Anthropic: ИИ-агент Claude самостоятельно спроектировал белки-связки с точностью 26,8%

Anthropic опубликовала технический отчет, в котором утверждает, что ее языковая модель Claude может автономно управлять всем процессом компьютерного дизайна белков-связок. В ходе экспериментов модели Mythos Preview и Opus 4.8 спроектировали связки против 16 целевых белков, из которых 15 дали измеримые результаты. Из 1 320 дизайнов, протестированных в лаборатории, 354 связались с целью, что соответствует 26,8% успеха. Для сравнения, типичный показатель в отрасли составляет 10–15%, согласно данным из базы proteinbase.com.

Дизайн белков de novo — это создание новых белков с нуля на компьютере, а не поиск их в природе. Обычно этот процесс требует множества экспертных решений и нескольких дней работы со специализированным программным обеспечением и вычислительными ресурсами. Anthropic утверждает, что Claude справился с этой задачей, используя только открытые инструменты, которые уже применяются в этой области. Например, для создания пространственных каркасов белков (бэкбонов) использовались PXDesign, RFdiffusion3, Genie 3 и другие. Аминокислотные последовательности вычислялись с помощью SolubleMPNN, а для фильтрации и ранжирования кандидатов применялись ESMFold2 и Protenix v2.

Одним из ключевых аспектов является то, что Claude работал системного промпта объемом около 16 000 слов, который включал научные инструкции, планирование, делегирование субагентам и контроль бюджета. При этом Anthropic не указывала, на какую часть поверхности белка атаковать (эпитоп) для каждой цели. Бюджет вычислений составил 50 000 долларов на многоцелевую кампанию и 10 000 долларов на одну цель, при этом использовался облачный провайдер Modal. Люди выбирали цели, писали промпт, заказывали синтез и интерпретировали данные, но в промежутках требовались лишь короткие нетextнические инструкции для возобновления работы после сбоев инфраструктуры.

Результаты сильно варьировались в зависимости от цели. Для иммунного рецептора TREM2 связались 72 из 90 дизайнов, для фактора роста VEGF-A — 54 из 90. Особенно показателен случай с RBX1, частью ферментного комплекса, контролирующего разрушение белков. В открытом конкурсе только 9 из 245 новых кандидатов связались с этой целью, тогда как с Claude — 28 из 90. Anthropic также проверила победный дизайн конкурса на той же пластине: он связывался с KD 45 нМ, а лучший дизайн Claude — с KD 3,9 нМ, что примерно в десять раз сильнее.

TNFα считается особенно сложной целью: это иммунный мессенджер, вызывающий воспаление, и мишень для пяти одобренных препаратов, включая Humira. Несколько предыдущих подходов сообщали о нулевых результатах. Claude создал 12 связок из 150 дизайнов, все от Opus 4.8. Однако эти двенадцать происходят всего из четырех разных каркасов, что снижает их независимость. Кроме того, 130 из 233 протестированных связок также связывались с мышиным аналогом целевого белка, что важно для доклинических испытаний.

Однако есть и ограничения. Против BBF-14, белка, созданного компьютером и не встречающегося в природе, сработали только три слабых дизайна, а против бактериального белка MBP — ни один из 90. Anthropic признает, что показатели уверенности от сворачивающих предсказаний не предупреждали о неудачах: оценки для MBP и BBF-14 были почти такими же, как для успешных целей. Это указывает на то, что текущие методы оценки могут быть недостаточно точными для предсказания провалов.

В целом, результаты показывают, что ИИ-агенты могут автоматизировать сложные научные рабочие процессы, но они не заменяют человеческий опыт полностью. Люди по-прежнему необходимы для выбора целей, интерпретации данных и принятия решений. Тем не менее, способность Claude самостоятельно управлять конвейером дизайна белков может ускорить разработку новых лекарств и биотехнологических продуктов, снижая затраты времени и ресурсов.