Anthropic 公布了一项生物学研究，称 Claude 在 64 小时内生成了 318484 种蛋白质设计，目标是寻找能够结合蝎毒神经毒素的候选分子。研究团队随后从中筛选出 211 种候选蛋白交由实验室测试，最终有 17 种达到预设的结合标准。
Anthropic 表示，全球每年约有 120 万人遭遇蝎子蜇伤。传统抗毒血清往往价格较高，且可能面临供应短缺。该公司称，用 Claude 设计能够结合蝎毒神经毒素的蛋白质，是在探索新型治疗方法上的一次早期尝试。
为何选择蝎毒神经毒素
研究介绍称，全球每年发生超过 120 万起蝎子蜇伤事件，造成超过 3250 人死亡。传统抗毒血清依赖动物免疫生产，成本高，覆盖的毒素种类也有限，因此蝎毒中毒长期面临研发投入不足的问题。
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）。
研究人员解释，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。研究设想是，如果能设计出足够精准的蛋白，优先占据毒素与钠离子通道相互作用的部位，就可能阻止毒素发挥作用。
5 种毒素、31.8 万个设计、211 个实验候选
这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，分别为 Cn2、Ts1、AaH I、AaH II 和 LqhIII。
Claude 对这 5 种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。报道提到，上方展示的是毒素三维结构，下方标出了 Claude 选择的潜在结合区域。
Claude 共生成 318484 个候选蛋白设计，最终先挑选出 180 个。随后，研究团队在 Claude 的帮助下又额外补充了 31 个，总计 211 个候选蛋白，交由 Adaptyv Bio 和 Twist Bioscience 两家实验室验证。
最终，17 个设计符合研究团队设定的蛋白结合标准。按毒素划分，其中 7 个能够结合 Cn2，4 个结合 AaH I，4 个结合 AaH II，2 个结合 LqhIII，针对 Ts1 的设计则未能通过筛选。
研究团队还提到，在同时设计可针对多种毒素的蛋白时，Claude 遇到了困难。原本的目标之一，是寻找能够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，都只被证实能够结合一种毒素，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结果看，60 个专门针对单一毒素的候选设计中，有 11 个通过筛选，成功率约为 18%。Anthropic 表示，这一水平与常见蛋白设计研究的表现基本一致。
Cn2-B1 和 Cn2-B2 是本次研究的重点候选
在通过筛选的分子中，研究最关注的是两个针对 Cn2 毒素的候选蛋白，Cn2-B1 和 Cn2-B2。
报道称，这两个分子在实验中都表现出较强结合能力，解离常数 KD 达到个位数纳摩尔级别。研究中给出的解释是，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，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。此前研究已经证明，LR 能够在小鼠实验中中和 Cn2 毒素。
报道还展示了 Claude 设计的 Cn2-B1 和 Cn2-B2 与 Cn2 的预测结合结构，并将其与已知抗体 LR、RU1 的结合位点进行了对比。按照研究团队的说法，这使得这两个候选蛋白具备进一步研究的价值。
不过，这项实验目前验证的只是蛋白与毒素之间的结合能力，并未证明这些蛋白能够中和蝎毒。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。
64 小时内，Claude 参与了哪些环节
Anthropic 在研究中尝试让 Claude 自主组织蛋白设计流程。传统蛋白设计通常需要研究人员使用多种工具，完成结构分析、候选分子生成、结合预测和筛选等工作；这一次，研究团队先指定目标毒素、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，并持续调整设计方案。
整个过程中，Claude 调用了 12 种蛋白设计工具，生成 318484 个候选设计，并对超过 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。此后，研究人员又追加了 4 次提示，引导其继续优化设计。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。
报道还提到，连向实验室发送蛋白序列的工作，也由 Claude 按照研究人员要求完成。这意味着，Claude 在这项研究中不仅参与蛋白设计，也承担了规划、分析和工具协调等任务，并根据中间结果持续调整方案。
不过，实验并非完全脱离人工。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。Anthropic 同时指出，64 小时只包括计算设计阶段，期间消耗了约 1 万 GPU 小时。
与 Anthropic 今年 8 月研究相比有何变化
这并不是 Claude 第一次参与蛋白设计。Anthropic 今年 8 月曾公布一项研究：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。
与此前研究相比，这次实验把场景推进到更具体的生物医药问题，展示了 Claude 在蛋白设计之外，对复杂科研流程进行协调的能力。Anthropic 目前已公开全部 211 个候选设计及相关实验数据，供其他研究人员继续验证。
AI 正在覆盖生物医药研发的更多环节
报道还提到，另一家生物 AI 公司 Radical Numerics 发布了基因组大模型 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，相关噬菌体已经通过实验室杀菌测试，并获得了用于患者治疗的授权。
噬菌体是一类能够感染细菌的病毒，在特定条件下可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。与设计能够结合毒素的蛋白相比，这一案例更接近真实医疗流程中的治疗应用。
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。
报道称，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中的科研项目协调与管理。今年 4 月，OpenAI 已推出面向生命科学研究的 GPT-Rosalind，用于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 则连接科学工具和数据，帮助研究人员分析结果、规划实验。
Orchestra Bio 的主要功能，是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。报道举例称，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 可以协助追踪受影响任务、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决策。
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 试图协调药物研发流程，报道认为，几家公司的探索正在覆盖生物医药研发的不同环节。
就 Anthropic 这项研究本身而言，现阶段结果仍停留在蛋白与毒素结合验证，距离真正的抗毒药物还有后续测试和验证工作要完成。报道最后指出，在计算机中找到可能有效的分子，只是新药研发的开始。