FRONTIER · 落到现实

三家投研机构问了一句，Claude 64 小时造出 31.8 万个蛋白——17 个真的粘住了蝎毒；而最该读的是作者自己写的那句「我们没做基线」

De novo design of protein binders against scorpion toxins with Claude

Claude Science、Nathaniel Horwitz、James van Geelen、Kat Kajderowicz、Amir Shanehsazzadeh Anthropic 生命科学部门与它九月才对外公开的自建实验室；通讯作者 Shanehsazzadeh 也是第 65 篇那次把 30 多个开源生物模型平均加速 4 倍的作者，前作让 Claude 从单条提示词出发对 16 个靶点做 de novo 设计 · 另外三位署名分别来自 Citrini Research、Hunterbrook 和 Novus Capital 三家投资研究机构，湿实验由 Adaptyv Bio 与 Twist Bioscience 两家 CRO 完成 · 外部评审来自西班牙国家癌症研究中心的 Susana Vázquez Torres 与丹麦技术大学的 Timothy P. Jenkins

2026 年 10 月

为什么选它它把「AI 做药」第一次拆到可逐项核对的粒度：成功的 17 个、失败的 151 个，以及一句主动写进局限的「我们没做基线」。读完能拿到两件别处没有的东西——瓶颈已从设计挪到设计之后；agent 自己定的打分，挑不出真正的赢家。

10 月 20 日 Anthropic 放出一份报告：从一条提示词加四次追问出发，Claude 在 64 小时里生成了 318,484 个蛋白设计，自己挑出 180 个，人又补了 31 个，一共 211 个送进两家 CRO 的湿实验室。最后 17 个达标，覆盖五种蝎毒神经毒素中的四种。蝎子每年蛰伤 120 万人以上、致死 3,250 人以上，大半是缺医少药地区的儿童；因为做出来也赚不回研发成本，它被归进「被忽视的热带病」。但这篇真正的结论不是那 17 个，而是作者和两位外审反复说的同一句话：粘得住，已经不是难关了。

另一个值得读的理由是提问的人。这题不是生物学家想做的，是做投资研究的 Citrini Research 找上门，问「一群有动力的非专业人士能不能靠 Claude 真做一道人类健康的题」——论文五位署名里有三位来自投研机构。而这篇最该先翻的一页是「局限」：作者自己写明没有做任何基线，既没让专家用同一套工具跑一遍，也没跑固定流水线，因此分不清这里有多少是 Claude 的贡献、多少是工具的贡献，也无法说它比常规做法省了多少时间和钱。在今天所有「AI 做出了科学发现」的报道里，这句话出现得低得可怕。

人划了多大的圈，它在圈里做了什么

分工写得很细。人类定了五个靶点——墨西哥的 Cn2、巴西的 Ts1、北非的 AaH II 与 AaH I、中东的 LqhIII，定了要打毒素身上哪个位置、要交哪几组设计，并列出可用工具与打分规则。剩下的 Claude 自己决定：挑用哪个毒素结构；在每个毒素上选五个「热点」，也就是设计必须抓住的具体氨基酸位置；设定合格分数线；12 个设计工具各用多少；以及怎么去凑那些要同时打多种毒素的设计。它一共把 553,052 个「设计—毒素」配对做了共折叠（co-fold，把两条链当成一个复合体一起预测结构，用来估计它们贴不贴得上），耗掉约一万个 H100 小时，峰值在 Modal 上开到 350 个容器。有一个细节值得工程师单独抄走：Claude 把打分交给一个独立服务、把挑选交给一个协调 agent，生成设计的 agent 一律不参与给自己打分，而且分数线在任何设计被打分之前就冻死了。第 54 篇和第 60 篇里 agent 们追着打分器作弊，这次是在科研流程里主动做了权力分置。

一个漂亮的成功，和一个很干净的失败

成功那边：最强的 Cn2-B1 是个 104 个残基的小蛋白，用 RFdiffusion3 生成，两家实验室测出的解离常数（KD，衡量结合有多紧，数值越小越紧）分别约 3.1 和 1.7 纳摩尔，而且都被标成上限值。更有说服力的是竞争实验——先让一个已知能在小鼠体内中和 Cn2 的抗体片段 LR 占住毒素，再放设计进去，六个能测的 Cn2 结合子全部掉了 87% 到 95% 的信号；换成结合在毒素另一面的 RU1，五个只掉 15% 到 22%，剩下那个掉 66%，而它的预测结构显示它确实压到了 RU1 的位置上。这说明这批设计真的挤在 LR 那个位置，也就是毒素用来抓住钠离子通道的那一面——通道被搅乱，正是人被蛰后神经乱放电、严重时心衰肺水肿的起点。失败那边更干净：针对两种及以上毒素的 151 个设计里，没有一个在超过一种毒素上达标，91 个「一打五」只出了 1 个结合子，而且只对一种毒素有效。作者没把这记成「做不到」，而是指出这是道故意出狠的题——五种毒素来自四种蝎子，被蛰的人不会同时中这五种毒。

真正拦在后面的东西

报告里最克制的部分，是它拒绝把这件事叫抗蝎毒血清。17 个结合子只测了结合，没有一个做过体外中和或动物实验；用的毒素是实验室重组表达的，不是从毒液里纯化的。亲和力也只是初步值：Twist 那边每个 KD 只跑了一条浓度序列，有基线漂移；连最强的 Cn2-B1 都在一个无关蛋白上出现了弱信号。而已发表的抗体片段和纳米抗体仍然更强：三个针对 Cn2 或 AaH II 的分子 KD 在 0.11 到 0.70 纳摩尔之间，且都在小鼠身上保护成功过。单毒素命中率是 60 个里 11 个、18%，作者明说这跟他们以前几次战役「一致」——这次变强的不是准确率。还有一个容易被跳过的发现：Claude 那套最终打分能预测不同设计组之间的成功率高低，却挑不出一组之内哪几个会成；17 个赢家是湿实验挑出来的，不是分数挑出来的。

一万个 GPU 小时，和一句脚注

算力这笔账作者自己也觉得难看：一万个 H100 小时不是多数人拿得到的量。脚注给了另一条路——在第 65 篇那次把 30 多个开源生物模型平均加速 4 倍之后，用简化提示词、单张 GPU 跑 24 小时，产出设计的计算分数就能跟「多用上百倍 GPU 小时」的早期战役相当。但这个对比只在计算分数上成立，而且本次战役一项都没用上。收尾的做法值得记一笔：211 个设计的序列、预测结构与分数，连同两家实验室的全部原始测量，按 CC BY 4.0 全部放上 Hugging Face。在今天的「AI 做科学」里，把没达标的那 194 个也一起公开，仍然是少数做法。

这篇真正的新闻藏在一句否定句里：结合本身已经不是瓶颈了。单毒素命中率 18%，作者明说跟他们之前的战役一致——所以这次长进的不是化学，是谁能开动这件事、以及多快。一条提示词加四次追问，64 小时，而提问的是三家投研机构的分析师。这是一个关于分工的消息，不是关于分子的消息。它和第 75 篇是同一个调子：那篇说机器人卡住的不是脑子是手；这篇说药卡住的不是设计，是设计之后的所有事。而「设计之后的所有事」恰好是账单的大头。蝎毒抗毒血清之所以成了被忽视的热带病，不是因为没人想得出分子，是因为做出来赚不回钱：临床前、动物、人体试验、冷链、定价、在真正发生蛰伤的地方买得到。设计这一步压缩成 64 小时之后，后面那几步一分钱没少。两位外审说得比论文客气，但说的是同一件事。所以读这篇最该管住的冲动，是把「17 个结合子」读成「抗毒血清」——作者自己在正文里四次拒绝了这个等号，这种自我设限在今年的 AI 科学报道里值钱。最该被引用的，是那句「我们没做基线」。没有专家对照组、没有固定流水线对照组，于是这篇无法回答任何人最想问的问题：换一队人用同样的 12 个工具、同样一万个 GPU 小时，结果会差多少？论文把这条列进局限、并写明需要什么实验才能解决，这是诚实；但它同时意味着，这类工作目前只能证明「可以做到」，不能证明「AI 做得更好」。第 48 篇那个判断在这里又成立一次——加速是斑块状的，而每一块的边界都得靠基线来画。那个失败比成功更有信息量。151 个多毒素设计全军覆没，不是因为提示词不够长：Claude 自己想了多种策略，还重用了在近亲毒素上成功过的骨架。报告给了一个很具体的解释方向——在预测复合体里，一个设计要同时接触五种毒素时，它碰到的位置通常不到一半是同一个残基，于是同一张结合面必须去迁就不同的氨基酸；而只按「对五种都打得分高」去筛，似乎会选出那种结合面并没有预先成形的东西。把要求从一个靶点加到五个，不是把同一件事做五遍，而是换了一道题。这对所有想靠「在提示词里多加几条约束」来升级 agent 产出的人都适用。我认为这篇最被低估的一句，是打分挑不出赢家。Claude 定的那套最终分数能区分设计组之间的好坏，却无法在一组之内指出哪几个会成。这给「AI 自己闭环做科学」划了一条很硬的线：只要筛选信号的分辨率停在组一级，循环里就必须嵌一个真实世界的测量步骤，而那一步按周计、按钱计。第 36 篇和第 66 篇的数学工作之所以能跑得那么快，是因为 Lean 把验证做成了免费的；生物这边暂时没有 Lean，CRO 就是它的 Lean，而 CRO 要收钱、要排期。还有一个做法值得单独抄走。Claude 把生成、打分、挑选拆给不同的 agent，生成者不许给自己打分，分数线在开评之前冻死。第 54、60 篇里 agent 们追着打分器作弊，这次是在科研流水线里主动做了权力分置——而这不是安全团队加的护栏，是跑科研的那一方自己加的。随着越来越多结论由 agent 产出，这类「评审独立性」的工程细节，会比模型强不强更决定结果可不可信。

蛋白设计AI 做科学被忽视的热带病湿实验验证自主 agent

去读原文 本文是原创导读，不是原文翻译——真正的细节、证据和微妙之处都在原文里。原文Anthropic Research · How Claude designed protein binders against scorpion neurotoxins：博客版，含两位外审专家的完整意见 → 原文技术报告全文（69 页）：竞争实验原始数据、多毒素失败的分析，以及那份逐条写明「什么实验能解决它」的局限表 → 原文数据发布（CC BY 4.0）：全部 211 个设计的序列、预测结构、打分与两家实验室的结合测量，含没达标的那 194 个 → 延伸Autonomous de novo protein binder design with Claude（2026 年 8 月）：本文的直接前作，16 个靶点、每个设计只打一种靶，18% 命中率的出处 → 延伸第 65 篇的原文：那句「单张 GPU 跑 24 小时就能打平百倍算力」的脚注，底子在这里 → 延伸Vázquez Torres 等 · De novo designed proteins neutralize lethal snake venom toxins（Nature, 2025）：本文效法的那项工作，蛇毒那边已经做到了保护小鼠——看清「结合」到「中和」还差几步 → 延伸Citrini Research 自己写的合作记述：提问方视角，非专业人士是怎么把这道题提出来的 →

上一篇33 位物理学家出了一份没发表过的考卷，AI 考了 49/50——还顺手改对了专家的标准答案；Anthropic 联创拿这件事上 IMF 讲台说：奇点已经开始了下一篇它注册了两个假身份去说服一个真人合并恶意代码——而放它过去的不是什么坏目标，是它自己写的那份上下文压缩摘要

本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。篇目由编辑独立选取，来源均经人工核实。