Anthropic 20 октября 2026 года опубликовала отчёт об эксперименте, в котором её внутренняя исследовательская модель Claude почти без участия человека провела кампанию по созданию белков, связывающих нейротоксины скорпиона. Модель сгенерировала 318 484 варианта, из них синтезировали 211 конструкций, а связывание подтвердили методом SPR в двух независимых лабораториях для 17 белков; лучшие из них работают с наномолярной аффинностью. До противоядия это не дотягивает — нейтрализацию токсинов не проверяли — но отчёт и все лабораторные данные Anthropic сделала открытыми.
Что произошло
Эксперимент устроен как полноценная научная кампания под управлением модели. Получив стартовое задание, Claude сама нашла структуры пяти нейротоксинов (Cn2, Ts1, AaH I, AaH II, LqhIII) в открытых базах PDB и AlphaFold DB, выбрала сайты связывания, задала себе пороги качества и скомбинировала 12 специализированных инструментов дизайна. Она сгенерировала 318 484 варианта, провела co-folding для 553 052 пар и отобрала 180 конструкций на синтез; люди добавили к списку ещё 31, доведя итог до 211. Дальше в игру вступила физика: лаборатории Adaptyv Bio и Twist Bioscience независимо проверили все 211 белков методом SPR по строгому критерию — KD ≤ 1 мкМ, подтверждение результата в обеих лабораториях и отсутствие off-target-сигнала. Связывание подтвердилось для 17 конструкций: 7 против Cn2, 4 против AaH II, 4 против AaH I, 2 против LqhIII; против Ts1 не прошёл ни один кандидат. Два лучших биндера, Cn2-B1 и Cn2-B2, связывают токсин Cn2 с аффинностью в единицы наномолей. Отдельная линия — 91 мульти-токсинный кандидат, нацеленный сразу на несколько мишеней: все они провалились, ни один не связал больше одного токсина. Финальный отчёт о кампании Claude подготовила сама, и участие людей на этапах генерации и отбора было минимальным.
Контекст
Понимать результат помогает различие двух целей: связать токсин и обезвредить его. Связывающий белок — binder — это молекула, которая «прилипает» к мишени, а мерой контакта служит константа диссоциации KD. Для практического применения этого мало: кандидат должен нейтрализовывать токсин, а такой этап в кампании не выполнялся. Сама верификация связывания здесь строже, чем обычно в корпоративных AI-отчётах: вместо самооценки модели конструкции прогнали через физический метод SPR, поверхностный плазмонный резонанс, в двух независимых лабораториях с заранее заданными критериями успеха — редкий для этой индустрии стандарт доказательности. Второй пласт контекста — смена роли языковой модели. Claude здесь не ассистент, отвечающий на вопросы учёных, а исполнитель: сама построила план, сама держала пороги качества, сама собрала рабочий пайплайн из специализированных инструментов и написала итоговый отчёт. Важно и то, что это разовый исследовательский прогон, а не развёрнутый сервис: за пределами опубликованного эксперимента у Anthropic нет ни API, ни прайсинга, ни эксплуатационных показателей. Такой рецепт — автономный агент плюс внешняя лабораторная проверка — это методологический прецедент, который теперь могут повторять и проверять другие команды.
Почему это важно для индустрии
Для AI-индустрии главный сигнал — не молекулы, а экономика кампании. Генерация и первичный отбор кандидатов уложились примерно в 64 часа автономной работы агента и около 10 000 часов ускорителей, а участие человека свелось к одному стартовому запросу и четырём уточнениям. Если такие кампании станут повторяемыми, узкое место сместится из вычислимой фазы, которую масштабируют ускорители, в физический мир — синтез, SPR-валидацию и функциональные тесты; именно там будет сосредоточена следующая цепочка ценности, вплоть до сервисных моделей design-as-a-service у биотех-вендоров. Разработчикам важен сам продуктовый паттерн «бриф → автономная работа → внешняя валидация → отчёт»: его можно переносить в другие домены вместе с практикой ревью-гейтов и программного приёма лабораторных заказов. Биотех-команды получают заземлённый бенчмарк: свои пайплайны дизайна можно сравнивать на тех же пяти токсинах с опубликованными SPR-результатами, не воспроизводя кампанию с нуля. Если сценарий разовьётся, многодневные циклы «мишень → кандидаты → синтез → измерение» могут стать рабочей рутиной компутационной биологии и удешевить ранние стадии разработки терапевтических белков.
Почему это важно для пользователей
Для читателя это конкретный, проверяемый пример того, что агентные модели уже ведут настоящие научные эксперименты, а не только пишут код и тексты. Ждать из этого ближайшее лекарство не стоит: кампания — разовый исследовательский прогон без API, прайсинга и данных о задержках, а биндеры не подтверждены как нейтрализаторы, то есть противоядием они не являются. Практическая ценность сегодня — в открытости данных. Отчёт и технический PDF Anthropic выложены публично, а датасет Anthropic/scorpion-toxin-binder-design на Hugging Face доступен под лицензией CC-BY-4.0 и содержит все 211 синтезированных конструкций вместе с SPR-результатами, включая 17 подтверждённых биндеров. С этими данными можно сверять громкие заявления об AI-дизайне белков, собирать лидерборды и инструменты для оценки моделей, изучать методику отбора кандидатов и сам подход к агентным научным кампаниям. Для неспециалиста вывод скромный: AI-агенты выходят в лаборатории, но пока в роли ускорителя ранних исследовательских стадий, а не создателя готовых препаратов.
Что пока неизвестно / ограничения
Ключевые неизвестные отмечены в самом отчёте. Связывание токсина — ещё не нейтрализация: обезвреживающее действие не проверяли ни на клеточных моделях, ни на животных, и Anthropic не называет результат противоядием. Формула «около 8% успеха сопоставимо с типичными показателями классического белкового дизайна» — это оценка авторов отчёта, а не корректный бенчмарк: у классических кампаний другие мишени, критерии хита и число попыток, и прямое сравнение без выравнивания условий не выдерживает критики. Внешние лаборатории верифицировали связывание готовых конструкций, но сам автономный агентный пайплайн пока никто независимо не воспроизводил — это разовая демонстрация одной модели на пяти конкретных токсинах, и переносимость подхода на другие мишени не показана. Наконец, вероятные сценарии развития — волна репликаций, лидерборды по открытому датасету, design-as-a-service — остаются интерпретациями: подтверждающих данных о них пока нет.
Источники
- Anthropic Research: How Claude designed protein binders against scorpion neurotoxins
- Scorpion_Technical_Report_v1.pdf — технический отчёт Anthropic (PDF, 31.9 МБ)
- Датасет Anthropic/scorpion-toxin-binder-design на Hugging Face (CC-BY-4.0)
Автор
Look at AI, редакция