Claude蛋白设计命中14/15个靶点
Claude把蛋白binder设计推进到外部湿实验验证，但仍是早期科研任务演示。
本文要点
- 从单纯生成科学文本，变成提交设计给两家CRO测试。
- 从只看模型推理能力，转向看候选生成、表达和结合数据闭环。
- 从厂商演示，推进到公开prompts、表格、结构和原始测量物料。
阅读辅助
先看数字、证据和来源，再读正文。
Claude在多数可解释靶点上完成了从提示到候选排名的binder设计流程。
2025-04-26 · Adaptyv Bio发布BenchBB，提出7个可湿实验验证的binder设计靶点集合。
Anthropic这次把Claude放进了一个更硬的验证环境：不是让模型解释论文，也不是只让它给实验方案，而是让它把蛋白binder候选交给外部合同研究机构做表达和结合测试。研究页在8月18日发布，配套技术报告和Hugging Face数据集同日给出可查材料，这是这条新闻成立的news peg。
目前可以确定的结果有四组。第一，Claude Mythos Preview和Opus 4.8在蛋白设计任务中为16个靶点跑campaign，其中15个靶点产生可解释实验测量；Claude在这15个靶点中的14个得到binders。第二，剔除mature GDF-8不可解释测量后，报告分析了1,320个设计，其中354个被整合判定为binders，整体hit rate为27%。第三，Anthropic在研究页摘要中把单设计结合率写为22%-35%，并对比当前蛋白设计campaign常见的10%-15%。第四，化学分析报告中，Claude Opus 5处理原始NMR FID和LC-MS厂商二进制文件，分别在23分钟和19分钟给出结果；LC-MS主峰纯度为96.4%，CRO报告为96.33%。
边界同样清楚。Anthropic自己把这两项任务称为早期drug design process中某些部分的代表性工作，不是端到端药物研发。蛋白binder这里只证明了结合信号，技术报告明确写到没有做功能测试，也没有解结构；湿实验筛选仍然是确认成功与亲和力的唯一方式。更重要的是，Anthropic还说生命科学研究任务当前在其最强模型中被阻断，科学家访问计划是高优先级，但尚未开放。
对读者的实际意义在于，AI科研能力的评价正在从“会不会读懂科学文本”转向“能不能把候选交给现实实验系统”。如果这条路线成立，价值不只在生成一个蛋白序列，而在降低target research、工具编排、候选筛选、实验订单准备之间的摩擦。但企业、实验室和投资人也需要把它放回正确位置：这是早期候选设计与routine QC的加速样本，不是药物发现全流程的终点。
Anthropic公布了什么
蛋白设计实验的主线是de novo protein binder design。binder可以理解为一个小蛋白，目标是牢固结合某个靶蛋白表面。很多药物机制都依赖“结合到目标并阻断、激活或递送某种作用”，因此设计binder是早期药物发现中有代表性的任务。传统做法需要蛋白工程专家围绕靶点、构象、结合表位、建模工具和实验验证做大量判断。
Anthropic的设置是把这些工作知识写入一个约16,000词的protocol prompt。Claude拿到的是靶点名称、UniProt accession、物种和寡聚状态等输入，以及云GPU账户和开源工具环境。报告称，人类没有为任何具体靶点指定epitope、scaffold或序列；Claude从靶点研究、构造选择、表位选择、结构生成、序列设计、过滤、优化到最终排名，自主完成每个campaign，并给出每个靶点30个排序设计。
实验不是只停在计算预测。Adaptyv Bio和Twist Bioscience两家CRO按Claude交付的序列进行生产和测量。Adaptyv Bio收到全部1,320个进入分析的设计，用cell-free synthesis表达并做SPR或BLI读数。Twist Bioscience收到其中1,260个设计，用Fc-fusion表达并做capture SPR。两家机构互不查看对方数据，也不看设计模型、模型名称、campaign或rank信息。
最终报告的headline是：在15个有可解释测量的靶点上，Claude为14个靶点产出binders，354/1,320个设计结合，整体hit rate为27%。Anthropic还给出更细分的设置：多靶点48小时session中，Mythos Preview和Opus 4.8分别得到26.7%和22.6% hit rate；Mythos Preview单靶点24小时session为35.1%。研究页把这一范围概括成22%-35%，并把当前常见蛋白设计campaign口径列为10%-15%。
| 结果 | 口径 | 来源 | 需要怎样理解 |
|---|---|---|---|
| 14/15 | 15个靶点有可解释测量，14个靶点出现binders | Anthropic蛋白设计技术报告 | 说明覆盖面，不代表每个靶点都有高亲和或功能结果 |
| 354/1320 | 354个设计经两家CRO整合判定为binders | Hugging Face数据集与技术报告 | 分母剔除了mature GDF-8不可解释测量 |
| 22%-35% | 研究页摘要给出的单设计结合率范围 | Anthropic研究页 | 包含不同模型和单靶点、多靶点设置 |
| 2家CRO | Adaptyv Bio与Twist Bioscience独立生产和测试 | Anthropic技术报告 | 强于纯计算演示，但仍由Anthropic组织 |
| 23和19分钟 | NMR与LC-MS两项原始数据分析耗时 | 化学分析技术报告 | 代表routine QC自动处理，不等同复杂科研判断全自动 |
| 96.4% vs 96.33% | Claude LC-MS纯度与CRO报告页纯度 | 化学分析技术报告 | 两者峰集合口径不同，数值接近但不可写成完全同一口径 |
为什么湿实验很关键
蛋白设计是一个特别容易被模型演示夸大的场景。结构预测分数可以看起来很高，序列也可以满足新颖性和可表达性的静态检查，但真正是否结合目标蛋白，只能通过表达、纯化和结合实验回答。Anthropic技术报告在讨论部分说得很直接：co-folding confidence是有用筛选条件，却不是结合保证；实验筛选仍是唯一能知道campaign是否成功以及binder亲和力的方式。
这也是本次结果比普通模型演示更值得关注的原因。报告不仅给了summary数字，还释放了prompts、design_summary、wetlab summary、Adaptyv结果、Twist fits、co-fold predictions、provenance和结构预测文件。Hugging Face数据集页面显示，默认design_summary为1,440行，wet-lab相关表格则覆盖进入分析的1,320个可靠测量设计。它还列出129,003个data目录文件和结构PAE companion release，方便外部团队复算统计或开发新的过滤方法。
但这不等于已经形成药物研发闭环。报告把主要证据限定为binding，未做activity测试，未解实验结构，五个oligomeric target上的亲和力还是apparent values。也就是说，Claude给出了可测、且在很多靶点上能结合的候选分子；它还没有证明这些候选能调控生物功能、具备可开发性、通过安全性评估，或能进入临床相关流程。湿实验验证本身还要经过下单、表达、测量和分析，节奏仍是数周量级，不会因为生成阶段变快而消失。
对比Adaptyv Bio的BenchBB和ProteinBase竞赛页，可以看到外部蛋白设计社区已经在把“可实验验证的binder设计”做成benchmark和竞赛。Anthropic报告使用这些页面与竞赛结果作为prompt资源和背景材料。例如15-PGDH和GDF-8相关ProteinBase集合提供了此前社区设计和湿实验结果语境。这里的强信号不是Claude凭空超越所有人，而是模型能读入这一类公开资源，组织开源工具，并把结果交回同一套实验验证生态。
化学分析补上了另一块工作流
同一研究页还放了一个分析化学任务，重点不是蛋白binder，而是研究流程里的routine QC。化学家需要从NMR和LC-MS判断是否做出了目标化合物以及样品纯度。传统上，原始NMR free induction decay和LC-MS vendor binary要在专门软件里逐个处理，尤其在样本量扩大后会变成重复瓶颈。
Anthropic的化学分析技术报告把这一任务拆成两个并行session。研究页摘要把输入概括为“合同实验室原始文件和两句prompt”；技术报告细化为每个session拿到原始文件和一到三句短prompt。NMR部分中，Claude Science收到初始FID和acqus header，23分钟后返回处理后谱图、18-signal peak table，并建议做D2O shake。报告还记录了它随后对exchange FID进行比较，先出现“4个exchangeable signals removed”的标题错误，又通过内部audit改成“Two regions clear, not four”。
LC-MS部分更接近自动化数据工程。Claude Science收到sample.lcd文件，报告称它没有现成parser，于是先解码vendor binary。19分钟后，它交付chromatograms、mass和UV spectra、purity table以及可复用reader。CRO报告页显示主组分4.34分钟，面积96.33%；Claude基于从0分钟开始检测到的三个峰算出主组分96.4% UV area。报告同时解释，如果改按CRO的七峰集合口径，Claude自己的areas会给出98.8%，因为CRO表中五个minor peaks在decoded max-absorbance trace里几乎不显著。
这段值得保留细节，因为它防止把结果写过头。Claude并不是得到一个神奇答案，而是把原始文件转成可审计的中间产物，给出峰表、谱图、reader和局限说明。它也会出错，并在NMR里用内部audit纠正。对科研团队来说，这类routine QC自动化的价值在吞吐量和可复用性；对监管或质量体系来说，关键则是保留原始文件、处理脚本、参数和人工复核痕迹。
这条新闻最有价值的地方，是把AI科研能力放进了“生成候选后是否经得起现实测量”的链路。过去很多科学Agent演示停在文献综述、实验计划或模拟指标；Anthropic这次至少把蛋白设计候选送到了两家外部CRO，并把失败靶点、不可解释测量、未做功能测试等边界写进报告。
早报判断是，生命科学里的AI Agent短期不会替代药物研发团队，但会先替代一部分“专家知道该怎么编排工具”的中间劳动。目标选择、表位判断、开源设计工具、co-folding筛选、候选排名、数据表复算，这些环节很难用一个benchmark分数概括，却正是实验团队每天会被消耗的地方。
需要警惕的夸大也很明确。14/15和354/1320是binding层面的实验结果，不是药效、安全性或临床转化结果。96.4% vs 96.33%说明Opus 5在单个routine LC-MS样本上接近CRO报告，不代表所有厂商文件、所有化合物类别都能稳定自动处理。更强模型在生命科学任务中的访问限制尚未解除，也说明Anthropic自己仍把能力释放视为安全问题。
这对AI科研生态意味着什么
第一，数据开放本身会制造新的竞争层。Hugging Face数据集把prompts、表格、湿实验测量、结构预测和provenance拆开发布，允许外部团队不必相信研究页摘要，而是直接检验ranking score、hit rate和目标差异。接下来更有价值的工作，可能不是转述Claude命中了多少靶点，而是用这批1,320个可靠测量设计训练或评估更好的过滤器。
第二，蛋白设计Agent的竞争变量会从“能不能调用工具”转向“能不能承担实验预算”。Claude在多靶点campaign里运行48小时，单靶点campaign运行24小时，还设置了云GPU预算、排序规则、候选数量和CRO订单。这里的成本不只是token，还包括GPU、湿实验、失败靶点和人类复核。真正可部署的科研Agent，需要给实验负责人一个可控预算和可审计决策记录。
第三，厂商访问控制会成为科学能力产品化的瓶颈。Anthropic明确说，life science research tasks当前在其最强模型中blocked，科学家访问计划是最高优先级之一，并预计很快分享更多信息。这个措辞不能写成“已经开放”。在开放前，外部研究者能做的是复核数据集和报告，而不是直接复跑Anthropic内部使用的更强模型生命科学工作流。
接下来该看哪些信号
接下来最重要的是复现，而不是传播。外部实验室如果能用公开prompts、开源工具和自己的靶点复现接近的hit rate，Anthropic这条结果才会从厂商研究案例变成方法论。相反，如果结果主要依赖Anthropic内部Claude Science环境、模型访问或未公开运维经验，它仍会是高质量但难迁移的演示。
还要看失败靶点。报告里MBP没有设计成功，BBF-14只有三个weak binders，15-PGDH只有一个binder，而且co-folding scores没有提前给出充分警告。这些失败对科研团队比headline更重要，因为它们说明模型和过滤器在哪些靶点上会自信但不可靠。
最后看化学分析能否扩大样本。一个NMR和一个LC-MS routine QC样本足以说明Opus 5能处理复杂原始文件，但不足以证明通用稳定性。下一步应看多厂商格式、多化合物类别、低纯度样本、复杂杂质峰，以及人工审计如何嵌入ELN、LIMS或CRO报告流程。