چرا نرخ موفقیت Claude در طراحی پروتئین از استانداردهای فعلی پیشی گرفت؟

تصور کنید در آزمایشگاهی هستید که در آن هوش مصنوعی دیگر فقط یک ماشین پیش‌بینی نیست، بلکه مدیر پروژه است که ابزارها را استخدام می‌کند و بودجه را مدیریت می‌کند. اگر امروز در حوزه بیوتکنولوژی فعال هستید، باید بدانید که مرز بین «نرم‌افزار کمکی» و «دانشمند دیجیتال» همین حالا جابه‌جا شده است.

طبق گزارش فنی منتشر شده در ۱۹ اوت ۲۰۲۶، شرکت آنتروپیک (Anthropic) از مدل‌های Claude برای مدیریت کامل چرخه طراحی پروتئین استفاده کرده است. این عامل (Agent) — شبیه به یک مدیر پروژه که می‌داند هر بخش کار را به کدام متخصص بسپارد — تمام مراحل از پژوهش‌های بیولوژیکی تا نصب نرم‌افزارها و رتبه‌بندی کاندیدها را بدون دخالت انسان در تصمیمات طراحی انجام داد. در واقع، این سیستم توانست به نرخ موفقیت ۲۶.۸ درصدی در ایجاد اتصال‌دهنده‌های (Binders) کاربردی دست یابد. این دستاورد در ادامه موجی از موفقیت‌های مشابه است، مانند زمانی که ویروس‌های طراحی‌شده با هوش مصنوعی توانستند با موفقیت باکتری‌ها را نابود کنند.

همان‌طور که در تحلیل قبلی ما درباره‌ی دیدگاه مدیرعامل آنتروپیک به متمرکز شدن هوش مصنوعی اشاره کردیم، این پیشرفت نشان می‌دهد که تمرکز، تنها مربوط به قدرت پردازشی نیست، بلکه درباره توانایی یک مدل در یکپارچه کردن جریان‌های کاری پراکنده علمی است. در این رویکرد، هوش مصنوعی از یک ابزار تخصصی برای پیش‌بینی ساختار به یک مدیر کل برای فرآیندهای علمی تبدیل شده است. تصور کنید آزمایشگاهی که در آن AI فقط یک شکل را پیش‌بینی نمی‌کند، بلکه ابزارهای مجازی را استخدام کرده و بودجه ساخت آن را مدیریت می‌کند.

عملکرد در طراحی

مدل‌های Claude (به‌طور مشخص Mythos Preview و Opus 4.8) روی ۱۶ پروتئین هدف کار کردند که ۱۵ مورد آن‌ها نتایج قابل اندازه‌گیری داشتند. از میان ۱,۳۲۰ طراحی آزمایش‌شده در محیط آزمایشگاه، ۳۵۴ مورد با موفقیت به اهداف خود متصل شدند. این نرخ موفقیت ۲۶.۸ درصدی، در مقایسه با بازه ۱۰ تا ۱۵ درصدی معمول که در پایگاه داده proteinbase.com یافت می‌شود، یک جهش خیره‌کننده است.

به نقل از این گزارش، وقتی مدل برترین کاندیداهای خود را رتبه‌بندی کرد، نرخ موفقیت به ۴۹٪ رسید. نتایج در اهداف مختلف متفاوت بود:

• TREM2: ۷۲ مورد از ۹۰ طراحی موفق بودند.
• VEGF-A: ۵۴ مورد از ۹۰ طراحی موفق بودند.
• RBX1: ۲۸ مورد از ۹۰ طراحی موفق شدند و با اتصال ۱۰ برابر قوی‌تر (۳.۹ نانومولار در برابر ۴۵ نانومولار)، برنده یک مسابقه باز (Open Contest) را شکست دادند.

تفاوت‌های عملکردی و موازنه

نرخ موفقیت بسته به نحوه استقرار مدل‌ها تغییر کرد. در حالت «چند-هدفه» (Multi-target mode) که تمام اهداف هم‌زمان در بازه ۴۸ ساعت مدیریت شدند، Mythos Preview به ۲۶.۷٪ و Opus 4.8 به ۲۲.۶٪ رسیدند. اما وقتی Mythos Preview روی هر هدف به‌صورت مجزا کار کرد، نرخ موفقیت به ۳۵.۱٪ افزایش یافت؛ هرچند این حالت ۲.۸ برابر محاسبات (Compute) — یا همان کرایه آشپزخانه صنعتی برای پختن داده‌ها — بیشتری به ازای هر هدف می‌طلبید. نویسندگان گزارش اذعان دارند که در این نتایج، تمرکز و بودجه از یکدیگر جدایی‌ناپذیر هستند.

کلود همچنین روی TNFα تمرکز کرد که یک پیام‌رسان سیستم ایمنی و هدفی برای پنج داروی تاییدشده مثل Humira است. در حالی که روش‌های طراحی قبلی هیچ نتیجه‌ای (Zero hits) نداشتند، کلود ۱۲ اتصال‌دهنده از ۱۵۰ طراحی تولید کرد (که همگی توسط Opus 4.8 انجام شد). البته این ۱۲ مورد تنها از چهار ساختار (Scaffold) متفاوت مشتق شده بودند که نشان می‌دهد استقلال آن‌ها کمتر از عدد خام است.

علاوه بر این، عامل مذکور با هدف قرار دادن نسخه‌های حیوانی پروتئین‌ها، کاربرد عملی خود را در توسعه دارو نشان داد. اگرچه این مورد تنها یک هدف ثانویه در پرامپت بود، اما ۱۳۰ مورد از ۲۳۳ اتصال‌دهنده آزمایش‌شده، توانستند به نسخه موشی (Mouse counterpart) هدف خود نیز متصل شوند.

زیرساخت عامل‌محور

نکته کلیدی این است که آنتروپیک مدل پروتئینی جدیدی نساخته است. در عوض، کلود به‌عنوان یک عامل، ده‌ها ابزار متن‌باز را اجرا کرد. مدل نرم‌افزارها را از مخازن عمومی نصب و در ۲۴ جریان کاری مختلف ترکیب کرد:

• ساختاربندی (Backbones): عامل از ابزارهای متنوعی استفاده کرد، شامل PXDesign (۳۵۸ طراحی)، RFdiffusion3 (۲۶۷ مورد)، Genie 3 (۱۸۵ مورد)، FreeBindCraft (۱۳۵ مورد)، BoltzGen (۱۳۴ مورد)، RFdiffusion (۱۱۸ مورد) و Proteina-Complexa (۱۰۰ مورد).
• محاسبات توالی: زنجیره‌های اسید آمینه تشکیل‌دهنده این ساختارها عمدتاً توسط SolubleMPNN (نسخه‌ای از ProteinMPNN) محاسبه شدند.
• فیلتر و رتبه‌بندی: برای پیش‌بینی نحوه تا شدن اتصال‌دهنده و هدف در کنار یکدیگر و اختصاص نمرات اطمینان، کلود از ESMFold2، ESMFold2-Fast و Protenix v2 استفاده کرد.

به دلیل محدودیت‌های لایسنس، وزن‌های AlphaFold-3، نرم‌افزار Rosetta و ESM3 از چرخه خارج شدند. همچنین، به عامل گفته نشده بود که دقیقاً کدام نقطه از سطح پروتئین (اپیتوپ) را برای هر هدف مورد حمله قرار دهد. با این حال، اتکای شدید به ابزارهای کدنویسی خودکار، چالش‌های خاص خود را دارد؛ موضوعی که در تحلیل ما درباره محدودیت‌های عامل‌های AI در تایید علمی کدهای زیست‌شناسی به تفصیل بررسی شده است.

زیرساخت عملیاتی

برای مدیریت این پیچیدگی، عامل از یک پرامپت سیستمی (System Prompt) ۱۶ هزار کلمه‌ای استفاده کرد. تنها یک‌سوم این متن راهنمای علمی و فهرستی از متون برای مطالعه بود و دو-سوم باقی‌مانده بر زمان‌بندی، تفویض اختیار به زیر-عامل‌ها، تایید (Verification) و انضباط بودجه تمرکز داشت.

انسان‌ها فقط در لبه‌های فرآیند حضور داشتند: انتخاب اهداف، نوشتن پرامپت اولیه، سفارش سنتز و تفسیر داده‌ها. در فاصله بین این مراحل، تنها دستورات کوتاه و غیرفنی برای از سرگیری کار پس از قطعی‌های زیرساختی لازم بود. کل بودجه محاسباتی برای هر کمپین چند-هدفه ۵۰,۰۰۰ دلار و برای هر هدف تک، ۱۰,۰۰۰ دلار بود که از طریق سرویس ابری Modal اجرا شد.

تحلیل شیمیایی و محدودیت‌ها

مدل Opus 5 توانایی تفسیر داده‌های خام آزمایشگاهی را نشان داد. این مدل فایل‌های اختصاصی LC-MS را رمزگشایی و نتایج طیف‌سنجی NMR را در کمتر از ۲۵ دقیقه تحلیل کرد. برای فایل LC-MS، مدل هیچ برنامه خواننده مناسبی پیدا نکرد و خودش فرمت را رمزگشایی کرد و مقادیر خلاصه را برای تمام ۲,۶۶۴ نقطه اندازه‌گیری دقیقاً بازتولید نمود.

در تحلیل NMR، کلود دقیقاً همان آزمایش تکمیلی را پیشنهاد داد که تیم انسانی سه روز بعد به‌طور مستقل تصمیم به اجرای آن گرفت. همچنین مدل یک اشتباه را اصلاح کرد؛ ابتدا گزارش داد که چهار سیگنال گم شده است، اما یک بررسی داخلی نشان داد که تنها دو سیگنال گم شده‌اند. در مورد خلوص، در حالی که آزمایشگاه عدد ۹۶.۴٪ در برابر ۹۶.۳۳٪ را گزارش کرد، در گزارش ذکر شده که اگر کلود از متد خود آزمایشگاه استفاده می‌کرد، عدد ۹۸.۸٪ را محاسبه می‌کرد.

با این حال، سیستم با دیوارهای سخت برخورد کرد. مدل در برابر پروتئین باکتریایی MBP که سطحی صاف و آب‌دوست دارد، کاملاً شکست خورد. همچنین در برابر BBF-14 که یک ساختار مصنوعی بشکه‌ای‌شکل و فاقد تاریخچه تکاملی است، دچار مشکل شد. در برابر BBF-14 تنها سه طراحی با اتصال ضعیف موفق شدند و در برابر MBP هیچ‌کدام از ۹۰ طراحی متصل نشدند. نکته نگران‌کننده این بود که نمرات اطمینان داخلی مدل، این شکست‌ها را پیش‌بینی نکردند و طراحی‌های شکست‌خورده نمراتی مشابه با طراحی‌های موفق دریافت کردند.

تحلیل تحریریه

این یک چرخش از «هوش مصنوعی برای علم» به «هوش مصنوعی در نقش دانشمند» است. پیشرفت واقعی در اینجا تا شدن پروتئین نیست — ابزارهایی مثل AlphaFold این کار را انجام داده‌اند — بلکه در لایه ارکستراسیون است. آنتروپیک با حذف نیاز به متخصص انسانی برای زنجیره کردن پنج نرم‌افزار مختلف در طول چندین روز، سد ورود به طراحی de novo را به‌شدت پایین آورد.

اعتبارسنجی توسط آزمایشگاه‌های قراردادی Adaptyv Bio و Twist Bioscience انجام شد که قدرت اتصال را به صورت مقدار KD در نانومولار (nM) اندازه‌گیری کردند. از آنج که مقادیر کوچک‌تر نشان‌دهنده اتصال قوی‌تر و دوزهای کمتر مورد نیاز برای داروهاست، نتیجه ۳.۹ نانومولار برای RBX1 یک پیروزی فنی قابل توجه است.

برای صنعت بیوتکنولوژی، این یعنی گلوگاه از «تخصص نرم‌افزاری» به «سنتز و تایید آزمایشگاهی» منتقل شده است. اگر هر آزمایشگاهی بتواند اکنون یک کمپین با نرخ موفقیت بالا را با استفاده از ابزارهای متن‌باز و یک LLM با پرامپت مناسب اجرا کند، مزیت رقابتی به سمت کسانی می‌رود که بتوانند سریع‌ترین چرخه تکرار را در دنیای فیزیکی اجرا کنند.

گام بعدی شما

• پژوهشگران باید پرامپت‌ها و مجموعه‌داده‌های منتشر شده توسط آنتروپیک در Hugging Face را بررسی کنند تا این جریان‌های کاری را روی اهداف خود تست کنند. نویسندگان پذیرفته‌اند که گروه کنترل متخصص انسانی وجود نداشت و ساختارها به‌طور کامل حل نشدند.
• بررسی کنید که آیا ابزارهای متن‌باز ذکر شده در این گزارش با زیرساخت‌های فعلی شما سازگار است یا خیر.
• دنبال کنید که آیا این عامل‌ها می‌توانند از پیش‌بینی اتصال، به پیش‌بینی اثرات بیولوژیکی واقعی در سلول‌های زنده حرکت کنند یا خیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.