W skrócie
- Modele Claude Mythos i Opus osiągnęły skuteczność do 35,1 proc. w projektowaniu białek wiążących, przewyższając dotychczasowy standard branżowy wynoszący 10-15 proc.
- AI zredukowało czas analizy danych chemicznych z 4 dni do około 20 minut, przeprowadzając samodzielnie pełną orkiestrację procesów badawczych i inżynierię wsteczną.
- Ze względu na ryzyko podwójnego zastosowania dostęp do zaawansowanych modeli projektujących białka jest ściśle kontrolowany i ograniczony tylko do zweryfikowanych naukowców.
- Więcej podobnych informacji znajdziesz na stronie głównej serwisu, otwiera się w nowym oknie
Sztuczna inteligencja wyprzedza ludzkich ekspertów w projektowaniu białek
Potężne modele sztucznej inteligencji Claude Mythos Preview oraz Opus 4.8 osiągnęły rekordową skuteczność w autonomicznym projektowaniu białek wiążących od zera. W testach przeprowadzonych przez niezależne laboratoria Adaptyv Bio i Twist Bioscience system agentyczny stworzony przez firmę Anthropic wygenerował cząsteczki wiążące dla 14 z 15 badanych celów terapeutycznych, osiągając 22,6-35,1 proc. skuteczności. Dotychczasowy standard branżowy w tego typu kampaniach wynosił 10-15 proc.
Do tej pory etap obliczeniowy wymagał od ludzkich specjalistów tygodni pracy. W najnowszym badaniu algorytmy samodzielnie przejęły całą orkiestrację procesu, wybierając miejsca ataku na cząsteczkach docelowych, dobierając narzędzia do generowania szkieletów białkowych i optymalizując sekwencje. Spośród 1320 zaprojektowanych struktur fizycznie zsyntetyzowano i zweryfikowano w laboratorium 354 potwierdzone białka wiążące.
Przedstawione poniżej przykłady pokazują, jak modele sztucznej inteligencji mogą skrócić czas, obniżyć koszty oraz zredukować nakład pracy eksperckiej w naukach o życiu.
Zobacz również:
Potwierdzona skuteczność modeli Claude Mythos i Claude Opus
Najbardziej wyrazisty wynik odnotowano w przypadku celu RBX1, małego białka odpowiadającego za niszczenie wybranych struktur wewnątrzkomórkowych. Podczas gdy 245 uczestników otwartego konkursu projektowego zorganizowanego przez Adaptyv Bio uzyskało skuteczność na poziomie 3,7 proc., Claude Mythos Preview w trybie pracy nad pojedynczym celem osiągnął wynik 40 proc.
Co więcej, topowy projekt stworzony przez AI wykazał około 10-krotnie silniejsze wiązanie (3,9 nM) niż zwycięska konstrukcja wygenerowana przez ludzi (45 nM).
Wysoką wydajność odnotowano również w przypadku białka TREM2, powiązanego z badaniami nad chorobą Alzheimera, gdzie aż 72 z 90 zaprojektowanych białek wykazało zdolność wiązania (80 proc. skuteczności). W przypadku celu TNFα, stanowiącego fundament działania leków przeciwzapalnych, udane projekty wygenerował model Claude Opus 4.8. Stworzył on cząsteczki wiążące nie tylko ludzkie TNFα, ale również jego odpowiedniki u małp i myszy, co jest kluczową właściwością przy prowadzeniu badań na zwierzętach.
23 minuty zamiast 4 dni. AI przyspiesza analizę chemiczną
W równolegle przeprowadzonym eksperymencie model Claude Opus 5 wykazał zdolność do błyskawicznego przetwarzania danych z chemii analitycznej. Otrzymawszy jedynie surowe pliki z laboratoriów kontraktowych i dwuzdaniowe polecenie, algorytm przeprowadził analizę spektroskopii NMR oraz LC-MS odpowiednio w 23 i 19 minut. Tradycyjny raport laboratoryjny dla tej samej próbki wymagał 4 dni oczekiwania.
Wynik pomiaru czystości substancji uzyskany przez AI wyniósł 96,4 proc. i był niemal identyczny z wyliczonym przez laboratorium wynikiem 96,33 proc. Podczas analizy LC-MS, nie mając dostępu do fabrycznego programu, model przeprowadził inżynierię wsteczną zamkniętego pliku z urządzenia i bez specjalistycznego oprogramowania poprawnie odczytał dane ze wszystkich 2664 skanów.
Ponadto algorytm z własnej inicjatywy zaproponował eksperyment z wymianą deuterową - dokładnie taki sam, jaki analitycy wykonali fizycznie 3 dni po pierwotnym pomiarze.
Zobacz również:
Limity algorytmów. Gdzie systemy AI poniosły porażkę?
Kampania ujawniła także obecne limity algorytmów. System firmy Anthropic poniósł porażkę przy próbie zaprojektowania białek wiążących dla MBP (bakteryjnego białka o gładkiej, hydrofilowej powierzchni) oraz BBF-14 (sztucznie stworzonego białka pozbawionego ewolucyjnego wzorca w naturze). W przypadku MBP żaden z 90 projektów nie uzyskał pełnego potwierdzenia laboratoryjnego.
Głównym problemem okazał się fakt, że wewnętrzne filtry jakościowe systemu nie ostrzegły przed niepowodzeniem. Algorytm równie wysoko oceniał pewność swoich projektów przy udanych, jak i nieudanych próbach.
Dodatkowo inżynierowie z Anthropic zwracają uwagę, że projektowanie białek wiążących stanowi zaledwie pierwszy etap tworzenia leku i nie zastępuje długotrwałych badań klinicznych czy optymalizacji farmakokinetycznej.
Ryzyko zagrożenia biologicznego. Dostęp tylko dla zaufanych naukowców
Infrastruktura wykorzystana do projektowania białek opierała się na platformie Claude Science i zasobach obliczeniowych platformy Modal. Koszt pojedynczej kampanii wyniósł od 10 tys. do 50 tys. dolarów. Choć narzędzia do analizy chemicznej w modelu Claude Opus 5 są ogólnodostępne, dostęp do modeli Claude Mythos Preview oraz Claude Fable 5 w zakresie projektowania biologicznego pozostaje zablokowany dla szerszego grona użytkowników.
Decyzja ta wynika z ryzyka podwójnego zastosowania technologii (ang. dual-use) i możliwości jej wykorzystania do tworzenia zagrożeń biologicznych. Firma Anthropic zapowiedziała wdrożenie dedykowanego programu dostępowego przeznaczonego wyłącznie dla zweryfikowanych naukowców i jednostek badawczych. Poza tą wąską grupą zaufanych ekspertów możliwości autonomicznego projektowania biologicznego nie będą powszechnie udostępniane.
Co dalej? Projektowanie cząsteczek wiążących o wysokim powinowactwie to dopiero pierwszy krok na wieloetapowej drodze do stworzenia gotowego leku. Osiągnięte wyniki stanowią jednak fundament pod znacznie ambitniejsze cele - rozwój biotechnologii zmierza do tego, aby Claude potrafił autonomicznie prowadzić cały proces projektowania terapii od początku do końca, obejmując wszystkie typy cząsteczek leczniczych.
