Anthropic опублікувала два експерименти, в яких моделі Claude — Opus 4.8 та Mythos Preview — самостійно пройшли повний цикл дизайну білка-зв'язувача: від вибору ділянки атаки на молекулі-мішені до фінального ранжування тисяч кандидатів. Результат: 26,8 відсотка згенерованих білків реально зв'язалися з ціллю в лабораторних тестах — вище за типові 10-15 відсотків, які Anthropic наводить як галузеву норму за базою proteinbase.com.

Ключова відмінність від попередніх успіхів AI в біології, на кшталт AlphaFold чи RFdiffusion, не в новій моделі білків — Anthropic її не будувала. Новизна в тому, що загальна мовна модель сама встановила спеціалізований софт, вибудувала конвеєр із 24 робочих процесів і довела кожен дизайн до кінця без жодного дотику людини до конкретного рішення. Другий, менш помітний експеримент показав ту саму логіку на завданні з аналізу хімічних вимірювань.

Що саме доручили Claude в лабораторії?

Головне завдання — де-ново дизайн мінібіндерів, маленьких білків, які щільно чіпляються за білок-мішень і блокують або змінюють його функцію. Це принцип, на якому побудована значна частина ліків. Opus 4.8 і Mythos Preview працювали проти 16 білків-мішеней, 15 з яких дали придатні для оцінки виміри, і Claude домоглася хоча б одного зв'язувача на 14 з цих 15 цілей.

За даними The Decoder, з 1 320 протестованих у лабораторії дизайнів реально зв'язалися 354 — це і є ті 26,8 відсотка. Серед дизайнів, які модель сама поставила на перше місце у власному рейтингу, влучність зростає до 49 відсотків. Найпоказовіший кейс — білок RBX1: у відкритому конкурсі дизайнерів лише 9 з 245 кандидатів зв'язалися з цією ціллю, а у Claude — 28 з 90. Anthropic відтворила переможний дизайн конкурсу і перевірила його на тій самій вимірювальній панелі: він зв'язався при 45 нМ, тоді як найкращий дизайн Claude — при 3,9 нМ, приблизно вдесятеро міцніше.

Складним тестом був TNFα, мішень п'яти схвалених біопрепаратів, включно з Humira, де раніше низка методів взагалі не давала влучень. Claude отримала 12 зв'язувачів зі 150 дизайнів. А на двох цілях модель забуксувала: BBF-14, штучно вигаданий білок без природних аналогів, дав лише три слабкі зв'язки, MBP із гладкою поверхнею — жодного з 90. Оцінки впевненості моделей згортання білка не попереджали про ці провали заздалегідь.

Як агент керував цілим стеком інструментів?

Claude не отримала власної моделі білків — вона встановлювала й запускала лише відкритий спеціалізований софт, яким і так користується галузь. Просторові каркаси білків генерували PXDesign, RFdiffusion3, Genie 3, FreeBindCraft, BoltzGen, RFdiffusion та Proteina-Complexa, амінокислотну послідовність під них здебільшого прораховував SolubleMPNN. Для фільтрації й ранжування кандидатів модель використовувала ESMFold2, ESMFold2-Fast і Protenix v2 — ваги AlphaFold-3, Rosetta та ESM3 довелося виключити через ліцензійні обмеження.

Керував усім цим системний промпт обсягом близько 16 000 слів: лише третина тексту — власне біологічні настанови, решта — планування, делегування суб-агентам, перевірка результатів і дисципліна витрати бюджету. Промпт жодного разу не вказував, у яку точку на поверхні білка бити, — вибір епітопу модель робила сама. Бюджет становив 50 000 доларів на кампанію з кількома цілями і 10 000 доларів на одну ціль, через хмарного провайдера Modal. Люди лише обирали мішені, писали початковий промпт, замовляли синтез і інтерпретували фінальні виміри.

Чи означає це, що AI вже кращий за фахівців-біологів?

Не зовсім, і Anthropic сама на це вказує. У другому експерименті модель Opus 5 аналізувала сирі файли ядерного магнітного резонансу (NMR) і рідинної хроматографії з мас-спектрометрією (LC-MS), які зазвичай читають вручну у фірмовому софті приладу. За промптом у одне-три речення Claude видала результат за 23 і 19 хвилин: для LC-MS вона сама розшифрувала формат файлу, точно відтворивши підсумкові значення для всіх 2 664 точок виміру, а в аналізі NMR запропонувала той самий наступний експеримент, який лабораторія незалежно провела через три дні.

Але список застережень від самої компанії довгий. Не було паралельної кампанії людей-експертів для порівняння. Для чотирьох із шести конкурсних цілей результати конкурсу вже були в списку літератури, який читала модель, — це знижує чистоту порівняння. Виміряно було лише зв'язування, а не реальна структура чи біологічний ефект: жоден дизайн не пройшов структурного підтвердження. Кожна комбінація моделі й цілі запускалася рівно один раз, тож відділити майстерність моделі від випадковості неможливо.

Кому це відкриває двері?

Весь софт у конвеєрі — PXDesign, RFdiffusion, ESMFold2 та інші — відкритий і безкоштовний, тож бар'єром для лабораторій завжди була не відсутність інструментів, а брак інженерів, здатних тижнями вручну стикувати ці програми між собою. Anthropic стверджує, що саме цей бар'єр тепер знімає оркеструючий шар з мовної моделі: лабораторія без спеціаліста з обчислювальної біології отримує агента, який сам встановлює софт, сам обирає точку атаки і сам доводить кампанію до фінального рейтингу кандидатів. Компанія виклала промпти, дані дизайнів і обидва набори вимірів на Hugging Face, щоб кампанію можна було відтворити незалежно.

Для Anthropic це ще й аргумент у боротьбі за позицію на ринку AI — ми вже розбирали, чи витримає AI-бум оцінку Anthropic у 2 трильйони, і прикладний результат поза чат-ботом працює на цю ставку.

Висновок AiiN

Найцінніше в цих двох експериментах — не сам відсоток влучань, а те, що оркестрація 24 робочих процесів через один системний промпт із делегуванням суб-агентам і бюджетною дисципліною виявилася переносним патерном: та сама архітектура, яка тут веде протеїн-дизайн, однаково добре впорається з будь-яким іншим ланцюжком спеціалізованих інструментів, де кожен крок раніше вимагав окремого фахівця. За нашою оцінкою, AI-білдерам варто копіювати не «протеїновий» кейс, а саму конструкцію промпту — розділення на наукову частину і частину з керування процесом і бюджетом. Але поки немає незалежної перевірки та контрольної групи людей-експертів, називати це заміною біологів-дизайнерів передчасно.

Чи такий агентний дизайн білків готовий до реального фармвиробництва?

Ні. Виміряно лише факт зв'язування in vitro, жоден дизайн не пройшов структурного підтвердження, і немає даних про токсичність чи ефективність у живому організмі — це рання, доклінічна стадія розробки ліків.

Скільки коштував один такий агентний експеримент?

Обчислювальний бюджет становив 50 000 доларів на кампанію з кількома цілями одразу і 10 000 доларів на одну ціль, через хмарного провайдера Modal — без урахування вартості синтезу й лабораторної перевірки в Adaptyv Bio та Twist Bioscience.

Чи перевірив хтось ці результати незалежно?

Поки ні. Anthropic опублікувала промпти, дизайни та обидва набори вимірів на Hugging Face саме для того, щоб зовнішні дослідники могли відтворити кампанію та перевірити цифри самостійно.