Anthropic-მა გამოაქვეყნა ახალი კვლევის შედეგები, რომელშიც Claude protein design-ის შესაძლებლობები წამლების შექმნის ადრეულ ეტაპზე გამოცადა. კომპანიის ცნობით, Claude-მა მინიმალური ადამიანური ჩარევით 15 შესწავლილი სამიზნიდან 14-ისთვის წარმატებით შექმნა ცილოვანი ბაინდერები, ხოლო მიღებული დიზაინები დამოუკიდებელ ლაბორატორიულ ტესტირებაშიც შეამოწმეს.
ექსპერიმენტი ეხება de novo protein design-ს – ახალი ცილების ნულიდან გამოთვლით შექმნას. Anthropic-ის მიზანი იყო შეემოწმებინა, შეძლებდა თუ არა ზოგადი დანიშნულების AI სისტემა იმ სამუშაო პროცესის დამოუკიდებლად მართვას, რომელსაც ტრადიციულად ცილების ინჟინრების მნიშვნელოვანი დრო და სპეციალიზებული გამოთვლითი ცოდნა სჭირდება.
სარჩევი
Claude protein design – როგორ ჩატარდა ექსპერიმენტი
წამლების დიდი ნაწილი ორგანიზმში კონკრეტულ სამიზნეს უკავშირდება და მის მოქმედებას ბლოკავს, ააქტიურებს ან სხვა გზით ცვლის. შესაბამისად, ახალი პრეპარატის შექმნის ადრეულ ეტაპზე ერთ-ერთი მნიშვნელოვანი ამოცანაა ისეთი მოლეკულის პოვნა ან შექმნა, რომელიც სასურველ სამიზნეს ეფექტურად დაუკავშირდება.
Anthropic-მა Claude-ს 15 ცილოვანი სამიზნისთვის minibinder-ების შექმნა დაავალა. Minibinder არის მცირე ზომის ცილა, რომელიც კონკრეტულ სამიზნე ცილასთან მჭიდროდ დასაკავშირებლად იქმნება.
ექსპერიმენტში გამოიყენეს Claude Opus 4.8 და Mythos Preview. სისტემას მიეცა ადამიანის ექსპერტის მიერ მომზადებული ვრცელი protein design prompt, შესაბამის სამეცნიერო რესურსებზე წვდომა და სპეციალიზებული ცილების დიზაინისა და სტრუქტურის პროგნოზირების მოდელების გამოყენების შესაძლებლობა.
საწყისი ინსტრუქციის მიღების შემდეგ Claude სამუშაო პროცესს ავტონომიურად მართავდა. Anthropic-ის მიხედვით, მოდელი თავად არჩევდა სამიზნე ცილაზე დასაკავშირებელ უბნებს, ქმნიდა კანდიდატ სტრუქტურებსა და თანმიმდევრობებს, იყენებდა სპეციალიზებულ მოდელებს, ატარებდა გამოთვლითი ოპტიმიზაციის რამდენიმე ციკლს და საბოლოოდ არჩევდა კანდიდატებს შემდგომი ექსპერიმენტული შემოწმებისთვის.
15 სამიზნიდან 14-ზე წარმატებული შედეგი
Claude protein design-ის კამპანიის შედეგად 15 შესწავლილი სამიზნიდან 14-ისთვის დადასტურდა მოქმედი ბაინდერების შექმნა. თითოეული სამიზნისთვის Claude-ს 30 ცილოვანი ბაინდერის დიზაინი დაევალა.
Anthropic-ის მონაცემებით, სხვადასხვა ექსპერიმენტულ რეჟიმში Claude-ის ინდივიდუალური დიზაინების 22%-დან 35%-მდე წარმატებით უკავშირდებოდა სამიზნეს. კომპანიის მიერ მოყვანილი შედარების მიხედვით, თანამედროვე de novo protein design კამპანიებისთვის ტიპური მაჩვენებელი დაახლოებით 10-15%-ია.
Mythos Preview-ისა და Opus 4.8-ის საერთო წარმატების მაჩვენებელი მრავალსამიზნიან რეჟიმში შესაბამისად 26.7% და 22.6% იყო. როდესაც Mythos Preview თითოეულ სამიზნეზე ცალკე მუშაობდა, მაჩვენებელმა 35.1%-ს მიაღწია.
საბოლოოდ, ექსპერიმენტში 1,320 დიზაინიდან 14 სამიზნისთვის 354 დადასტურებული ბაინდერი მიიღეს. Anthropic ასევე აცხადებს, რომ სულ მცირე ექვსი სამიზნის შემთხვევაში მიღებული იყო მაღალი affinity-ის მქონე ბაინდერები, ხოლო მინიმუმ ოთხ შემთხვევაში შედეგი საუკეთესო აქამდე გამოქვეყნებულ affinity-ს უტოლდებოდა ან აღემატებოდა.
Claude-ის დიზაინები რეალურ ლაბორატორიებში შეამოწმეს
მნიშვნელოვანი დეტალია, რომ შედეგები მხოლოდ კომპიუტერულ სიმულაციებს არ ეყრდნობა. Claude-ის მიერ შექმნილი ცილები დამოუკიდებლად დაამზადეს და გამოსცადეს Adaptyv Bio-მ და Twist Bioscience-მა.
სწორედ ამ ლაბორატორიულმა შემოწმებამ დაადასტურა, რომ Claude-ის მიერ 15 სამიზნიდან 14-ისთვის შექმნილი დიზაინებიდან მოქმედი ბაინდერები მიიღეს. ეს მნიშვნელოვანია, რადგან გამოთვლითი protein design-ის შემთხვევაში კარგი პროგნოზი ავტომატურად არ ნიშნავს, რომ შექმნილი ცილა რეალურ ლაბორატორიულ პირობებშიც იმუშავებს.
Claude-მა რთულ TNFα სამიზნეზეც მიიღო შედეგი
Anthropic კვლევაში ცალკე გამოყოფს TNFα-ს. ეს არის იმუნური სისტემის სასიგნალო ცილა, რომელიც ანთებით პროცესებში მონაწილეობს და რომლის ბლოკირებაც რამდენიმე ცნობილი მედიკამენტის მოქმედების საფუძველია.
ამ შემთხვევაში Mythos Preview წარმატებული არ აღმოჩნდა, თუმცა Opus 4.8-მა რამდენიმე ბაინდერი შექმნა. ზოგი მათგანი უკავშირდებოდა როგორც ადამიანის, ისე მაკაკისა და თაგვის TNFα-ს, რაც Anthropic-ის განმარტებით ცხოველებზე კვლევების ჩატარებისთვის მნიშვნელოვანი თვისებაა.
რას ნიშნავს Claude protein design წამლების შექმნისთვის?
შედეგები არ ნიშნავს, რომ Claude უკვე დამოუკიდებლად ქმნის მზა მედიკამენტებს. Anthropic თავად უსვამს ხაზს, რომ მაღალი affinity-ის მქონე ბაინდერის მიღება მხოლოდ პირველი ნაბიჯია წამლის მსგავსი მოლეკულის შექმნის გაცილებით ხანგრძლივ პროცესში.
გარდა ამისა, კვლევაში გამოყენებული protein minibinder-ები მედიკამენტების სტანდარტული ფორმა არ არის. ახალი პრეპარატის შექმნას შემდგომში სჭირდება დამატებითი ოპტიმიზაცია, უსაფრთხოებისა და ეფექტიანობის შეფასება და სხვა მრავალი კვლევითი ეტაპი.
ამ ექსპერიმენტის მნიშვნელობა უფრო მეტად სამუშაო პროცესის ავტომატიზაციაშია. Claude მხოლოდ კანდიდატების ჩამონათვალს არ ქმნიდა – ის სპეციალიზებულ სამეცნიერო ინსტრუმენტებსა და მოდელებს აერთიანებდა და protein design კამპანიის სხვადასხვა გამოთვლით ეტაპს თავად მართავდა.
Anthropic-ის თქმით, ეს მიმართულება უფრო ფართო პროექტის ნაწილია, რომლის მიზანიც წამლების განვითარების პროცესის სხვადასხვა ეტაპის დაჩქარების შესაძლებლობის შესწავლაა. კომპანია ამავე დროს აღნიშნავს, რომ მედიკამენტების განვითარების სიჩქარე მხოლოდ სამეცნიერო შესაძლებლობებზე არ არის დამოკიდებული და პროცესში მნიშვნელოვანი ოპერაციული და რეგულაციური ბარიერებიც არსებობს.
AI-ის ავტონომიურ სამეცნიერო მუშაობას შეზღუდვებიც აქვს
კვლევამ Claude-ის შეზღუდვებიც აჩვენა. მაგალითად, maltose-binding protein-ის შემთხვევაში შემოწმებული 90 დიზაინიდან არცერთი არ დადასტურდა როგორც სამიზნესთან წარმატებით დაკავშირებული ბაინდერი, მიუხედავად იმისა, რომ ერთ-ერთმა კანდიდატმა სუსტი და განმეორებადი binding signal აჩვენა.
Anthropic ასევე მიუთითებს ბიოლოგიური დიზაინის dual-use რისკებზე. იგივე შესაძლებლობები, რომლებიც ახალი თერაპიებისა და სამეცნიერო კვლევის დაჩქარებას შეიძლება დაეხმაროს, არასათანადო გამოყენების შემთხვევაში სახიფათო ბიოლოგიური კვლევებისთვისაც შეიძლება იყოს გამოყენებული.
ამ მიზეზით, კომპანიის ყველაზე ძლიერი მოდელების გარკვეული ბიოლოგიური შესაძლებლობები საერთო წვდომისთვის შეზღუდულია. Anthropic აცხადებს, რომ მეცნიერებისთვის სპეციალური წვდომის პროგრამის შექმნაზე მუშაობს.
რა აჩვენა Anthropic-ის ექსპერიმენტმა?
Claude protein design-ის ექსპერიმენტი აჩვენებს, რომ ზოგადი დანიშნულების AI მოდელს უკვე შეუძლია სპეციალიზებული სამეცნიერო პროგრამების გამოყენება, მათი ერთ სამუშაო პროცესში გაერთიანება და ახალი ცილოვანი დიზაინების შექმნა, რომლებიც შემდეგ რეალურ ლაბორატორიაში შეიძლება შემოწმდეს.
ამ ეტაპზე შედეგების სწორად შეფასება განსაკუთრებით მნიშვნელოვანია: Claude-ს ახალი წამალი არ შეუქმნია და არც წამლების განვითარების სრული პროცესი ჩაუნაცვლებია. თუმცა ექსპერიმენტმა აჩვენა, რომ AI აგენტს შეუძლია წამლის დიზაინის ერთ-ერთ ადრეულ და სპეციალიზებულ ეტაპზე მნიშვნელოვანი ნაწილის ავტონომიურად შესრულება.
კვლევის სრული შედეგები, მეთოდოლოგია და დამატებითი მონაცემები ხელმისაწვდომია Anthropic-ის ოფიციალურ კვლევაში.
სხვა თემები
Cursor Origin – Cursor-მა კოდის ჰოსტინგი გაუშვა
ChatGPT – რა არის, როგორ მუშაობს და რა შეუძლია
Claude – Anthropic-ის AI ასისტენტი