知识卡片：Claude自主设计蛋白质，15个靶标命中14个

一句话结论

Anthropic实验显示，Claude（Mythos Preview 与 Opus 4.8）在仅获知靶标名称的条件下，借助约1.6万词提示词自主调度开源蛋白质设计工具，15个靶标命中14个，1320个设计中354个经两家独立实验室验证有效，总成功率26.8%，约为行业平均水平的两三倍。

事件概述

Anthropic公布了一项实验，测试Claude自主完成整套蛋白质设计流程的能力。Claude只拿到靶标名称，自行选择靶点、运行模型、筛选排序，并通过人类批准后送样验证。实验共产生1320个蛋白质设计，其中354个被两家独立实验室验证为有效。

方法/产品要点

• 模型：Claude（Mythos Preview 与 Opus 4.8）
• 输入：仅靶标名称；另有约1.6万词提示词
• 工具链：编排RFdiffusion、ProteinMPNN等现成开源工具
• 人类角色：仅批准联网与送样，未介入设计决策
• 输出规模：1320个蛋白质设计，354个经两家独立实验室验证有效

主要结果

• 15个靶标命中14个
• 总成功率26.8%，达行业均值两三倍
• RBX1靶标：提交90个设计，28个成功，远超公开竞赛冠军
• TNFα靶标：产出12个有效设计
• 失败案例：MBP等靶标失败
• 所有结构均为计算预测；Anthropic已开源提示词与设计数据

为什么重要

• 展示大模型不再只是生成文本，而是能自主编排科学计算工具完成真实科研任务，从“对话助手”转向“科研代理”。
• 成功率和靶标命中率显著高于行业平均水平，提示AI驱动蛋白质设计的可行性。
• Anthropic开源提示词与设计数据，可能促进该领域的复现与迭代。

与既有脉络的关系

本条与已有相关卡片（NIST AI RMF、Epoch AI、OpenRouter）无直接延续关系；它作为AI行业应用案例，补充了“AI代理在真实科研任务中的量化表现”这一增量信息，尤其是大模型自主调度多工具完成闭环实验的能力。

局限与不确定性

• 有效设计结构均为计算预测，未经实验解析结构确认；是否后续有结构验证待核实。
• 存在失败靶标（如MBP），并非所有靶标都能成功。
• 实验由Anthropic主导，外部独立复现结果待核实。
• 两家独立实验室的验证标准、实验条件等细节待核实。
• Anthropic原始论文/公告链接未在材料中给出，待核实。

可用于图书/PPT/简报的角度

• AI for Science案例：大模型自主闭环完成蛋白质设计
• AI代理在科研场景中的能力边界与潜力
• 开源工具+大模型编排，降低蛋白质设计门槛
• 量化成果：15中14、26.8%成功率、RBX1超过竞赛冠军

原始材料

• 来源：腾讯研究院AI速递（2026-08-20），sohu.com
• URL: https://m.sohu.com/a/1065075978_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=5
• Parent digest: 腾讯研究院AI速递 20260820
• 英文标题（编者译）：Claude Autonomously Designs Proteins, Hits 14 of 15 Targets
• 英文关键词（编者归纳）：Claude; protein design; Anthropic; automated science; RFdiffusion; ProteinMPNN