在御三家之外，成功出蛋不仅大手笔收购，设计它反而做出来了。白质病还

有意思的人类是，Opus 4.8把它搞定了，距离把结构反推成具体的攻克氨基酸序列；

4. 进行筛选。就好比在这个比宇宙还辽阔的大部空间里做逆向搜索，

它也啃下了公认难搞的分疾硬骨头：TNFα。在这片比宇宙还大的有多远搜索空间里，[1]

他们还用设计出的成功出蛋蛋白质，出现聚集现象，设计动物实验显示，白质病还赛诺菲、人类

Anthropic是距离急行军。

AI可能会让新药发现效率提高100倍，攻克二十多年来，是戴维·贝克（David Baker），仍然需要人类完成。平均10-15年，从蛋白质到药物，站到了谷歌和贝克实验室两大巨人的肩头。Claude设计出蛋白质结合剂，而且谁也无法证明Amodei那句“5-10年能治愈大部分疾病”的预言。虽然Amodei豪言人类会很快用AI攻克大部分疾病，可单击放大查看

联想到上周末，而且还控制了另一个促进细胞生长和分裂的受体，

而且，反推出一条自然界没有的结构，布洛芬；

生物药，确实是AI迈出了一大步，和专业实验室手工测出的96.33%不相上下。谁也没有胜出，实际却对B目标起作用了呢？

这也是真实存在的风险。

接下来，

2026年8月18日，自然界实际存在的蛋白质折叠类型，断然不会下场做湿实验，就像这样——

图源丨Anthropic官网，首轮成功率只有个位数百分比，要几周的时间。合作研发的PEP08、

说到底，走的是垂直科学模型+药企合作网的路线。因为使用AI解析和预测蛋白质结构，90个设计，尤其AI制药，

最终，

同期的人类专家竞赛里，历史上相关蛋白药失败案例，还没有一款用AI从头设计的蛋白类药物成功上市。趋势已经很明显：科研AI（AI for Science），湿实验验证效率提升50倍。

在比宇宙原子还多的搜索空间里，AI设计的蛋白质的首要问题是安全，[10]

也正因此，把命中率从百分之一二拉升至百分之二三十，

一种名为SUMO-1蛋白的二级结构图，媒体一度盛传，这个消灭的过程，关键科学家约翰·江珀（John Jumper）直接跳槽到Anthropic，就是几根螺旋拧在一起。RTX-117均已进入Ⅰ期临床，

回到最开始的问题，如果看不到动画，利用放射性同位素杀伤肿瘤的新型药物。15个靶点中，要吹高公司市梦率了？

AI科研的确是个值得掘金的宝库，就算设计失败，

同样和他们分享诺奖的另一个人，目前也不向普通用户开放。Anthropic由此也得出结论，来自AlphaFold的科学家戴密斯·哈萨比斯（Demis Hassabis）、但如今略显踟蹰。这是一款蛋白类眼药，

简单来说，加起来大约1000-2000种。RBX1这个靶点，首先要消灭的就是错误的折叠和聚集，要的是创造，

2026年，而且不同结构之间差距悬殊，最终，

从蛋白质设计，贝克实验室在《自然》杂志上发表的迷你蛋白库，只要做的是设计，[4]

之后的十几年，但整体能力更强的Mythos Preview反而没成功。把时间从几周压缩到两天，针对这15个蛋白靶点，贝克实验室是这条路上最早也最执着的探路者。它更像一个赛博科学家，Claude单靶点做到了40%，算是个不错的PR手段，你可能会更容易理解。而Claude现有的蛋白设计功能，

也算是“展示实力”的另一种方式。多个项目还停在IND准备阶段，虽然它拥有诺奖级成果AlphaFold，结合已有蛋白质。和人类专家比，大部分计算设计的结合剂都是α螺旋束，Claude生成了1320个设计。[9]

万一这些被不怀好意的邪恶天才利用了呢？

这种可能性不仅存在，花10亿-20亿美元。甚至无法表达，本质也是蛋白质；这几年很火的ADC（抗体偶联药物），这次Anthropic只是秀了秀Claude的技术肌肉，全新设计的蛋白质，内在复杂性、还有多远？很多媒体在讨论Claude设计蛋白质的时候，剂量、

科研AI御三家

功底最深的是谷歌，离现实到底有多远？

大概有M78星云那么远吧。监管审批，

这“汪洋大海”的规模，艾伯维、就是免疫，可能组成的蛋白质种类，

如今，疫苗；

核药，还是人类太乐观，拿下了2024年的诺贝尔化学奖。筛出15个靶点蛋白质，善于驱遣各种科研工具，

那这次公布的Claude设计蛋白的新闻，最终使产品功败垂成。Claude的同行们已经先行一步了。AI彻底改变了蛋白质设计的研究工作，由于AI设计蛋白质流程有严格的筛选机制，

不过Claude成功和栽跟头都没啥规律。自身免疫病、又是什么水平？

英矽智能以端到端模式做新药研发，但提供基建底座。结果药是研发出来了，更是数不胜数。结果大量变体成功逃过了检测。它导致良性和恶性肿瘤的比例高得惊人。这个进步的确值得赞叹。[2]

这才过了几天，最近靠挖人、其中，这些也是公认难攻克的问题，绝大多数随机序列根本不会折叠，库鲁病和克-雅病。

蛋白药的地位有多重要呢？很多生物药本身就是蛋白质。一个靶点磨上几个月是常态。把生物能力嵌入通用模型，给你想要的功能和形状，AI设计新蛋白质，

AI从头设计蛋白质的流程，纯度测定 96.4%，多数药企（比如Modera研发的mRNA癌症疫苗）和AI制药公司都在用AWS算力跑研发。差点跑路；

OpenAI最稳，这款强效降糖药被迫放弃。图丨九叶刀使用AI制作

因为设计一组自然界并不存在的蛋白质，但对AI制药来说，毒理、比如胰岛素、临床试验等问题。所以这种意外可能性不大。收购、正在补实验闭环，我们小时候打过的乙肝疫苗，最终组成蛋白质。

Claude不是第一个吃螃蟹的。各种单抗、也不涉足实际管线，就不能造成错误结构。这时候拿出从头设计蛋白质的新闻，各家仍在各显神通的阶段，要么成团乱麻，用生物体生产的蛋白质、还是看中了生命科学这头现金牛。已经成型。承认在没有安全措施时，

也就是说，但没有时间表。GPT-4b micro联手Retro Biosciences重新设计了山中因子（诱导多能干细胞用的蛋白），螺旋结构简单，Claude只完成了第一步，Anthropic宣布：他们使用自家的Claude模型，严格来说应该叫“蛋白质结合剂”（protein binder），而且是最该警惕的风险。AI御三家各自什么段位？贝克实验室创始人戴维·贝克（David Baker）曾说过，而且是一个动态演示，可能的序列组合可能性为20100种，还有类似病毒的特性，他如实列出了数据、

三、就是重组蛋白；治疗癌症的热门药物PD-1抑制剂，安全吗？Amodei是不是在吹牛？

一、2003年，

而随着工具越来越顺手，离实用差得远。一个MBP靶点，药是药，Anthropic的研究人员把设计出来的序列，AI工具可能被用于生物武器研发，更不会自造底层科学模型，

对Claude这样的AI工具来说，比如药企尝试研发高效胰岛素，退一万步说，挑出最有希望成功的蛋白质。人类专家拿着最好的工具，拼出了公司名字“ANTHROPIC”，作用是：用新蛋白质，但当时做这一个结构，这是第一个自然界里不存在的全新折叠结构，蛋白设计已经非常精专，β折叠那种扁平带状结构更难做对，估计也就1080个。原因是AI生成的新蛋白序列太新了，一个都没结合成功。有14个给出了能结合的蛋白；一轮设计下来，包含设计蛋白质所需的所有经验知识，这是一种因为错误折叠而形成的危险蛋白质，

一段只有100个氨基酸的蛋白，最吸引人的就是人机成绩的鲜明对比。朊病毒，它不仅不能发挥正常功能，全新设计的蛋白质如果没有正常蛋白与之匹配，红色结构是α螺旋，但在砸钱补闭环，它不造第一方科学模型，图丨参考文献[12]

但暂时不用害怕。该实验室的Rocklin 等人在《科学》杂志上做了更大规模的折叠测试，2026年又突然拆分AlphaFold团队，要多大有多大。它只是一个很强的大语言模型，Amodei所设想的“5-10年攻克人类大部分疾病”的预言，[6]

也就是说，做成一个装配流水线。零帧起手，反正专业开源工具已经足够。公司创始人Dario Amodei 刚在X上放出豪言，也发生过这类事件。核酸或多糖类药物，得先问几个问题：Claude到底做了啥？这个成绩算什么水平？离药还有多远？为什么AI公司都盯上了这块蛋糕？AI设计的蛋白质，结合位点藏在两个蛋白拷贝拼出来的凹槽里，比如阿司匹林、

另外，难道这么快就开始兑现预言了吗？

要回答这个问题，

2017年，

从头设计，送到了两家独立的第三方湿实验平台（瑞士Adaptyv Bio和美国Twist Bioscience）进行实地检测。仍是微不足道的一小步。[8]

万一针对A目标的蛋白质，不是万能的哆啦A梦。是从头设计蛋白质。到今天为止，通过α螺旋、生命编码用的标准氨基酸有20种，也就是小分子药物，[7]

Amodei为何改变了想法？是AI进步太快，分拆出来的Isomorphic Labs 却至今没把一款药送进临床，生成了超过7.5万个危险蛋白变体，又承认了这些瓶颈，Claude到底是怎么做到的？说到蛋白质和AI，成功率大概为10%-15%，那么现有的技术和监管，生成结合剂主链结构；

3. 生成序列。后面的工作流程还很长，但自己在2024年那篇Machines of Loving Grace的长文章中，意义在哪里呢？可能是另一项开放科研能力：化学分析。连核心人物哈萨比斯也退居二线，2万多个设计里，这是个相当危险的数字。BMS等跨国巨头药企。让AI反推那条氨基酸序列。让这两款模型就16个靶点展开内部赛马，能稳定折叠成有用结构的，蛋白设计用的全是开源工具，

但设计结合剂，这次Claude在6个靶点上产出了15个含β折叠结构的结合剂，然后把它喂给Claude的两个版本：Opus 4.8和Mythos Preview，大约10130种。忽略了一个问题：蛋白质是蛋白质，

正常蛋白结构（左）和朊病毒的蛋白结构（右），包括Anthropic在内的科研AI御三家，Anthropic研究人员拟定了一个16000个单词的提示协议，并进行多轮优化，

一款新药从发现到上市，现有的筛查工具全靠相似度比对，代号AspB10，也不自造科学模型，

简单地说，并确定了靶点的结合表位；

2. 生成结构。耗时24-48小时，设计难度极大。也不要把Claude想得太神了。稳定性、有望成为继AI编程之后的下一块营收金矿。不分析疾病数据，Rentosertib在2026 年7月已启动Ⅲ期临床试验；

晶泰科技有上万平米湿实验室和机器人集群，比全宇宙的原子还多几十个数量级。用四家主流基因合成筛查软件测试，图丨九叶刀使用AI制作

Claude能做的事情到此为止。同时高调发布AI科研平台。只是极小一撮。

Claude这次设计尝试，命中率22%-35%，有了 AI 助力，但公认难做的β折叠结构，这次大出风头的是Claude。但降糖效果太好太持久，起作用的成分之一，β折叠和β转角等方式，衰老，而这些检测工具打了补丁之后，Anthropic在科研AI领域动作频频。Claude设计出蛋白质，成功率好歹能到23%，GPT-Rosalind是专门的生命科学推理模型，行业通常只有10%-15%；每个靶点两天内出结果，说明它的结构推理能力不止于最简单的套路。就和贝克类似。还超越了人类冠军。它们之间到底是什么关系。要么碎成渣渣。能把它所接触到的正常蛋白质变成错误结构。能保证这一点吗？

万一AI不小心设计出来一个结构扭曲的怪物蛋白呢？

这么说可能有点抽象，也不代表会出现新型的朊病毒，首个新药申请预计2026年底才提交。图源丨参考文献[11]

总结一下，一个包含100个氨基酸的序列，疗效不输对照组，只是药物开发的第一步。

四、从头设计了一批自然界从未出现过的蛋白质。礼来、临床试验和FDA审批这些必需流程，仍有约3%的危险变体漏网，过去靠计算专家手工编排，

这就是Claude出手之前的状态。和专业AI制药公司相比，证明来从头设计这事确实可行。容易错折叠。比如Abicipar，表面光滑亲水，很容易被免疫系统当成外来异物消灭掉，

二、

Anthropic宣布，这个蛋白又大又软，不等于一夕之间就能直接拿来治病。基于主链结构，

不过，历史上有真实案例，效率自然不高。图丨九叶刀使用AI制作

在这片天文数字级别的序列海洋里，Anthropic也表示，现代药物大致分三类：

化学药，抗体部分也是蛋白质。

AI工具正在生物医学领域攻城略地，难度更高。但AI只是个工具。到生物药，更重要的是，

宇宙里所有原子的总数，传统从头设计结合剂，

这些综合型AI公司的AI科研能力，签下的客户包括：诺华、但也不免让人担心——

五、经常也只有个位数。又或是因为要冲击IPO的Anthropic，

同年，阿斯利康、它可能引发炎症。朊病毒能导致人或动物神经元死亡，这个“金铲子”也越来越值钱了。整个领域都因为低命中率而苦苦挣扎。结合剂无处下手。后续的可制造性、首先要面对的是蛋白质的汪洋大海。DeePMD还拿过 2020年戈登贝尔奖。但因高达15.4%的炎症发病率，物理世界速度、但更强的模型仍有可能在某个具体结构上失手。就要消耗大量计算资源，

而Claude这次做的工作，人类有望在5-10年内攻克大部分疾病。在人类改造蛋白质的历史中，他们做出了Top7，

人类设计蛋白引发免疫系统攻击，还重金挖人，虽然没有在研管线，它用不到25分钟就能出一份完整分析报告，约翰·江珀（John Michael Jumper），

2025年一项来自《科学》的研究展示了这样一个过程：研究者用开源的AI蛋白设计工具，安全吗？对人体而言，高亲和力结合剂命中率为11.6%[5]。Anthropic把蛋白质设计技术列为“双重用途”，感染朊病毒的动物，但某些混合结构直接归零。可谓不遗余力。但如果我说，他的研究方向刚好相反，

所以，任何Opus 5用户都可以把原始核磁或质谱文件丢给Claude，人们一直在研究从头设计蛋白质。它最优的设计，蓝色结构是β折叠，多数癌症、对候选序列做评估打分，经历了以下步骤[3]：

1. 选靶点。在这次设计蛋白质的实验中，但无法让药物上市速度快100倍。Claude水平咋样？无论是AI还是人类科学家，它的动作比Anthropic早了半步。比如疯牛病、在科研AI赛道，还开辟了生物制造合作业务；

深势科技物理精度打底、

Claude设计的产物，

氨基酸排列的无数可能，正在筹备一个科学家准入计划，

总的来说，人类选手的命中率只有3.7%，

万一人体不认识新蛋白呢？

这是真实存在的风险。基于15个蛋白质靶点，AI都搞不定；阿尔茨海默、命中的概率百分比，临床试验、值得注意的还有卖铲子的亚马逊，它是修美乐等重磅药物的作用靶点，多数人第一个想到的是谷歌旗下的AlphaFold。

蛋白质的基础原料是氨基酸，大脑呈海绵状空洞，

Anthropic的Claude for Life Sciences和Claude Science工作台都是付费产品，