文章核心观点 - Anthropic使用其Claude模型从头设计了一批自然界从未出现过的蛋白质，并拼出了公司名称，展示了AI在蛋白质设计领域的重大进展[6][8] - Claude在蛋白质设计上的命中率（22%-35%）显著高于行业平均水平（10%-15%），且设计周期从数周缩短至两天[25] - 尽管AI在蛋白质设计上取得突破，但从设计到药物上市仍有漫长过程，Amodei“5-10年攻克大部分疾病”的预言距离现实遥远[32][46] 一、Claude设计蛋白质的技术流程与成果 - Claude设计蛋白质的流程包括：选靶点（基于16000单词提示协议，让Opus 4.8和Mythos Preview在16个靶点内部赛马，24-48小时筛出15个靶点）、生成结构、生成序列、进行筛选[10] - 设计产物为“蛋白质结合剂”，作用是让新蛋白质结合已有蛋白质[9] - 设计序列被送到两家独立第三方湿实验平台（瑞士Adaptyv Bio和美国Twist Bioscience）进行实地检测[12] - 在15个靶点中，有14个给出了能结合的蛋白，一轮设计命中率22%-35%，行业通常只有10%-15%[25] - 每个靶点两天内出结果，过去靠计算专家手工编排需要几周时间[25] - 人类专家竞赛中，RBX1靶点命中率仅3.7%，Claude单靶点做到40%，最优设计超越人类冠军[23] - Claude成功攻克了公认难搞的TNFα靶点（修美乐等重磅药物的作用靶点），但整体能力更强的Mythos Preview反而未成功[23] - 一个MBP靶点，90个设计全部失败，该蛋白又大又软、表面光滑亲水[23] - Claude在6个靶点上产出了15个含β折叠结构的结合剂，证明其结构推理能力不止于最简单的α螺旋束套路[23] 二、蛋白质从头设计的背景与挑战 - 蛋白质基础原料是20种标准氨基酸，通过α螺旋、β折叠和β转角等方式组成蛋白质[15] - 一段100个氨基酸的蛋白，可能序列组合为20^100种，约10^130种[16] - 宇宙所有原子总数估计约10^80个，蛋白质可能种类比全宇宙原子还多几十个数量级[17][18] - 自然界实际存在的蛋白质折叠类型约1000-2000种，绝大多数随机序列不会折叠[20] - 2003年贝克实验室做出Top7，是第一个自然界不存在的全新折叠结构，但消耗大量计算资源[20] - 传统从头设计结合剂成功率约10%-15%，一个靶点磨上几个月是常态[20] - 2017年贝克实验室在《自然》杂志发表的迷你蛋白库，2万多个设计中高亲和力结合剂命中率11.6%[20] - 同年Rocklin等人在《科学》杂志的更大规模折叠测试，首轮成功率只有个位数百分比，螺旋结构成功率23%，某些混合结构直接归零[21] 三、从蛋白质设计到药物的距离 - 现代药物分三类：化学药（小分子药物）、生物药（蛋白质、核酸或多糖类药物）、核药[29] - 很多生物药本身就是蛋白质，如乙肝疫苗的重组蛋白、PD-1抑制剂、ADC的抗体部分[29] - 设计蛋白质结合剂只是AI制药的第一步，后续可制造性、稳定性、毒理、剂量、临床试验、监管审批仍需人类完成[26] - 至今没有一款用AI从头设计的蛋白类药物成功上市[26] - 一款新药从发现到上市平均10-15年，花费10亿-20亿美元[32] - AI可能让新药发现效率提高100倍，但无法让药物上市速度快100倍[33] - Amodei在2024年《Machines of Loving Grace》长文中承认了数据、物理世界速度、内在复杂性、临床试验等瓶颈[33] 四、科研AI御三家的竞争格局 - 谷歌（DeepMind + Isomorphic）：拥有诺奖级成果AlphaFold，但2026年显疲态，Isomorphic Labs至今未将一款药送进临床，首个新药申请预计2026年底才提交，AlphaFold团队被拆分，关键科学家约翰·江珀跳槽到Anthropic[37] - OpenAI：走垂直科学模型+药企合作网路线，GPT-Rosalind是专门的生命科学推理模型，GPT-4b micro联手Retro Biosciences重新设计山中因子，湿实验验证效率提升50倍[37] - Anthropic：2026年最激进，通过挖人、收购、把生物能力嵌入通用模型，站到谷歌和贝克实验室两大巨人肩头，不自造科学模型，蛋白设计使用开源工具[38] - Anthropic的Claude for Life Sciences和Claude Science工作台是付费产品，客户包括诺华、礼来、赛诺菲、艾伯维、阿斯利康、BMS等跨国巨头药企[35] - 亚马逊作为基建底座，多数药企和AI制药公司使用AWS算力跑研发[38] - 专业AI制药公司方面：英矽智能Rentosertib在2026年7月启动Ⅲ期临床试验；晶泰科技有上万平米湿实验室，PEP08、RTX-117进入Ⅰ期临床；深势科技DeePMD获2020年戈登贝尔奖[39] 五、AI设计蛋白质的安全风险 - 朊病毒是因错误折叠形成的危险蛋白质，能导致疯牛病、库鲁病和克-雅病[40] - AI设计流程有严格筛选机制，首先消灭错误折叠和聚集，出现新型朊病毒可能性不大[41] - 全新设计蛋白质易被免疫系统当成外来异物消灭，可能引发炎症，历史案例Abicipar因15.4%炎症发病率失败[42] - 针对A目标的蛋白质可能对B目标起作用，历史案例胰岛素类似物AspB10导致良性和恶性肿瘤比例惊人，被迫放弃[42][43] - 2025年《科学》研究显示，用开源AI蛋白设计工具生成超过7.5万个危险蛋白变体，四家主流基因合成筛查软件测试后大量变体逃过检测，打补丁后仍有约3%危险变体漏网[43] - Anthropic将蛋白质设计技术列为“双重用途”，承认可能被用于生物武器研发，Claude蛋白设计功能不向普通用户开放，正在筹备科学家准入计划但无时间表[43] - Anthropic同时宣布Opus 5用户可将原始核磁或质谱文件丢给Claude，25分钟内出完整分析报告，纯度测定96.4%，与专业实验室手工测出的96.33%不相上下[44]