Claude самостоятельно спроектировал и валидировал 354 функциональных белка

# Claude как автономный научный агент: спроектированы 354 новых белка

Компания Anthropic опубликовала отчет, демонстрирующий переход искусственного интеллекта из роли инструмента в роль автономного участника научного исследования. В рамках проекта модель Claude Opus 4.8 получила задание, характерное для команды биохимиков, и выполнила его, работая в течение до двух суток без участия человека в принятии научных решений.

Автономный конвейер и масштаб задачи

Целью эксперимента стала задача «белково-белкового связывания» (protein-protein interaction). Исследователи предоставили модели список из шестнадцати белков-мишеней. Задачей Claude было для каждого из них сгенерировать по тридцать вариантов небольших белков («связывателей»), которые физически прикреплялись бы к мишени, нарушая её работу.

Человек в процессе выступал лишь в роли инженера инфраструктуры: он подтвердил сетевые доступы и отслеживал работоспособность вычислительных ресурсов. Все остальные этапы — от поиска биологического контекста мишеней до выбора стратегии генерации и фильтрации результатов — полностью лежали на модели.

Для выполнения задачи Claude объединил в единую схему работу десяти различных нейросетевых инструментов. Среди них выделяются такие платформы, как RFdiffusion, PXDesign, Genie 3, BoltzGen и другие. Они отвечают за разные функции: от предсказания 3D-структуры до выбора последовательности аминокислот и оценки вероятности успешного связывания пар молекул. В процессе работы агент самостоятельно составил около 24 уникальных комбинаций использования этих инструментов для 1315 протестированных дизайнов.

Управляющая логика агента была описана в промпте объемом около 16 тысяч слов. Примечательно, что лишь треть этого текста содержала прямые научные инструкции, а две трети — регламенты делегирования задач субагентам и протоколы самодиагностики результатов.

Результаты синтеза и валидации

Готовые цифровые модели белков были отправлены на физический синтез. Валидацию прошли 1320 дизайнов в двух независимых коммерческих лабораториях. Лаборатории работали «вслепую», не зная исходных целей исследования.

Результаты оказались значительно лучше средних показателей индустрии: * Успешность связывания: Из 1320 проверенных вариантов удалось получить рабочие связыватели у 354. Общий процент попаданий составил 26,8%, тогда как типичные показатели в области составляют 10–15%. * Эффективность по мишеням: У 14 из 16 белков-мишеней удалось найти хотя бы один работающий связыватель. * Сравнение с конкурсами: На мишени RBX1, по которой ранее проходил открытый конкурс, Claude показал результат 28 попаданий из 90 попыток. Участники конкурса, где было предложено 245 дизайнов, связали только 9 молекул.

В одном из случаев Anthropic пересинтезировала дизайн победителя конкурса и сравнила его с лучшим решением Claude. Аффинность (крепость хватки) связывателя Claude в 10 раз превышала показатель человеческого победителя (3,9 нМ против 45 нМ).

Технические ограничения и области провала

Несмотря на успех, отчет содержит честную оценку ограничений технологии. Не все мишени были преодолены успешно: * Белок MBP (бактериальный с гладкой поверхностью) не сработал ни с одним из 90 дизайнов. * Белок BBF-14 (искусственно созданный «мусорный» белок без эволюции) также не дал результатов.

Агент самостоятельно анализировал провалы и выдвигал версии их причин (например, сложность поверхности мишени или отсутствие эволюционной истории у искусственных белков), однако корректно идентифицировать причину не смог в 60–70% случаев.

Доступность и открытость данных

Антропик подчеркивает открытость эксперимента. На платформе Hugging Face были загружены: * Полный промпт с инструкциями для агента; * 1440 спроектированных дизайнов белков; * Сырые данные с приборов лабораторий (включая неудачные опыты); * Логи работы агента.

Такая открытость позволяет сообществу оценить честность результатов и воспроизвести эксперимент.

Этические риски и ограничения доступа

Успех проекта привел к принятию решения об ограничении публичного доступа к инструментам Fable 5. Биологический конвейер заблокирован для широкой публики из-за риска двойного назначения: разработанные технологии могут быть использованы для создания опасных патогенов или токсичных агентов.

Антропик обещает открыть доступ к платформе для узкого круга ученых в виде закрытой программы доступа. Тем не менее, сами промпты и описания архитектур агента доступны всем.

Значение для науки

Эксперимент демонстрирует возможность использования ИИ как полноценного научного сотрудника — от гипотезы до физического эксперимента. Валидация, проведенная независимыми лабораториями, подтверждает, что модель способна генерировать данные на уровне лучших человеческих команд при тех же затратах (10–50 тысяч долларов на кампанию). При этом Anthropic утверждает, что это лишь первый этап, и в будущем такие агенты смогут работать с более сложными системами, включая живые организмы и сложные биохимические реакции.

Цитата из отчета: "Современные агенты могут выполнять роль вычислительных биологов, но пока не готовы заменить живых ученых в полной мере."

--- Источники: 1. Официальный отчет Anthropic на платформе Hugging Face. 2. Публикации в научных журналах, посвященные методам генерации белков (RFdiffusion, Genie 3). 3. Интервью с инженерами Anthropic в блогах компаний.

Ключевые термины: * Protein Design (Проектирование белков): Процесс создания новых белковых последовательностей с заданными свойствами. * Affinity (Аффинность): Мера силы связывания между двумя молекулами (например, лекарством и мишенью). * Protein-Protein Interaction (Взаимодействие белков): Процесс, при котором два или более белков связываются друг с другом. * Generative AI (Генеративный ИИ): Технологии, способные создавать новый контент (тексты, изображения, молекулы) на основе обучающих данных. * Double-use Dilemma (Проблема двойного назначения): Этический дилемма, связанная с потенциальным вредным использованием технологий, разработанных для благих целей.