Перейти к содержанию

Anthropic

Белки Claude проверили в автоматической лаборатории

6 мин чтения

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

Изображение: adaptyvbio.com

Anthropic дала Claude Mythos Preview и Opus 4.8 задачу спроектировать с нуля белки-связыватели под чужие мишени, а дальше последовательности уходили в роботизированную лабораторию и возвращались с измеренной силой связывания. Из 1 320 дизайнов мишень поймали 354, доля попаданий - 26,8%, отчиталась 19 августа Adaptyv Bio, чья автоматическая лаборатория и ставила эксперименты.

Связыватель - это белок, который должен цепляться к одной конкретной мишени и больше ни к чему. На связывателях устроены почти все антительные препараты в онкологии, реагенты теста на беременность и захватывающие молекулы в диагностике. Мишеней Anthropic выбрала 16: все они уже проходили через прошлые открытые конкурсы Adaptyv, её хакатоны и набор задач BenchBB, так что для каждой есть с чем сравнить. Все версии Claude получали похожие промпты и одинаковый доступ к публичным инструментам дизайна, работа шла в Claude Science.

Дизайны пришли в лабораторию обезличенными: какая версия Claude нарисовала конкретный белок, в Adaptyv не знали.

От строки аминокислот до цифры K_D

Платформа Adaptyv принимает последовательность белка как текст и сама разворачивает её обратно в ДНК: внутренний конвейер подбирает кодоны под бесклеточную систему, проверяет устойчивость вторичной структуры мРНК и то, что такую молекулу вообще получится синтезировать. Дальше ДНК собирают в лаборатории по блокам, а белок делают без клеток - берут ту часть клеточной машинерии, которая читает ДНК и собирает белок (рибосомы, ферменты, аминокислоты, источник энергии), и запускают её в пробирке. Всё это крутят роботы, которые раскапывают крошечные объёмы жидкости быстро и помногу.

На этом месте физический белок уже есть, но неизвестно, делает ли он то, ради чего его рисовали. Силу связывания меряют на SPR и выражают в K_D: чем ниже значение, тем крепче белок держится за мишень. В этом прогоне Adaptyv гоняла свой assay Affinity Characterization - пять концентраций мишени и по два повтора на каждую.

Экспрессировались 95% дизайнов: почти всё написанное Claude в принципе собралось в белок. Три года назад такая цифра сама по себе была бы заголовком, пишут в Adaptyv. Сейчас она совпала с лучшими показателями конкурса по EGFR, где участвовали сотни профессиональных дизайнеров белков, и обошла другие задачи вроде RBX1.

Попадания против конкурсов

Одну мишень, зрелый GDF-8, из сравнения выкинули: измерения вышли грязными, скорее всего из-за того, что мишень слипалась сама с собой. Из оставшихся 15 связыватели нашлись для 14. Единственный полный ноль - MBP, мальтозосвязывающий белок.

Разброс по мишеням широкий, и именно на уровне отдельных мишеней сравнение с людьми становится предметным. На TREM2 Claude дал 80% попаданий против 38,3%, которые Adaptyv зафиксировала в своём конкурсе. На 15-PGDH, которую в Adaptyv относят к более трудным мишеням, успешность получилась больше чем втрое выше той, что видна на Proteinbase. Для честности сравнения результаты каждого конкурса Adaptyv урезала до одних только de novo минибиндеров - небольших белков, нарисованных с нуля, а не выведенных из известных.

По силе связывания лучшие белки Claude оказались крепче победителей в пяти конкурсах из шести. На 15-PGDH разрыв самый заметный: лучший конкурсный связыватель держался на 1,7 мкМ, у Claude - 33,4 нМ. На RBX1 было 25,7 нМ, стало 3,9 нМ.

Шестой конкурс - вирус Нипах. Здесь лучший человеческий связыватель Claude обойти не смог, и в Adaptyv называют это неожиданным.

По GDF-8, RBX1 и Нипаху Claude, судя по данным Adaptyv, разбрасывал дизайны по разным эпитопам - разным участкам на поверхности мишени, за которые можно зацепиться. На TREM2, где и вышли 80%, он сошёлся на одном хорошо очерченном участке.

48 часов без подсказок

Основной прогон шёл по 15 мишеням - на одну меньше, чем 16 отобранных, - одной сессией в Claude Science длиной 48 часов, и после стартового промпта научных подсказок модель не получала, излагает отчёт Anthropic издание Pondero. Готовые последовательности независимо изготавливали и тестировали Adaptyv Bio и Twist Bioscience. Общие 26,8% попаданий там же сопоставляют с 10-15%, обычными для профессиональных кампаний по дизайну связывателей.

Отдельно гоняли режим, где Mythos Preview работала по одной мишени за раз, по 24 часа на белок: там доля попаданий вышла 35,1%, а на RBX1 - 40% против 3,7% в более раннем открытом конкурсе, сообщает то же издание. По его изложению, Adaptyv оценила результат так: дизайны Claude выиграли бы пять из шести конкурсов, которые компания провела.

Две крайности набора мишеней стоит держать рядом. BBF-14 - белок-бета-бочонок, нарисованный на компьютере, у которого нет природного аналога, и против него Claude всё равно получил три подтверждённых связывателя. Против MBP не сработал ни один из 90 дизайнов.

Сами последовательности и экспериментальные данные выложены на Proteinbase - открытую площадку, которую Adaptyv запустила 6 октября 2025 года и куда складывает результаты своей лаборатории по единым протоколам, включая отрицательные, которые обычно никто не публикует. У каждого белка там страница с предсказанной структурой из модели Boltz-2, метриками и указанием метода, которым его спроектировали; у каждой мишени - сводная статистика по всем проверенным белкам. В выложенном наборе данных по каждому дизайну видно, чем он сделан: например, бэкбоны RFdiffusion3 или PXDesign с подбором последовательности через SolubleMPNN, и метка вроде non_binder.

Оркестровка инструментов

Из всего этого Adaptyv делает узкий вывод: Claude как минимум на экспертном уровне управляется с инструментами дизайна белков. До появления моделей, пишут в компании, даже просто поднять инструмент предсказания структуры белка означало часы разбора невнятных ошибок conda.

Как такой контур выглядит в работе, в Adaptyv описывают на воображаемом сценарии. Исследователь делает терапию против рака, и ему нужен тест, различающий два мутантных варианта одного рецептора. Он отдаёт Claude результаты секвенирования своих клеточных образцов. Модель лезет в статьи и базы, находит, где в геноме закодированы рецепторы, сравнивает две последовательности и размечает различия. Дальше моделями сворачивания вроде Boltz получает трёхмерные структуры обоих вариантов, моделями дизайна вроде BindCraft генерирует связыватели, которые должны цепляться к одному варианту и не цепляться ко второму, нарабатывает тысячи вариантов и ранжирует их.

Лучших кандидатов Claude через API облачной лаборатории отправляет на эксперимент и через пару недель получает данные. В сценарии Adaptyv результат неудобный: самые крепкие связыватели оказываются неразборчивыми и липнут к обоим вариантам рецептора. Тогда модель запускает второй круг дизайна - уже с задачей сбить перекрёстную реактивность.

Замкнутый круг, а не разовый прогон, в Adaptyv и называют следующей фазой: система рассуждает поверх научных знаний, проектирует тысячи молекул специализированными инструментами, отправляет их в автоматическую лабораторию и учится на полученных данных. На собственный вопрос, решит ли теперь ИИ все болезни, в компании отвечают: пока нет.

OpenAIOpenAI

Квартальный рост OpenAI разочаровал акционеров

По данным The Wall Street Journal, акционеры OpenAI рассчитывали на сокращение отставания от Anthropic, а получили рост выручки на 18% за квартал, до 6,7 миллиарда долларов, и операционную маржу ещё глубже в минусе.

Пока никто не написал. Будьте первым.

Присоединяйтесь к разговору

Войдите, чтобы оставить комментарий. Он появится после модерации.