Claude设计了1320个蛋白结合体，354个在实验室里真的成了

Anthropic 给自家的 AI 智能体扔了 16 个生物靶点，让它设计全新的蛋白微型结合体（minibinder）。Claude 交了 1320 个设计，其中 354 个经实验确认有效。

展开看数字：实际测试的 15 个靶点里，Claude 在 14 个上产出了成功的结合体，命中率在 22.6% 到 35.1% 之间。Anthropic 给的行业对照是 10% 到 15%，也就是说高了大概两到三倍。

蛋白微型结合体是干什么的？简单说是一小段人工设计的蛋白，能牢牢粘在某个目标分子上。这东西是做药、做诊断试剂、做生物传感器的基础零件。传统做法要么靠定向进化一轮轮筛，要么靠 Rosetta 这类物理模拟去算，前者慢后者贵，命中率都不高。

这里面容易被误读的一点是：Claude 不是自己凭空长出了蛋白质结构知识，它更像一个会用工具的研究员——调结构预测模型、跑筛选流程、读文献、根据前一轮结果调整下一轮策略。真正的能力提升来自把这些环节串成一个能自主迭代的闭环，而不是某个单点模型变强了。

另一个需要泼冷水的地方：实验室里”结合成功”离”能当药用”还隔着十万八千里。结合亲和力够不够、有没有脱靶、在体内会不会被免疫系统清掉、能不能量产——每一关都会刷掉一大批。354 这个数字漂亮，但它是漏斗最上面那一层。

不过 2-3 倍的命中率提升，对做湿实验的人来说是实打实的省钱省时间。生物实验的成本结构里，试错占大头，命中率翻倍等于预算减半。这可能是目前 AI for Science 里最容易兑现的一类价值——不是替你做发现，是帮你少做无用功。