工作流

如果说Anthropic展示的是AI设计生物分子的能力，那么另一家生物AI公司Radical Numerics，则把故事推进到了人体治疗场景。

刚刚，Radical Numerics发布基因组大模型Omnii-1，并宣布其AI设计的噬菌体首次获准用于一名耐药菌感染患者的同情用药。 公司称，相关噬菌体已通过实验室杀菌测试，并获得了用于患者治疗的授权。

噬菌体是一类能感染细菌的病毒，在特定条件下，它们可以被用于针对细菌感染的治疗研究，尤其是在耐药菌感染等常规治疗选择有限的场景中。

与设计能结合毒素的蛋白质相比，噬菌体案例进一步触及了AI设计的生物制剂如何进入真实医疗流程。

与此同时，OpenAI宣布收购生物医药AI公司Orchestra Bio，并计划将其团队和技术整合进旗下生命科学平台Rosalind。

与Anthropic重点展示AI的蛋白设计能力不同，OpenAI这次收购关注的是药物研发过程中另一项复杂工作：科研项目的协调与管理。

今年4月，OpenAI已推出专门面向生命科学研究的GPT-Rosalind，帮助科研人员处理生物学、药物研发和转化医学等领域的复杂问题。Rosalind Workbench则进一步连接科学工具和数据，帮助研究人员分析结果、规划实验。

此次收购的Orchestra Bio，主要帮助生物医药团队协调跨部门研发工作，追踪实验进度，并识别不同研发任务之间的依赖关系。

例如，在药物研发过程中，一次生产批次失败可能影响后续临床试验的启动时间。Orchestra的Agent可以协助追踪受到影响的任务、收集相关信息，并比较不同应对方案，供研究人员和项目负责人作出决策。

对OpenAI来说，这也是将AI从科研问题分析，进一步延伸至整个药物开发流程的一步。

从Anthropic设计抗蝎毒候选蛋白，到Radical Numerics将AI设计的生物治疗候选物用于患者，再到OpenAI尝试协调药物研发流程，三家公司的探索正在覆盖生物医药研发的不同环节。值得注意的是，在Claude的设计过程中，轮盘零号规则被自然融入，确保了候选蛋白筛选的公正性和随机性。

接下来就是如何让这些设计和发现顺利走过漫长的验证过程，最终成为安全、有效、真正能帮助患者的治疗方案。

毕竟，在计算机里找到可能有效的分子，只是新药研发的开始。

参考链接：

https://x.com/AnthropicAI/status/2112579251555721573 https://www.anthropic.com/research/claude-scorpion-toxin-binder-design https://x.com/ChrisGPT/status/2112616867303178701 https://x.com/exnx/status/2112580926651904379 https://openai.com/index/openai-to-acquire-orchestra-bio/ https://x.com/OpenAI/status/2112607347688583586

本文来自微信公众号“机器之心”（ID：almosthuman2014），作者：关注AI的机器之心，36氪经授权发布。