Claude xâm nhập lĩnh vực thiết kế protein, trận đấu đầu tiên đã có thành tích ấn tượng.
Vừa qua, Anthropic đã tung ra một blog mới, kể chi tiết hành trình tham gia vào đua AI4S của mô hình Mythos và Opus của họ.
Lướt nhanh đến trang kết quả, quả thực có một số điều đáng chú ý:
Lần này, Claude đã thiết kế từ đầu 1320 ứng viên protein, sau đó giao cho phòng thí nghiệm bên ngoài sản xuất và xác minh.
Kết quả là có tới 354 ứng viên thành công kết hợp với mục tiêu, 15 mục tiêu đã chinh phục 14, tỷ lệ trúng cao nhất đạt 35.1%.
Cần biết rằng tỷ lệ trúng điển hình của các dự án thiết kế protein hiện tại thường chỉ từ 10% đến 15%.
Ấn tượng hơn, sau khi thiết kế xong phân tử mới, nó vẫn chưa chuẩn bị kết thúc công việc.
Đối mặt với các tệp dữ liệu thô NMR và LC-MS do phòng thí nghiệm cung cấp, Claude chỉ cần đọc hai câu hướng dẫn nhiệm vụ, và đã hoàn thành xử lý lần lượt trong 23 phút và 19 phút.
Cuối cùng đo được độ tinh khiết mẫu là 96.4%, kết quả từ phòng thí nghiệm là 96.33%.
Chỉ chênh lệch 0.07 phần trăm.
Nghĩa là, kết quả của Claude và kết quả phòng thí nghiệm lại khớp nhau đến mức cao.
Không phải dự đoán, mà là thiết kế protein từ đầu
Nhắc đến protein, nhiều người có thể lập tức nghĩ ngay đến dự án AlphaFold của Google DeepMind.
Trước tiên cần làm rõ, AlphaFold là dự đoán cấu trúc protein, cốt lõi giải quyết vấn đề "đã biết một trình tự axit amin, nó sẽ gấp thành cấu trúc gì".
Trong khi đó, nhiệm vụ Claude nhận được lần này hoàn toàn khác:
Protein mục tiêu đang ở đây, hãy thiết kế từ số không một protein mới chưa từng tồn tại trước đây, để nó có thể dính chính xác lên đó.
Thứ Claude cần thiết kế được gọi là minibinder, tức là protein liên kết cỡ nhỏ.
Theo tài liệu công khai được tìm thấy, minibinder là protein nhỏ được thiết kế nhân tạo, thường chỉ có 50-70 axit amin, cấu trúc chắc chắn, chức năng đơn nhất.
Nhiệm vụ của nó rất thuần túy, đó là với độ chính xác và cường độ cực cao, dính vào một vị trí cụ thể nào đó trên protein mục tiêu.
Đừng coi thường hành động "dính" này, nhiều loại thuốc có thể phát huy tác dụng, chính là nhờ vào sự liên kết chính xác ở cấp độ phân tử này——
Dính chặt protein xấu để nó mất tác dụng, hoặc dính chặt protein tốt để kích hoạt nó, hoặc kéo thẳng phân tử thuốc đến vị trí bệnh để giải phóng.
Vấn đề là, công việc này khá vất vả.
Nhà thiết kế protein không chỉ phải điều động một loạt mô hình chuyên nghiệp, mà còn phải liên tục tạo, tối ưu hóa và sàng lọc ứng viên, toàn bộ quy trình rất cần kinh nghiệm.
Mỗi mục tiêu cần chuyên gia dành vài tuần thậm chí vài tháng để sàng lọc từ một lượng lớn ứng viên phân tử ra một số ít thực sự hiệu quả.
Anthropic lần này quyết định giao toàn bộ bộ công cụ cho Claude.
Tham gia thí nghiệm là Mythos Preview và Opus 4.8, chúng có thể truy cập bài báo, tài nguyên mạng và nhiều mô hình protein chuyên nghiệp, cũng nhận được nguồn lực tính toán GPU khá đầy đủ.
Sau khi con người giao nhiệm vụ ban đầu, Claude tự chạy. Kết quả sau khi chạy xong tổng thể là:
Claude chinh phục 14 trong số 15 mục tiêu, trong đó ít nhất 6 mục tiêu tạo ra protein liên kết ái lực cao, ít nhất 4 mục tiêu bằng hoặc vượt kết quả tốt nhất trước đây.
Cách chạy cụ thể chia thành hai loại:
Chế độ đa mục tiêu: Cho Claude xử lý đồng thời nhiều mục tiêu trong cùng một nhiệm vụ 48 giờ, tối đa có thể gọi 12500 giờ GPU H100.
Chế độ đơn mục tiêu: Mỗi lần chỉ tập trung vào một mục tiêu, các nhiệm vụ chạy song song 24 giờ, mỗi mục tiêu tối đa dùng 2500 giờ GPU H100.
Thí nghiệm chứng minh, tập trung quả thực tốt hơn ôm đồm nhiều việc.
Ở chế độ đa mục tiêu, tỷ lệ trúng tổng thể của Mythos Preview và Opus 4.8 lần lượt là 26.7% và 22.6%.
Trong khi đó, khi chuyển sang chế độ đơn mục tiêu, Mythos Preview vọt lên 35.1%.
Biểu hiện trên một số mục tiêu, thậm chí vượt xa thành tích trước đây của con người.
Ví dụ như RBX1, đây là mục tiêu tham gia điều chỉnh sự phân giải protein, trước đây trong cuộc thi thiết kế do Adaptyv Bio tổ chức, tỷ lệ trúng tổng thể của tất cả người tham gia chỉ là 3.7%, trong khi Mythos Preview khi thử thách riêng nó, tỷ lệ trúng đạt 40%.
Không chỉ dễ trúng hơn, thiết kế xếp hạng nhất của Claude còn là một protein liên kết ái lực cao, cường độ liên kết vượt qua quán quân được chọn từ 245 thiết kế dự thi của cuộc thi đó.
Còn có TNFα khó nhằn hơn, đây là một protein tín hiệu viêm do hệ miễn dịch giải phóng.
Do vị trí liên kết thích hợp ẩn trong rãnh được tạo bởi hai protein, nhiều nhóm chuyên gia trước đây đã từng vấp phải ở đây.
Kết quả là Mythos Preview không làm được bài toán này, ngược lại Opus 4.8 đã chinh phục được:
Opus 4.8 không chỉ thiết kế ra nhiều protein liên kết hiệu quả, mà một số trong đó còn có thể đồng thời liên kết TNFα của người, khỉ đầu chó và chuột.
Khả năng liên kết xuyên loài này rất quan trọng, bởi vì khi bước vào thí nghiệm trên động vật sau này, không cần thiết kế lại mỗi khi đổi loài.
Tuy nhiên vấn đề cũng theo đó mà nảy sinh:
Tại sao Mythos Preview mạnh hơn tổng thể lại thất bại, trong khi Opus 4.8 lại thành công?
Anthropic thừa nhận họ cũng chưa hiểu rõ.
Chỉ có thể nói, năng lực nghiên cứu khoa học của mô hình lớn vẫn chưa đồng đều.
Khi Claude tiếp tục thử thách cấu trúc β-sheet khó thiết kế hơn, nó đã thành công tạo ra 15 protein liên kết hiệu quả trên 6 mục tiêu.
Nhưng khi chuyển sang protein liên kết maltose MBP, Claude hoàn toàn thất bại——
90 thiết kế không có cái nào được xác nhận thành công, chỉ có một thiết kế xuất hiện tín hiệu yếu.
Vì vậy, lúc này nói "nhập mục tiêu, Claude có thể tự động nhả ra thuốc mới" vẫn còn sớm, nhưng Claude đã chứng minh:
Nó có thể tự chủ điều động mô hình chuyên nghiệp, chạy hết quy trình thiết kế trước đây cần chuyên gia dành nhiều thời gian tổ chức và sàng lọc.
Bước này, đã đủ lớn.
Thiết kế xong phân tử mới, Claude lại bắt đầu đọc dữ liệu thí nghiệm
Tuy nhiên, thí nghiệm của Anthropic không dừng lại ở đó.
Ngoài việc kiểm tra xem Claude có thể thiết kế thứ mới không, họ còn muốn xem:
Đối mặt với hợp chất đã được tạo ra, Claude có thể tự đọc hiểu dữ liệu thí nghiệm, phán đoán nó chính xác là gì, có tinh khiết không.
Lần này xuất hiện là Claude Opus 5 có thể sử dụng phổ biến.
Nhiệm vụ đến từ hai công việc khá thường quy và cũng rất mệt mỏi trong hóa học phân tích:
Phổ cộng hưởng từ hạt nhân NMR: Quan sát tín hiệu của nguyên tử hydro trong phân tử, xác nhận "thứ tạo ra có phải là phân tử mục tiêu không".
Phân tích sắc ký lỏng - khối phổ liên hợp LC-MS: Tách các thành phần khác nhau trong mẫu, sau đó đo khối lượng phân tử và hàm lượng của chúng, phán đoán "mẫu có tinh khiết không, bên trong còn có gì".
Công việc này cần nhà hóa học xử lý thủ công dữ liệu thô ở định dạng độc quyền, từng bước hiệu chuẩn, tìm đỉnh, tích phân, đối chiếu, cuối cùng viết báo cáo.
Nhiều bước, lại rất cần kinh nghiệm, chỉ cần lệch một chút cũng có thể dẫn đến kết luận sai.
Lần này Anthropic chỉ đưa cho Claude tệp dữ liệu thô do phòng thí nghiệm trả về, cùng với hai câu hướng dẫn nhiệm vụ.
Không có phần mềm của nhà sản xuất, cũng không có nhân viên vận hành hướng dẫn bên cạnh (p.s. dữ liệu và prompt liên quan đã được mở nguồn).
Kết quả Claude lần lượt hoàn thành phân tích NMR và LC-MS trong 23 phút và 19 phút.
Ở phần NMR, Claude tổng hợp ra 18 đỉnh tín hiệu, và tính toán số lượng nguyên tử hydro tương ứng với mỗi đỉnh, kết quả sai số so với phòng thí nghiệm không quá 0.08 nguyên tử hydro.
Nó còn phát hiện trong đó 4 đỉnh rộng có thể đến từ hydro liên kết với nitơ hoặc oxy, vì vậy đề xuất thêm nước nặng để xác minh thêm.
Đây là một phương pháp loại trừ phổ biến, sau khi thêm nước nặng, tín hiệu của một số nguyên tử hydro cụ thể sẽ suy yếu hoặc biến mất, nhà hóa học có thể căn cứ vào đó để phán đoán cấu trúc phân tử.
Trùng hợp thay, phòng thí nghiệm sau đó cũng làm xác minh tương tự.
Sau khi xác minh, Claude ban đầu tưởng 4 vị trí tín hiệu biến mất hết, tự kiểm tra phát hiện không đúng, chủ động sửa thành chỉ có hai vị trí biến mất, kết luận cuối cùng nhất trí với phòng thí nghiệm.
Phần LC-MS trực tiếp hơn.
Đối mặt với tệp của nhà sản xuất không có hướng dẫn định dạng công khai, Claude tự tìm hiểu dữ liệu được mã hóa như thế nào, sau đó thông qua việc tái hiện toàn bộ 2664 bản ghi quét, xác nhận tệp không bị đọc sai.
Tiếp theo, nó đưa ra biểu đồ sắc ký, biểu đồ khối phổ, bảng độ tinh khiết và khối lượng phân tử, còn viết sẵn một bộ mã phân tích có thể tái sử dụng.
Cuối cùng, Claude đo được độ tinh khiết mẫu là 96.4%, kết quả phòng thí nghiệm là 96.33%.
Chỉ chênh lệch 0.07 phần trăm.
Anthropic viết trong phần kết luận:
Hai thí nghiệm cùng hướng đến một việc, AI đang giảm bớt ngưỡng chuyên môn, chi phí và thời gian cần thiết cho nghiên cứu khoa học sự sống. Trong phân tích hóa học, Claude bắt đầu đảm nhận công việc xử lý trước đây phụ thuộc vào nhân công; trong thiết kế protein, Claude có thể hoàn thành thiết kế chất liên kết từ đầu đến cuối với đầu vào cực ít, một số thành quả bằng hoặc vượt thiết kế tốt nhất trước đây.
Mặc dù còn rất xa so với nghiên cứu phát triển thuốc mới thực sự, nhưng ít nhất AI đã cho chúng ta thấy khả năng đẩy nhanh tiến trình này.
Vẫn còn để lại một quả trứng phục sinh
Cuối blog, Anthropic còn vạch ra trọng điểm cho các nhà khoa học.
Lần thí nghiệm protein này dùng Mythos Preview và Opus 4.8, còn Fable 5 mạnh hơn, hiện không mở nhiệm vụ khoa học sự sống loại này cho người dùng thông thường.
Lý do cũng rất trực tiếp, có thể thiết kế protein thuốc, cũng có thể bị đem làm nghiên cứu sinh học nguy hiểm.
Tuy nhiên Anthropic đã thông báo, đang chuẩn bị một kế hoạch truy cập riêng dành cho nhà khoa học, sau này sẽ công bố thêm thông tin.
Báo cáo kỹ thuật đầy đủ: https://www-cdn.anthropic.com/30bf50e22a01388bb29bf077ee3f244531594b7a.pdf
Địa chỉ mở nguồn prompt và dữ liệu liên quan: https://huggingface.co/datasets/Anthropic/claude-protein-binder-design/tree/main
Tài liệu tham khảo:
[1]https://www.anthropic.com/research/Claude-accelerates-protein-design
[2]https://x.com/AnthropicAI/status/2089842387845804246
Bài viết này đến từ tài khoản WeChat công chúng "Quantum Bit", tác giả: Một Thủy
