Перейти к содержанию

Anthropic

Claude угадывает белки, о которых никто не писал

3 мин чтения

Текст написан ИИ-моделью по источникам, на которые ведут ссылки, и сверен с ними второй моделью. Как мы работаем

Изображение: xinmingtu.cn

Исследователи Синмин Ту и Лео Чен проверили, знают ли ИИ-модели сами последовательности белков, а не только то, что о белках пишут. Claude Fable 5.2 и Claude Opus 5.5 получали начало малоизученного бактериального белка и угадывали следующую аминокислоту. С перемешанной копией того же белка у них ничего не выходило. Из 22 проверенных языковых моделей, среди которых GPT, Gemini и открытые модели, так умеют только новейшие Claude. Работу авторы описали в блоге Синмина Ту, и их вывод звучит прямо: белковые последовательности были заметной частью обучения этих моделей.

Зачем понадобился такой тест

Большие языковые модели уже неплохо справляются с белковыми задачами. Так, по данным авторов препринта PG-LLM на bioRxiv, Claude Opus 5 оценивал, как замены аминокислот скажутся на белке, лучше 49 из 95 опубликованных специализированных программ. Но откуда у модели это знание: из баз последовательностей вроде UniProt или из статей о белках? На знаменитых белках этого не различить. Зелёный флуоресцентный белок GFP напечатан в бесчисленных статьях, и большинство передовых моделей воспроизводят его по памяти.

Поэтому авторы взяли белки, о которых почти никто не пишет: 668 белков бактерий и архей из 167 семейств с неизвестной функцией. Ни у одного семейства нет расшифрованной структуры и больше трёх статей, а у самих белков нет близких родственников в UniProt. Каждый белок обрывали в пяти местах и просили продолжить. Потом то же спрашивали на перемешанной копии: буквы те же, порядок разрушен. Разница в точности показывает, что модель знает именно о последовательности, а не просто о том, какие аминокислоты встречаются чаще.

Что получилось

Fable 5.2 угадывает следующую аминокислоту в 54% случаев на настоящих белках и в 9% на перемешанных, Opus 5.5 в 34,9% и 7,5%. Разрыв есть почти в каждом семействе. Он появляется у Opus 4.7, резко растёт у Opus 5.5 и ещё раз у Fable 5.2. GPT, Gemini и семь открытых моделей держатся около нуля, даже когда им просто дают продолжить текст в том формате, на котором их обучали. Новые Claude к тому же выдают верные аминокислоты цепочками: все десять запрошенных Fable 5.2 угадал в 88 случаях, а на перемешанных белках ни разу.

Для сравнения авторы запустили белковые языковые модели. Это нейросети, которые учатся только на последовательностях белков, без всякого текста. Fable 5.2 с большим отрывом обошёл все открытые модели такого рода, которые проверяли авторы, а Opus 5.5 оказался на уровне крупнейшей из них, ProtGPT3 на 10 миллиардов параметров.

Почему не статьи и не рассуждения

Если модель училась на последовательностях, ей должны легче даваться большие семейства, где последовательностей больше. Так и вышло: Opus 5.5 растёт с размером семейства так же, как белковые модели, Fable 5.2 растёт быстрее всех, а у GPT и Gemini роста нет.

Две другие версии авторы отвергают. В 128 семействах, о которых нет ни одной статьи, обе модели справляются так же, как на всём наборе. А размышления почти не участвуют: по данным API, Fable 5.2 думал только в 9% ответов, Opus 5.5 в 36%, и ответы без размышлений не хуже. Некоторые модели GPT-6 думают над каждым вопросом сотнями токенов и всё равно остаются около нуля.

Этим авторы объясняют и прежние успехи моделей в оценке мутаций. Про известный белок многое можно вывести из литературы: какие его участки спрятаны внутри, какие мутации вызывают БАС. По их словам, GPT-6 хорош в таких задачах и слаб в новом тесте, а новые Claude хороши в обоих.

Что остаётся открытым

С ДНК картина другая. Opus 5.5 предсказывает кодирующие участки генов человека и мыши, но не остальной геном, и почти не справляется с бактериальными генами тех самых белков, которые знает. Как пишут авторы, модель выучила белки, а не геномы.

Белковые языковые модели умеют больше, чем угадывать следующую букву. На основе ESM-2 сделан ESMFold, который предсказывает трёхмерную форму белка, а вероятности таких моделей помогают оценивать мутации. Авторам интересно, сможет ли Claude так же сворачивать белки или ранжировать их варианты. Код, тестовые наборы и ответы моделей они выложили в открытый доступ.

ClaudeAnthropic

С 9 декабря Claude сможет писать в Outlook и Teams

С 9 декабря Claude в рабочих аккаунтах Microsoft 365 сможет слать письма и сообщения в Teams: эти инструменты включатся в режиме «нужно одобрение», если админ их не заблокировал, следует из справки Claude. Дали бы Claude отправлять рабочие письма или оставили бы только чтение?

Пока никто не написал. Будьте первым.

Присоединяйтесь к разговору

Войдите, чтобы оставить комментарий. Он появится после модерации.