Claude 花 64 小时设计了 31 万个蛋白，17 个在实验室真的抓住了蝎毒

Anthropic 10 月 20 日公布了一项有点吓人的实验结果：他们让内部研究版 Claude 独立设计能抓住蝎子神经毒素的微型蛋白，64 小时后，模型交出了 31.8 万个设计方案；送到两家合作实验室实测的 211 个设计里，有 17 个真的抓住了目标毒素。

核心看点

• Claude 在 64 小时内跑了 12 个蛋白设计工具，生成 318,484 个设计，共折叠筛选 553,052 个「设计—毒素」组合，消耗约 1 万 GPU 小时。
• 靶点覆盖 4 个地区的 5 种蝎毒神经毒素：墨西哥 Cn2、巴西 Ts1、北非 AaH I 与 AaH II、中东 LqhIII。
• 211 个设计分别在 Adaptyv Bio 和 Twist Bioscience 两家实验室、用两种不同的表达体系做表面等离子共振测试，17 个同时满足「两家都命中」和「解离常数不高于 1 µM」的标准。
• 针对多种毒素的通用结合蛋白全部失败，没有一个设计能同时达标两条以上。
• Anthropic 公开了全部 211 个设计及其数据，外部专家给出「有希望的第一步」的评价，但离真正的抗毒血清还有很长的路。

为什么盯上蝎毒

蝎子蜇伤每年影响超过 120 万人，造成 3250 例以上死亡，其中多数是医疗条件有限地区的儿童。这个数字听起来不小，但对应的商业回报几乎为零——传统抗毒血清要给几千只蝎子取毒、再免疫马匹、从马血里提纯抗体，整套流程动辄数月，而且通常只对少数几个毒素亚型有效。投入少、市场小，蝎子蜇伤因此长期被归入「被忽视的热带病」。

这次实验的起点其实来自外部。一家叫 Citrini Research 的投资研究机构此前找到 Anthropic，问了一个很朴素的问题：一群没有药物研发背景的人，配上 AI，能不能啃下一个真实的公共卫生难题？Anthropic 的生命科学研究团队把这个问题变成了实验。

64 小时里发生了什么

给 Claude 的初始提示定义了靶点毒素、可用的蛋白设计与折叠工具，以及新颖性、打分和过滤的规则。真正交给模型自己决定的，是更麻烦的部分：选哪些蛋白结构、圈哪些氨基酸位点、质量阈值定多高、每个工具该信到什么程度、多毒素结合的策略怎么设计。

Claude 自己检索了蛋白质数据库和 AlphaFold 数据库来挑选毒素结构，然后在 Claude Science 环境里跑了 64 小时，前 24 小时几乎完全自主，之后人类只追加了四次提示，主要是要求它继续优化、尝试同时覆盖多种毒素。最后 180 个送测设计由模型自己筛出，团队另外补了 31 个，合计 211 个。

17/211 的命中率，该怎么看

17 个设计全部只针对单一毒素，其中结合最强的一个叫 Cn2-B1，是模型在第三次追加提示之后才挑出来的。这个命中率放在从头设计的蛋白上并不难看——过去的 de novo 设计常常连「能折叠、能结合」这一关都过不了。更关键的是流程：两家实验室用了不同的表达体系（无细胞体系和人类细胞系），两种体系都测出结合，才被计入。

但也不能过度解读。判定标准是解离常数不高于 1 µM，这是「确认有结合」的门槛，不是药物级别的亲和力；而且这只是体外实验，离能在动物体内中和毒素还隔着好几道关。

多毒素设计全军覆没

Anthropic 原本设想，如果 Claude 能设计出同时抓住多种毒素的蛋白，未来就有可能做出一种跨地区的通用抗毒血清鸡尾酒，既省钱又不用按地域分别备货。结果这一路彻底没走通：没有任何一个多毒素设计满足两条以上的标准。团队给出的解释很克制——可能是模型能力限制，也可能是提示词、现有设计工具的瓶颈，甚至可能受生物学本身约束。

这条失败记录反而值得注意：它说明这套流程目前擅长的是「把一个明确目标做深」，而不是「同时兼顾多个相互冲突的约束」。

离抗毒血清还有多远

一个结合蛋白只是抗毒血清的第一步。要变成药，还得证明它能在体内拦住毒素、不引发免疫反应、能规模化生产、能通过监管。Anthropic 请了两位外部结构生物学专家审阅，两人的共同判断是「有希望的第一步」——这个措辞本身就很说明问题。真正的价值在于时间尺度：如果几天内能设计出可信的结合蛋白、几周内在实验室确认，被忽视疾病的早期发现成本会被显著压低。

总结

这次实验最值得记住的不是 17 这个数字，而是 64 小时这个时间，以及「31.8 万个设计、1 万 GPU 小时、人类只插了四次话」的分工方式。AI 在科研里正在从「帮你写代码、改论文」变成「自己跑完一整轮设计—筛选—迭代」。同时它也诚实地暴露了短板：多目标优化依然不行，体外结合离成药依然很远。Anthropic 把 211 个设计和全部数据公开，算是给这个方向留了一份可复现的底稿。