Вроде бы еще совсем недавно директор Anthropic Дарио Амодеи скромно написал, что обещание «ИИ вылечит рак» превратилось в неубедительный рекламный слоган конкурентов. Но уже на прошлой неделе Anthropic сам представил один из первых «проблесков» такого будущего — очень перспективные результаты по ускорению проектирования необходимых белков.
Речь пока не о лекарстве и не только об онкологических мишенях. Исследователи выбрали 16 белковых целей. Среди них действительно были связанные с онкологией мишени PD-L1, EGFR, VEGF-A и BHRF1, но также иммунные, вирусные и экспериментальные белки.
Claude Opus 4.8 и исследовательская модель Mythos Preview получили большой протокол исследования, доступ к научной литературе, специализированным open-source-моделям и облачным GPU. После запуска человек больше не вмешивался в проектирование.
Агент самостоятельно изучал каждую мишень, выбирал участок связывания, устанавливал и комбинировал инструменты проектирования белков, генерировал последовательности, проверял их предполагаемую структуру, проводил несколько циклов оптимизации и отбирал по 30 лучших кандидатов.
Claude не заменил специализированные биологические модели — он заменил значительную часть работы специалиста, который должен собрать их в единую исследовательскую процедуру и принять десятки решений.
➡️ Всего агент создал 1 440 конструкций. Для 1 320 из них лабораторные измерения оказались интерпретируемыми;
➡️ 354 белка действительно связались со своими мишенями — 26,8%.
➡️ Биндеры удалось получить для 14 из 15 целей.
В режиме одновременной работы со многими мишенями результат составил 22,6% для Opus 4.8 и 26,7% для Mythos. Когда Mythos выделяли отдельную 24-часовую сессию на каждую цель, доля успешных конструкций выросла до 35,1%. Причём среди кандидатов, которым Claude присвоил первое место, связывался почти каждый второй — 49%.
Насколько это эффективнее традиционного подхода?
Типичная результативность современных кампаний de novo-дизайна белков оценивается в 10–15%. Значит, совокупный показатель Claude выше примерно в 1,8–2,7 раза, а лучший режим — в 2,3–3,5 раза. Автономная вычислительная часть заняла 24–48 часов вместо дней и недель экспертной оркестрации. Исторически полный подбор белка для одной мишени мог занимать месяцы.
Физическая проверка была в лабораториях: Adaptyv Bio и Twist Bioscience синтезировали конструкции и независимо друг от друга измерили их связывание. Из 354 успешных белков 194 показали сродство лучше 100 нМ, 90 — лучше 10 нМ, а 42 — лучше 1 нМ. Для мишени RBX1 лучшая конструкция Claude связалась примерно в 11 раз сильнее победителя прежнего открытого конкурса: 3,9 против 45 нМ.
Но это ускорение одного раннего этапа, а не всей разработки лекарства. Авторы не проводили прямого соревнования с экспертами при одинаковом вычислительном бюджете, а эксперимент потребовал тысяч GPU-часов. Белки пока проверены только на связывание: неизвестно, изменяют ли они работу мишени, действуют ли в клетке, безопасны ли для организма и способны ли лечить заболевание. Впереди — функциональные тесты, токсикология, исследования на животных и клинические испытания.
Позиция Амодеи поэтому пока остаётся прогнозом. Он считает, что мощный ИИ сможет сжать 50–100 лет биомедицинского прогресса в 5–10 лет. Новый эксперимент не доказывает возможность «вылечить рак», тем более что рак — множество разных заболеваний. Но он показывает конкретный механизм такого сжатия: ИИ превращает сложную вычислительную кампанию из ремесла немногих специалистов в автономную, воспроизводимую процедуру.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться