Claude蛋白质设计14靶点获独立验证 命中率22%-35%

2026年8月18日，Anthropic公布实验数据：Claude Mythos Preview与Opus 4.8在15个药物靶点中成功设计出14个蛋白质结合剂，生成1320个候选分子，经Adaptyv Bio与Twist Bioscience两个独立实验室验证，354个确认有效，单轮命中率介于22%至35%之间，高于当前蛋白质设计领域10%至15%的典型水平。

从靶点名称到新序列的完整流程

蛋白质结合剂设计需要先确定靶点表位，再生成全新氨基酸序列并预测其折叠结构。传统流程中，研究人员需依次调用RFdiffusion生成骨架、ProteinMPNN优化序列、ESMFold2预测结构，并反复筛选。Anthropic的实验中，Claude仅接收靶点名称，通过约16000字提示词嵌入工具调用逻辑与筛选标准，自主决定使用哪种工具组合、运行顺序与优化参数，最终在多靶点模式下48小时内处理14个靶点，单靶点模式下每靶点24小时完成全部步骤。人类仅执行批准网络访问、监控基础设施与将结果发送至实验室三项操作，未介入任何设计决策。

命中率提升的直接来源

实验中，不同模式下命中率存在差异：Mythos Preview单靶点模式达到35.1%，跨靶点模式26.7%；Opus 4.8跨靶点模式22.6%。RBX1靶点在特定设置下命中率达40%。这些数字均来自两个独立实验室对合成蛋白的结合实验验证。相比之下，行业常规蛋白质设计活动单轮成功率通常维持在10%至15%。实验同时显示，AI在23分钟内完成NMR与LC-MS原始数据分析，给出氢原子计数与纯度96.4%的结论，与实验室人工结果96.33%基本一致。

对各利益相关方的实际影响

对于药物研发企业，早期靶点结合验证环节的时间与人力成本降低，后续结构验证、毒理学评估与临床试验仍按传统流程执行。蛋白质工程团队可将Claude作为工具编排层，减少重复调用开源模型的脚本编写工作，保留对计算资源与实验数据的最终审核权。学术实验室若使用类似提示词，可在有限算力下并行处理多个靶点。合成服务商Adaptyv Bio与Twist Bioscience在本实验中承担了序列合成与结合测试，其业务模式因AI生成候选数量增加而获得更多订单。

与现有蛋白质设计工具的关系

AlphaFold解决的是已知序列的结构预测问题，而本次实验要求从靶点名称出发生成全新结合序列，两者输入输出完全不同。Claude并未开发新算法，而是通过提示词将RFdiffusion、ProteinMPNN、ESMFold2等已有开源工具串联，形成端到端工作流。这一做法表明，通用大模型在具备足够领域提示词的情况下，可承担原本需要专业脚本与多次人工迭代的任务。

后续可能出现的信号

基于现有数据，最可能出现的进展是更多研究团队复现该提示词框架并在自家靶点上测试命中率。若后续有公开报告显示，在相同实验室条件下，AI设计与人类专家设计的结合亲和力对比数据，或披露每靶点平均合成与测试成本，则可进一步判断该方法对药物发现时间线的实际压缩效果。