Citrini использовала Claude для проектирования белков против токсинов скорпионов

Claude и новые молекулы Очень люблю исследования Citrini: они не ограничиваются аналитикой за столом и проверяют идеи руками. В этот раз пять инвестиционных аналитиков, трое из которых без научного образования, потратили $200 тысяч на попытку сделать противоядие от укусов скорпионов с помощью AI. Лекарства пока нет, но белки, которые в лаборатории связываются с нужными токсинами, у них получились. На проектирование ушли дни, на изготовление и проверку около двух месяцев. Противоядия до сих пор часто получают из крови лошадей, которым вводят небольшие дозы яда. Аналитики решили попробовать minibinders, короткие белки, спроектированные под конкретный токсин. Делать их со временем может оказаться дешевле. Anthropic дала команде доступ к экспериментальной версии Claude Science. Вместе с Claude аналитики написали промпт на 35 страниц: пять токсинов, требования к молекулам, список инструментов и критерии отбора. Дальше Claude запустил больше 300 субагентов. Они читали статьи, работали со специализированными моделями белков и отбирали кандидатов. Сами белки просчитывали эти модели, Claude раздавал им задачи и собирал результат. Когда у него появились вопросы, как изготовить некоторые конструкции, он составил письмо специалисту из Twist Bioscience. Получив ответ, поправил дизайн и продолжил работу. По отчёту команды, за 64 часа получилось 211 белковых конструкций, вычисления обошлись примерно в $50 тысяч. Дальше их изготавливали и проверяли в лабораториях Twist Bioscience и Adaptyv Bio. Что вышло:

- 17 конструкций прошли критерии связывания, варианты нашлись для четырёх токсинов из пяти - Универсального белка, который связывал бы сразу несколько токсинов, не получилось - Компьютерные оценки Claude почти не предсказывали результат: отличить удачную конструкцию от неудачной они помогали в 49% случаев, почти как подбросить монетку.

Организовать научную работу AI уже неплохо умеет, а предсказывать биологию пока нет. Прилипнуть к токсину ещё не значит его обезвредить. Нейтрализуют ли эти белки яд, неизвестно: впереди проверки на клетках, потом испытания на животных на эффективность и безопасность. До настоящего лекарства далеко. Всё же команда финансовых аналитиков дошла от идеи до новых белков, проверенных в лаборатории. Сами бы они это не сделали, им помогли экспериментальный AI и профессиональные лаборатории. Но порог входа в такую работу заметно снизился. При этом дешёвое проектирование не обязательно уменьшит общие расходы. Лабораторная проверка и раньше стоила дорого, а теперь в лаборатории понесут гораздо больше молекул. Отсюда инвестиционная идея авторов, Long experiments: ставить на тех, кто обеспечивает физические эксперименты, то есть на лаборатории, оборудование и реагенты. Я уже писал про Insilico Medicine, где есть и собственные модели, и лаборатории. Мне интересна именно эта связка: спроектировать, проверить, пустить результаты в следующий круг. Особенно когда компания оставляет данные экспериментов себе, а не просто выполняет чужие заказы. Чем-то напоминает софт. Код пишется всё быстрее, а узким местом становятся архитектура, тестирование и проверка в реальном бизнесе. Только ошибку в коде иногда находят за секунды, а эффективность и безопасность лекарства приходится доказывать годами. @maxvotek | linkedin | substack