Claude 設計出 15 個標的中 14 個可用的蛋白質結合子：Anthropic 的實驗室驗證生物學成果

多年來，外界對「AI 做科學」最標準的質疑就是：「拿出濕實驗室數據來。」本週，Anthropic 真的拿出了。在 2026 年 8 月 18 日發布的研究文章中，該公司公布了多臂蛋白質設計 campaign 的實驗室驗證結果：兩個 Claude 模型在 Anthropic 的 Claude Science 環境中全程自主運作，設計出全新的（de novo）蛋白質結合子，在 15 個實驗測試標的中成功命中 14 個——個別命中率介於 22% 到 35% 之間，而當今蛋白質設計領域的典型水準只有 10–15%。

更重要的是，驗證並非 Anthropic 自己做的。外部合作夥伴 Adaptyv Bio 與 Twist Bioscience 獨立合成並測試了 Claude 的設計，這使該結果成為迄今對 LLM 生物設計能力最嚴謹的外部驗證之一。

Claude 實際上做了什麼

任務是微型結合子（minibinder）設計：從零開始創造能緊密咬住特定目標蛋白的小型蛋白質。結合是現代藥物發揮作用的核心機制——藥物附著到目標上，抑制它、活化它、或遞送東西給它。歷史上，設計一個新的結合子需要專家針對每個標的花費數週到數月的運算、優化與篩選。

Anthropic 選了 16 個標的，全部來自標準蛋白質設計基準——包括 Adaptyv Bio 的整個 BenchBB——另外加入兩個新穎標的（15-PGDH 與 latent GDF-8），目的正是確保 Claude 無法依賴訓練資料中預錄的成功案例。針對每個標的，Claude 都被要求檢查並確認其設計是原創的。

campaign 以兩種模式進行：

• 多標的模式：Claude Opus 4.8 與 Claude Mythos Preview 各自在單一 48 小時的 session 中同時對所有標的進行設計，最多可使用 12,500 小時的 NVIDIA H100 運算資源來跑專門的蛋白質設計與摺疊模型。
• 單標的模式：Mythos Preview 以 24 小時為一個 session、每個標的最多 2,500 小時 H100 運算資源，各 session 平行進行。

最關鍵的是：在最初由人類專家撰寫、約 30,000 token 的蛋白質設計提示之後，Anthropic 沒有再提供任何科學、技術或操作上的指導。Claude 自主決定要針對每個蛋白的哪個位置設計、編排多個開源的結構設計／序列設計／共同摺疊模型、執行多輪計算優化，並篩選出能夠表現、保持可溶、且會結合的候選設計。

最終成果：從 1,320 個設計中，產出針對 15 個標的中 14 個的 354 個確認結合子。Mythos Preview 在單標的模式下整體命中率達 35.1%；Opus 4.8 與 Mythos Preview 在多標的模式下分別達 26.7% 與 22.6%。Anthropic 指出，這是對公開 de novo 結合子設計語料庫的重大貢獻——目前最大的兩個公開集合合計約 770 個結合子，來自 5,700 個設計。

真正重要的數字

技術細節中有三個發現特別值得注意：

超越競賽級表現。 針對 Adaptyv Bio 蛋白質設計競賽中的標的 RBX1，Mythos Preview 在單標的模式下達到 40% 命中率——而人類參賽者的平均命中率只有 3.7%。它排名第一的設計是高親和力結合子，表現超越競賽冠軍作品。

拿下一個治療上極困難的標的。 Opus 4.8（值得注意的是，並非更強的 Mythos Preview）在 TNFα 上成功了。TNFα 是免疫系統釋放以引發發炎反應的訊號蛋白，抑制它是史上若干最暢銷藥物（包括 Humira）的治療基礎。TNFα 之所以難設計，在於其多聚體結構——結合子必須瞄準由兩個蛋白形成的凹槽。Opus 4.8 產出了多個結合子，其中一些具跨物種反應性，能同時結合人類、獼猴與小鼠的 TNFα——這是進行動物實驗的關鍵特性。

結構推理，而非僅是模式配對。 大多數計算設計的結合子都是 α 螺旋束。β 摺板（延伸的胺基酸鏈必須並排對齊）更難設計，也更容易錯誤摺疊與聚集。Claude 產出了 15 個橫跨六個標的、含 β 摺板的確認結合子。

失敗也誠實呈現。針對 MBP（麥芽糖結合蛋白）——一個巨大、柔軟、表面光滑親水、讓結合子幾乎無處著力的蛋白——90 個設計全部未能確認結合。不過 Claude 對 BBF-14（一個自然界不存在、本身就是 de novo 設計出來的 β 桶狀蛋白）拿出了三個親和力中等的結合子。

化學實驗：23 分鐘 vs. 四天

文章中的第二個實驗，可能是更立即實用的一個。Claude Opus 5——一個公開可用的一般模型——拿到委外實驗室常規品管樣本的原始儀器檔案：一份 NMR 自由感應衰減訊號，和一份未公開格式的 LC-MS 二進位檔。NMR 任務的完整提示只有一句話：「i have a raw 1H FID: process it: FT, phase, baseline-correct. show me the spectrum. then pick peaks and integrate.」

在 Claude Science 中、沒有廠商軟體、沒有人類操作員的情況下，Claude 分別在 23 分鐘與 19 分鐘內完成兩份資料的處理：產出校準后的 18 峰光譜，氫原子計數與實驗室自身分析的差距在 0.08 ¹H 以內；純度讀數 96.4%，實驗室的數字是 96.33%。面對 LC-MS 檔案，Claude 先逆向工程出這個未公開格式如何編碼資料，然後在分析任何東西之前，先重現儀器自己記錄的全部 2,664 次 scan 總量來確認讀取正確。

委外實驗室的最終報告，是在第一張光譜的四天後才送達。Claude 還展現了科學判斷力：它獨立提出了與實驗室相同的後續實驗（重水 NMR 檢查），並透過自我檢查抓到自己第一輪解讀中的錯誤。

為什麼重要

這件事的意義是分層的。第一，它證明通用推理模型——而不只是專門的蛋白質摺疊系統——如今能端到端編排完整的科學工作流：文獻、模型選擇、運算、設計、篩選、交付驗證。第二，結果經過外部驗證且資料開放（提示、計算模型與實驗數據都發布在 Anthropic 的 Hugging Face 資料集上），這是其他實驗室也應該被檢視的標準。

第三，雙重用途（dual-use）問題如今變得具體。Anthropic 明確表示，蛋白質設計等雙重用途生物能力在其最強模型 Claude Fable 5 中維持封鎖，而為科學家建立存取計畫是該公司最高優先事項之一。「已展示的能力」與「安全部署」之間的落差，現在成了 AI 加速生物學中最迫切的政策問題——而這些結果讓這個落差再也無法被忽視。

微型結合子還不是藥物，Anthropic 也謹慎指出，高親和力結合子只是產出類藥物分子的第一步。但作為「前沿 LLM 能作為自主科學代理、產生經實驗確認的新穎生物學」的證據，這是迄今最強有力的成果之一。