Anthropic｜Claude蛋白质结合剂湿实验：15靶点中14个成功

AI在数学里能快速验算，在生命科学里却常卡在昂贵的湿实验验证。能把「模型给出的序列」送进独立实验室并拿回结合数据，才算从演示跨进可核对的科学工作流。

Anthropic是美东前沿模型实验室之一，Claude系列覆盖对话、编码与越来越多的专业工作台场景。所谓蛋白质结合剂（binder），白话是设计一段小蛋白去「扣住」目标蛋白，从而抑制、激活或投递药物——大量现代生物药的早期工作都从这里起步；所谓湿实验，白话是在真实试管与仪器里合成、测量，而不是只在计算机里算分。公司于8月18日发布研究报告，展示两组结果：蛋白质结合剂设计，以及分析化学加速。

蛋白质实验中，Claude Opus 4.8与Mythos Preview在约极少人工介入的设定下，针对15个靶点设计结合剂；外部评估方Adaptyv Bio与Twist Bioscience独立合成并测试，结果显示14个靶点出现成功结合剂。公开汇总称，多靶点并行约48小时会话中，Mythos Preview与Opus 4.8整体命中率分别约百分之二十六点七与约百分之二十二点六；单靶点约24小时会话中，Mythos Preview命中率约百分之三十五点一；行业常见蛋白设计活动命中率多在约百分之十至十五。材料另称至少六个靶点出现高亲和力结合剂，至少四个靶点达到或超过此前公开报道的最佳亲和力。

分析化学侧可核对的事实：

1. 模型：面向公众可用的Claude Opus 5。
2. 输入：合同实验室原始NMR与LC-MS文件，外加两句提示，无厂商专用软件操作员。
3. 耗时：分别约23分钟与约19分钟给出处理结果。
4. 对照：纯度约百分之九十六点四，对照实验室约百分之九十六点三三；氢计数在舍入范围内一致。

公司同时提醒：最强模型上的生命科学能力仍受访问限制，科学家可信访问计划是优先事项；湿实验验证仍不可省，AI候选不等于成药。把这条放进AI for Science坐标：数学与代码里「对错可秒验」，药研里「验一次很贵」——因此命中率、亲和力与独立实验室流程，比单独的生成速度更重要。可以把它想成：模型像一位能通宵跑开源设计流水线的助理研究员，但药能不能进人体，仍要过一长串临床与监管门。

需要把边界读清楚。命中率与亲和力为该次实验设置下的结果，换靶点、换协议可能大幅波动。下一观察点是科学家访问计划何时扩大，以及端到端药物研发中政策与运营瓶颈能否被同步打通——能设计出结合剂是里程碑，能把验证成本与周期压到可规模化才是验收。