Claude 设计蝎子毒素结合蛋白深度解析:64 小时自主跑完 31.8 万个设计

Mon, 26 Oct 2026 00:00:00 +0000

摘要

2026 年 10 月，Anthropic 生命科学团队公布了一项跨度很大的实验:让 Claude 在 64 小时里主要自主运行，为五种蝎子神经毒素设计结合蛋白。整个过程中只有 4 次人类追问；模型生成了 318,484 个设计，筛选了 553,052 个 design-toxin 组合，调用了 12 个工具，消耗约 10,000 GPU 小时。

实验由 Anthropic 联合 Citrini Research、Adaptyv Bio 和 Twist Bioscience 完成。最终送测 211 个设计，两家独立实验室用 SPR（表面等离子共振）测结合亲和力，17 个设计被确认能结合目标毒素。其中针对 Cn2 毒素的最强设计 Cn2-B1，KD 约为 1.7 nM（另一实验室测得 3.1 nM），已经进入纳摩尔级别。

需要泼一盆冷水的地方同样明确:实验没有做细胞层面或动物层面的中和实验，也没有使用蛇毒或蝎毒中纯化出来的天然毒素，所以它不能被称作"抗毒血清"。但这件事的意义不在结论，而在流程——一个通用模型在几乎没有人类逐步指导的情况下，跑完了从靶点分析、序列生成、结构筛选到实验排期的完整闭环。

事件背景

AI 辅助蛋白质设计不是新话题。过去几年，RFdiffusion、ProteinMPNN、AlphaFold 系列工具已经把"生成一个可能折叠的蛋白"变成了相对成熟的工程问题。但"生成结构合理的蛋白"和"设计出能结合特定靶点的蛋白"之间，隔着巨大的筛选成本:候选数量动辄十万级，湿实验通量却极其有限。

Anthropic 这次实验的切入点正是这个瓶颈。传统流程里，人类科学家要反复做决策:选哪些靶点、用什么脚手架、如何过滤、送测多少个、失败后怎么调整。这些决策串起来就是一条隐性的"科研工作流"，它高度依赖经验，也很难规模化。

实验的设计是把这条工作流交给 Claude。模型在 Claude Science 环境（Anthropic 内部的研究模型）中运行，可以调用 12 个工具，包括序列生成、结构预测、打分筛选、去重和实验排期。人类只在 4 个关键节点介入追问，其余时间由模型自主推进。

靶点选择了五种蝎子神经毒素:Cn2（墨西哥蝎 β 毒素）、Ts1（巴西蝎 β 毒素）、AaH I 与 AaH II（北非蝎 α 毒素）、LqhIII（中东蝎 α 毒素）。这五种毒素之间的序列同源性只有 26% 到 62%，意味着模型不能靠"一个设计套用五个靶点"蒙混过关。

核心技术解析

技术架构

整个系统可以分成三层:决策层、生成层和验证层。

决策层是 Claude 本身。它负责读文献、理解靶点结构、决定用哪种设计策略、判断哪些候选值得送测。这一层的关键不是单次生成质量，而是"多轮自我修正"——模型会看自己的中间结果，然后调整下一步。

生成层由多个专业工具组成。模型调用序列生成工具产出候选序列，调用结构预测工具评估折叠质量，调用打分函数估计结合可能性，再做去重和多样性控制。553,052 个 design-toxin 组合就是这样被逐步筛出来的。

验证层在体外。Adaptyv Bio 负责表达和纯化，Twist Bioscience 提供基因合成，两家独立实验室用 SPR 测 KD。这一层的存在很重要:它意味着最终结果不是模型自评，而是真实物理测量。

  graph TD
    A[五种蝎子神经毒素靶点] --> B[Claude 读取文献与结构]
    B --> C[制定设计策略]
    C --> D[调用 12 个工具生成候选]
    D --> E[结构预测与打分筛选]
    E --> F{是否满足送测标准}
    F -->|否| C
    F -->|是| G[318,484 个设计 / 553,052 个组合]
    G --> H[211 个设计送测]
    H --> I[Twist Bioscience 基因合成]
    I --> J[Adaptyv Bio 表达纯化]
    J --> K[两家实验室 SPR 测 KD]
    K --> L[17 个设计确认结合]
    L --> M[数据与设计全部公开]

关键创新点

第一，把"科研决策"而不是"单步生成"交给模型。 大多数 AI 蛋白设计工作流里，模型只负责生成候选，筛选和排期由人做。这次实验里，模型自己决定生成多少、怎么过滤、送测哪些。64 小时、4 次人类追问，这个比例说明工作流层面的自主性是真实存在的。

第二，跨毒素的泛化测试。 五种毒素同源性只有 26%–62%，这迫使模型不能依赖"记住某个已知结合模式"。单毒素设计的命中率是 18%（11/60），说明模型确实在为每个靶点单独做设计，而不是靠一个模板通吃。

第三，规模化的候选管理。 31.8 万个设计、55 万个组合，这个量级已经超出人类手工管理的范围。模型需要自己去重、控制多样性、避免在同一个失败方向上反复投入。这本质上是"实验设计（DOE）“能力。

第四，数据全公开。 Anthropic 把 211 个设计和实验数据放到了 Hugging Face，并发布了技术报告。对 AI for Science 领域来说，这比任何单项指标都重要——可复现的失败案例和成功案例同样有价值。

第五，结合位点的可解释线索。 竞争实验提示，最强设计 Cn2-B1 的结合位点与已知能中和 Cn2 的抗体 LR 相近。这是一个弱信号，但它说明模型不是随机撞上一个位点，而是找到了生物学上合理的表位。

性能评测

实验的核心数据如下:

指标	数值
自主运行时长	64 小时
人类追问次数	4 次
生成设计数	318,484 个
筛选 design-toxin 组合	553,052 个
调用工具数	12 个
计算消耗	约 10,000 GPU 小时
送测设计数	211 个
确认结合数	17 个
单毒素设计命中率	18%（11/60）
最强设计 Cn2-B1 的 KD	约 1.7 nM / 3.1 nM（两家实验室）

分靶点看，Cn2 命中 7 个，AaH I 命中 4 个，AaH II 命中 4 个，LqhIII 命中 2 个，Ts1 一个都没有。这个分布本身提供了有用信息:β 毒素里的 Cn2 相对容易，同为 β 毒素的 Ts1 却完全失败，说明难度不完全由毒素类型决定，而和具体表面特征有关。

另一个必须记录的负结果:91 个"同时针对五种毒素"的多靶点设计全部失败，没有一个能结合一个以上毒素。这条数据比 17 个成功案例更能说明当前模型的能力边界——单靶点优化可行，多目标权衡还差得远。

行业影响

对市场的影响

对 AI for Science 赛道来说，这次实验给出了一个可对标的流程范式:通用模型 + 专业工具 + 湿实验闭环。它的竞争对手不是某个蛋白设计模型，而是"由人类科学家串起来的一整条研发流程”。

对生物医药公司来说，短期影响更多在"研发前端"。抗体发现、酶设计、结合蛋白筛选这些环节的候选生成成本会显著下降，真正的瓶颈会转移到湿实验通量和候选优先级判断上。长期看，如果模型能稳定产出纳摩尔级结合体，早期发现环节的人力结构会被重塑。

同期还有一条背景信息:OpenAI 在 10 月 21 日收购了 Orchestra Bio，并入其 Rosalind 生命科学平台。两家头部实验室同时加码 AI 制药，说明这不是一次孤立的技术演示，而是战略级投入。

对开发者的意义

对做 AI Agent 的开发者来说，这个案例的价值在于"长时程自主性"的工程细节:如何设计工具接口、如何让模型管理几十万级候选、如何在中间结果里做自我修正、如何设置人类介入的检查点。这些经验可以直接迁移到其他科研与工程场景。

对生物信息方向的开发者来说，门槛在变化。过去核心竞争力是"会不会用某个设计工具"，现在更关键的是"能不能把工具串成可被模型调用的工作流"，以及"能不能设计出信息量高的筛选指标"。模型不会替代结构生物学知识，但会替代大量重复的试错操作。

商业化前景

短期内，这类能力更可能以"研发服务平台"的形式落地，而不是直接卖模型。把 AI 设计 + 湿实验验证打包成服务，按项目或按里程碑收费，比卖 API 更符合生物医药的采购习惯。

真正的商业壁垒会落在两处:一是高质量的私有实验数据（失败数据尤其值钱），二是从设计到验证的闭环速度。模型能力会逐渐商品化，闭环能力不会。

实际体验

以下分析基于 Anthropic 公开的技术报告、Adaptyv Bio 的实验说明与公开数据集，不代表笔者参与过该实验。

场景一:从靶点到候选的"无人值守"阶段。 传统流程里，科学家要花大量时间读文献、比对同源结构、决定脚手架。这次实验里，模型自己完成了这部分，人类只在 4 个节点介入。对实验室来说，这意味着"前期探索"可以并行化——多个靶点同时跑，人只在关键判断上出现。

场景二:失败数据的价值。 Ts1 靶点 0 命中，多靶点设计 0 命中。这些负结果如果能被系统性记录和复用，会显著减少后续重复投入。Anthropic 把数据全部公开，实际上是在为整个领域积累"哪里走不通"的地图。

场景三:从结合到中和的距离。 这是最容易被误读的地方。SPR 测出 KD 只证明"能结合"，不证明"能中和"。要成为真正的抗毒血清候选，还需要用纯化的天然毒素做结合实验、做膜片钳（patch-clamp）验证离子通道功能、最后做小鼠保护实验。Anthropic 在报告里明确把这些列为下一步，这是负责任的做法。

  sequenceDiagram
    participant H as 人类研究员
    participant C as Claude
    participant T as 工具链
    participant W as 湿实验
    H->>C: 给出五种毒素靶点与目标
    C->>T: 检索结构 / 文献 / 同源信息
    T-->>C: 返回靶点特征
    C->>T: 批量生成候选并打分
    T-->>C: 返回 31.8 万个设计
    C->>C: 去重 / 多样性控制 / 自我修正
    C->>H: 提交 211 个送测清单（第 1 次追问）
    H->>W: 合成与表达
    W-->>C: 返回 SPR 实测 KD
    C->>C: 分析命中与失败模式
    C->>H: 汇报结果与下一步建议

优势与不足

优势:

长时程自主性得到验证:64 小时、4 次人类介入，工作流层面的自主程度高。
单毒素设计命中率 18%，最强设计 KD 达到 1.7 nM，属可用级别。
跨五种低同源毒素做设计，说明模型不是靠记忆已有结合模式。
数据与设计全部公开，可复现性远高于多数产业研究。
完整跑通"设计—合成—表达—测量"闭环，而非停留在计算预测。

不足:

未做细胞或动物层面的中和实验，不能称为抗毒血清。
未使用从蝎毒中纯化的天然毒素，靶点真实性打了折扣。
多靶点设计全部失败，说明多目标优化能力仍缺失。
17/211 的整体命中率意味着大量湿实验资源被消耗在失败候选上。
10,000 GPU 小时的算力成本，中小实验室难以复制。
通用模型在专业领域的判断仍需要人类设定标准与检查点。

总结与展望

这项实验最值得记住的数字不是 17 个命中，而是"64 小时、4 次追问"。它说明 AI 在科研里的角色，正在从"帮你算一个结构"变成"替你跑一段流程"——后者才是真正改变研发经济学的部分。

接下来要观察三个方向。第一，从结合到中和的验证能否走通，这决定了它是"蛋白设计演示"还是"药物发现工具"。第二，多靶点设计何时能突破，这是从单点工具走向通用平台的关键。第三，这类工作流的成本能否下降一个数量级，否则它只会是少数大实验室的专属能力。

对行业来说，更理性的态度是把它当作"研发流程的自动化"，而不是"AI 取代科学家"。模型能跑完 31.8 万个设计，但决定"该设计什么、什么算成功、失败之后怎么办"的，目前仍然是人。这个分工在短期内不会改变。

参考来源:

Agent应用 on 有鱼智界 | 森林有鱼