Anthropic 让 Claude 自己设计蛋白质，15 个靶标命中 14 个——这个成绩让内行研究者惊讶。
8 月 18 日，Anthropic 公布了一项实验结果：Claude（Mythos Preview 和 Opus 4.8）自主完成了一整套蛋白质设计流程。
给它 15 个蛋白质靶标，让它自己设计能结合上去的新蛋白质，14 个靶标成功。
1320 个设计中 354 个经两家独立实验室验证有效，总成功率 26.8%。
这个领域的行业平均是 10%–15%。
蛋白质结合剂是很多药物起效的基础：先设计一个分子能抓住靶标蛋白，后面才有可能做成药。
这个设计过程通常需要蛋白质工程师数周的计算、优化和筛选。
01、从 AlphaFold 到 Claude预测蛋白质和设计蛋白质是两件事
2020 年 AlphaFold 做的事：给定一段蛋白质序列，预测它折叠成什么形状。
输入已知，输出是预测。
它是专门训练的蛋白质模型，做一件事做到极 致。
而 Claude 这次做的事不同。
它拿到的只有靶标蛋白的名字，任务是从零设计一个全新蛋白质去结合它。
输入是名字，输出是新蛋白质。
一个是看图说话，一个是命题作文。
Claude 用的工具全是现成的——RFdiffusion、ProteinMPNN、ESMFold2，这些蛋白质设计和结构预测的开源模型早已存在，任何实验室都能下载。
Claude 没有发明新工具，它做的是编排：研究团队写了一份约 1.6 万词的提示词，把蛋白质工程师的工作知识编进去，包括实验各阶段、每阶段可用的工具和筛选标准。
这份提示词不指定从蛋白质哪个面下手，不指定用哪种生成方法，不预设任何序列。
丢给 Claude，给一个云服务器账户，让它跑。
多靶标模式下 48 小时一个 Session 同时处理 14 个靶标，单靶标模式下每个靶标 24 小时。
人类操作员只做了三件事：批准网络访问、监控基础设施、把 Claude 排好序的设计送去两家独立实验室（Adaptyv Bio 和 Twist Bioscience）合成和检测——没有人介入任何设计决策。
Claude 自己选靶点、选表位、装工具、跑模型、筛选优化、排序交付，最终调用了 10 种结构生成方法，拼出 24 种工具组合。
02、结果
蛋白质设计领域目前的平均成功率是 10%–15%。
Claude 在不同模式下跑出 22%–35%，是行业均值的两到三倍。
如果只看 Claude 自己排名最高的那个设计，命中率是 49%：每两个靶标，排第 一的设计就有一个直接能用。
几个靶标的结果值得单独说。
Adaptyv Bio 之前针对一个叫 RBX1 的蛋白办过公开设计竞赛，全球参赛者提交 245 个设计，只有 9 个成功。
Claude 在同一个靶标上提交 90 个设计，28 个成功，最 佳设计抓靶标的紧密程度是竞赛冠军的十倍。
TNFα 是个更难的靶标——全球最畅销药物之一 Humira 就靠结合这个蛋白起效，但多个专家团队此前尝试从头设计结合剂，全部失败。
Opus 4.8 产出了 12 个有效设计，部分还能跨物种同时结合人、猴、鼠的 TNFα。
也有翻车：一种叫 MBP 的蛋白上，90 个设计全军覆没。
分析化学方向也有类似信号。
给 Claude Opus 5 一份核磁共振仪器的原始数据和一句话指令，23 分钟出结果，和实验室化学家半小时到一小时的手工分析结论一致。
两个实验方向不同，信号一致：Claude 这个通用模型在需要专家数周完成的科研任务中，在 24 到 48 小时内（多靶标模式 48 小时，单靶标模式 24 小时）自主跑出了经实验室验证的专家级结果。
03、短短六年，天翻地覆
结合剂距离药物还很远，中间隔着毒理、临床试验等环节，每步都要数年。
所有结构都是计算预测，未经实验结构验证。
Claude 用的全是开源工具，Anthropic 已把提示词、数据和全部 1440 个设计模型开源在 HuggingFace 上，任何实验室都可以复现。
这类自主科研能力同时有双重用途的风险，Anthropic 在公开版 Claude 中封锁了蛋白质设计等生物能力。
从 AlphaFold 预测蛋白质结构到 Claude 自主设计蛋白质，仅仅过去了六年。