Anthropic lässt Claude Proteine selbst designen: 14 von 15 Zielstrukturen getroffen – dieses Ergebnis überrascht selbst erfahrene Forscher.
Am 18. August veröffentlichte Anthropic die Ergebnisse eines Experiments: Claude (Mythos Preview und Opus 4.8) führte eigenständig einen kompletten Proteindesign-Prozess durch.
Es erhielt 15 Protein-Zielstrukturen und sollte selbst neue Proteine designen, die daran binden können – 14 Zielstrukturen waren erfolgreich.
Von 1320 Designs wurden 354 von zwei unabhängigen Laboren als wirksam verifiziert, die Gesamterfolgsrate lag bei 26,8 %.
Der Branchendurchschnitt in diesem Bereich liegt bei 10–15 %.
Proteinbinder sind die Grundlage für die Wirkung vieler Medikamente: Zuerst muss ein Molekül entworfen werden, das das Zielprotein bindet, erst dann kann daraus ein Medikament werden.
Dieser Designprozess erfordert normalerweise wochenlange Berechnungen, Optimierung und Screening durch Protein-Ingenieure.
Von AlphaFold zu Claude: Proteine vorhersagen und Proteine designen sind zwei verschiedene Dinge
Was AlphaFold 2020 tat: Bei einer gegebenen Proteinsequenz vorhersagen, zu welcher Form es faltet.
Die Eingabe ist bekannt, die Ausgabe ist eine Vorhersage.
Es ist ein speziell trainiertes Proteinmodell, das eine Sache bis zur Perfektion beherrscht.
Was Claude diesmal tat, ist anders.
Es erhielt nur den Namen des Zielproteins, die Aufgabe war, ein völlig neues Protein von Grund auf zu designen, das daran bindet.
Die Eingabe ist ein Name, die Ausgabe ist ein neues Protein.
Das eine ist Bildbeschreibung, das andere eine Aufsatzaufgabe.
Die von Claude verwendeten Werkzeuge sind alle vorhanden – RFdiffusion, ProteinMPNN, ESMFold2, diese Open-Source-Modelle für Proteindesign und Strukturvorhersage existieren bereits seit langem und können von jedem Labor heruntergeladen werden.
Claude hat keine neuen Werkzeuge erfunden, es orchestriert: Das Forschungsteam schrieb einen Prompt von etwa 16.000 Wörtern, der das Arbeitswissen von Protein-Ingenieuren einarbeitet, einschließlich der verschiedenen Experimentierphasen, der in jeder Phase verfügbaren Werkzeuge und der Screening-Kriterien.
Dieser Prompt legt nicht fest, von welcher Seite des Proteins man angreift, welche Generierungsmethode verwendet wird, und setzt keine Sequenz voraus.
Es wird Claude übergeben, ein Cloud-Server-Konto bereitgestellt, und es laufen lassen.
Im Multi-Target-Modus verarbeitet eine Session 14 Zielstrukturen gleichzeitig in 48 Stunden, im Single-Target-Modus 24 Stunden pro Zielstruktur.
Menschliche Operatoren taten nur drei Dinge: Netzwerkzugriff genehmigen, Infrastruktur überwachen und die von Claude sortierten Designs an zwei unabhängige Labore (Adaptyv Bio und Twist Bioscience) zur Synthese und Prüfung schicken – niemand griff in Designentscheidungen ein.
Claude wählte selbst Zielstrukturen, Epitope, installierte Werkzeuge, führte Modelle aus, filterte und optimierte, sortierte und lieferte, und rief schließlich 10 Strukturgenerierungsmethoden auf, um 24 Werkzeugkombinationen zu bilden.
Ergebnisse
Die durchschnittliche Erfolgsrate im Bereich Proteindesign liegt derzeit bei 10–15 %.
Claude erreichte in verschiedenen Modi 22–35 %, das Zwei- bis Dreifache des Branchendurchschnitts.
https://x.com/AnthropicAI/status/2089842389682954621
Wenn man nur das von Claude selbst am höchsten eingestufte Design betrachtet, liegt die Trefferquote bei 49 %: Bei jedem zweiten Ziel ist das erstplatzierte Design direkt verwendbar.
Die Ergebnisse einiger Zielstrukturen verdienen eine gesonderte Erwähnung.
Adaptyv Bio veranstaltete zuvor einen öffentlichen Designwettbewerb für ein Protein namens RBX1, bei dem weltweit 245 Designs eingereicht wurden, von denen nur 9 erfolgreich waren.
Claude reichte für dieselbe Zielstruktur 90 Designs ein, 28 waren erfolgreich, und das beste Design band zehnmal fester an das Ziel als der Gewinner des Wettbewerbs.
TNFα ist eine schwierigere Zielstruktur – eines der weltweit meistverkauften Medikamente, Humira, wirkt durch die Bindung an dieses Protein, aber mehrere Expertenteams hatten zuvor erfolglos versucht, Binder von Grund auf zu designen.
Opus 4.8 produzierte 12 wirksame Designs, einige davon banden sogar speziesübergreifend gleichzeitig an menschliches, Affen- und Maus-TNFα.
Es gab auch Fehlschläge: Bei einem Protein namens MBP scheiterten alle 90 Designs.
Auch in der analytischen Chemie gibt es ähnliche Signale.
Claude Opus 5 erhielt die Rohdaten eines NMR-Spektrometers und eine einzeilige Anweisung, das Ergebnis kam in 23 Minuten und stimmte mit der manuellen Analyse eines Laborchemikers überein, die 30 Minuten bis eine Stunde dauerte.
Die beiden Experimente sind unterschiedlich, aber das Signal ist konsistent: Claude, ein allgemeines Modell, erzielte bei wissenschaftlichen Aufgaben, die Experten Wochen kosten, in 24 bis 48 Stunden (48 Stunden im Multi-Target-Modus, 24 Stunden im Single-Target-Modus) eigenständig laborverifizierte Ergebnisse auf Expertenniveau.
In nur sechs Jahren eine gewaltige Veränderung
Binder sind noch weit von Medikamenten entfernt, dazwischen liegen Toxikologie, klinische Studien und andere Schritte, die jeweils Jahre dauern.
Alle Strukturen sind rechnerische Vorhersagen und wurden nicht experimentell strukturell verifiziert.
Claude verwendet ausschließlich Open-Source-Tools; Anthropic hat die Prompts, Daten und alle 1440 Designmodelle auf HuggingFace veröffentlicht, sodass jedes Labor sie reproduzieren kann.
https://huggingface.co/datasets/Anthropic/claude-protein-binder-design/tree/main
Diese autonome Forschungskapazität birgt gleichzeitig ein Risiko der doppelten Verwendung; Anthropic hat in der öffentlichen Version von Claude biologische Fähigkeiten wie Proteindesign blockiert.
Von AlphaFolds Vorhersage von Proteinstrukturen bis zu Claudes autonomen Proteindesign sind nur sechs Jahre vergangen.
Referenzen:
https://www.anthropic.com/research/Claude-accelerates-protein-design
https://www-cdn.anthropic.com/30bf50e22a01388bb29bf077ee3f244531594b7a.pdf
Dieser Artikel stammt vom WeChat-öffentlichen Konto "新智元", Autor: ASI启示录
