Claude jalankan kampanye otonom 64 jam untuk merancang kandidat antivenom kalajengking

Tim Sains Anthropic mengarahkan model internalnya ke masalah nyata: sengatan kalajengking menewaskan lebih dari 3.250 orang per tahun, kebanyakan anak-anak dengan akses layanan terbatas, sementara antivenom langka. Tugasnya merancang minibinder de novo, yaitu protein kecil yang mengikat erat lima neurotoksin kalajengking dari Meksiko, Brasil, Afrika Utara, dan Timur Tengah. Dalam laporannya, Claude berjalan sekitar 64 jam, sebagian besar mandiri, dan bekerja tanpa bantuan pada 24 jam pertama. Bermula dari prompt yang diadaptasi dari studi binder sebelumnya plus empat prompt lanjutan, model memilih struktur target, memakai 12 design tool untuk menghasilkan 318.484 kandidat, meng-co-fold 553.052 pasangan desain-toksin, dan menghabiskan sekitar 10.000 GPU hour sebelum menyaring 211 desain untuk diuji lab.

Hasilnya jujur soal apa yang berhasil dan apa yang gagal. Dua lab, Adaptyv Bio dan Twist Bioscience, mengukur pengikatan lewat surface plasmon resonance, dan menghitung sebuah desain hanya jika mengikat di setiap replikasi, mencapai konstanta disosiasi 1 µM atau lebih ketat, serta tak memberi sinyal pada protein manusia yang tak terkait. Tujuh belas dari 211 desain lolos ambang itu, semuanya terhadap satu toksin, menghasilkan hit rate 18% di antara desain satu-toksin. Dua yang terkuat, Cn2-B1 dan Cn2-B2, mengikat dengan afinitas nanomolar satu digit di kedua lab. Tak satu pun desain yang ditujukan menangkap dua toksin atau lebih sekaligus berhasil. Tim menegaskan batasannya: pengujian memakai toksin rekombinan, bukan bisa asli, dan tak ada desain yang diuji untuk netralisasi di sel atau hewan, jadi ini bukan antivenom. Seluruh 211 desain, lengkap dengan struktur dan data pengikatan, tersedia di Hugging Face.

Kenapa ini penting

Ini gambaran konkret tentang apa yang dihasilkan model umum ketika menjalankan proyek desain basah multi-hari dari awal sampai akhir, termasuk hasil negatif yang biasanya disembunyikan materi promosi. Jika Anda bekerja di desain protein atau mengevaluasi AI untuk sains, dataset terbuka ini memberi baseline nyata untuk diuji, bukan sekadar klaim rilis pers.