Anthropic a laissé Claude concevoir lui-même des protéines, atteignant 14 cibles sur 15, un résultat qui a surpris les chercheurs expérimentés.
Le 18 août, Anthropic a publié les résultats d'une expérience : Claude (Mythos Preview et Opus 4.8) a réalisé de manière autonome un flux de travail complet de conception de protéines.
Étant donné 15 cibles protéiques, il a été demandé de concevoir de nouvelles protéines capables de se lier à elles, et il a réussi sur 14 cibles.
Sur 1 320 conceptions, 354 ont été validées par deux laboratoires indépendants, soit un taux de réussite global de 26,8 %.
La moyenne de l'industrie dans ce domaine est de 10 % à 15 %.
Les liants protéiques sont la base de nombreux médicaments : il faut d'abord concevoir une molécule capable de saisir la protéine cible, et ce n'est qu'ensuite qu'elle peut potentiellement devenir un médicament.
Ce processus de conception nécessite généralement des semaines de calcul, d'optimisation et de criblage par des ingénieurs en protéines.
D'AlphaFold à Claude : prédire des protéines et concevoir des protéines sont deux choses différentes
Ce qu'AlphaFold a fait en 2020 : étant donné une séquence protéique, prédire la forme dans laquelle elle se replie.
L'entrée est connue, la sortie est une prédiction.
C'est un modèle de protéines spécialement entraîné qui fait une chose à la perfection.
Ce que Claude a fait cette fois est différent.
Il n'a reçu que le nom de la protéine cible, et la tâche était de concevoir une toute nouvelle protéine à partir de zéro pour s'y lier.
L'entrée est un nom, la sortie est une nouvelle protéine.
L'un décrit une image, l'autre rédige une dissertation sur un sujet donné.
Les outils utilisés par Claude étaient tous prêts à l'emploi — RFdiffusion, ProteinMPNN, ESMFold2 — ces modèles open-source pour la conception de protéines et la prédiction de structure existent depuis longtemps, et n'importe quel laboratoire peut les télécharger.
Claude n'a pas inventé de nouveaux outils ; il a fait de l'orchestration : l'équipe de recherche a écrit une invite d'environ 16 000 mots, encodant les connaissances pratiques des ingénieurs en protéines, y compris les étapes de l'expérience, les outils disponibles à chaque étape et les critères de criblage.
Cette invite ne spécifie pas quelle face de la protéine cibler, ne spécifie pas quelle méthode de génération utiliser, et ne présuppose aucune séquence.
Elle a été remise à Claude, avec un compte de serveur cloud, et on l'a laissé fonctionner.
En mode multi-cibles, une session a traité 14 cibles en 48 heures ; en mode cible unique, chaque cible a pris 24 heures.
Les opérateurs humains n'ont fait que trois choses : approuver l'accès au réseau, surveiller l'infrastructure et envoyer les conceptions classées de Claude à deux laboratoires indépendants (Adaptyv Bio et Twist Bioscience) pour synthèse et test — aucun humain n'est intervenu dans aucune décision de conception.
Claude lui-même a sélectionné les cibles, choisi les épitopes, installé les outils, exécuté les modèles, criblé et optimisé, classé et livré, invoquant finalement 10 méthodes de génération de structures et combinant 24 combinaisons d'outils.
Résultats
Le taux de réussite moyen actuel dans le domaine de la conception de protéines est de 10 % à 15 %.
Claude a atteint 22 % à 35 % dans différents modes, soit deux à trois fois la moyenne de l'industrie.
https://x.com/AnthropicAI/status/2089842389682954621
Si l'on ne considère que la conception la mieux classée de Claude, le taux de réussite est de 49 % : pour deux cibles, la conception la mieux classée est directement utilisable.
Les résultats pour plusieurs cibles méritent une mention spéciale.
Adaptyv Bio a précédemment organisé un concours public de conception pour une protéine appelée RBX1, où des participants du monde entier ont soumis 245 conceptions, et seulement 9 ont réussi.
Claude a soumis 90 conceptions sur la même cible, 28 ont réussi, et la meilleure conception a lié la cible dix fois plus étroitement que le champion du concours.
TNFα est une cible plus difficile — l'un des médicaments les plus vendus au monde, Humira, agit en se liant à cette protéine, mais plusieurs équipes d'experts avaient précédemment tenté une conception de liant de novo et toutes avaient échoué.
Opus 4.8 a produit 12 conceptions efficaces, dont certaines pouvaient se lier de manière trans-espèces au TNFα humain, de singe et de souris simultanément.
Il y a aussi eu des échecs : sur une protéine appelée MBP, les 90 conceptions ont échoué.
Des signaux similaires sont apparus en chimie analytique.
Étant donné les données brutes d'un instrument RMN fournies à Claude Opus 5 et une instruction d'une phrase, il a produit des résultats en 23 minutes, cohérents avec les conclusions d'analyse manuelle d'un chimiste de laboratoire prenant de trente minutes à une heure.
Les deux directions expérimentales diffèrent, mais le signal est cohérent : Claude, un modèle à usage général, a produit de manière autonome des résultats de niveau expert validés par des laboratoires en 24 à 48 heures (48 heures en mode multi-cibles, 24 heures en mode cible unique) sur des tâches de recherche qui prendraient des semaines à des experts.
En seulement six ans, des changements bouleversants
Les liants sont encore loin d'être des médicaments, avec des étapes de toxicologie, d'essais cliniques et autres entre les deux, chacune prenant des années.
Toutes les structures sont des prédictions computationnelles, non validées expérimentalement.
Claude utilise tous les outils open-source. Anthropic a ouvert les prompts, les données et les 1 440 modèles de conception sur HuggingFace, et tout laboratoire peut les reproduire.
https://huggingface.co/datasets/Anthropic/claude-protein-binder-design/tree/main
Ce type de capacité de recherche autonome comporte également des risques à double usage. Anthropic a bloqué les capacités biologiques telles que la conception de protéines dans la version publique de Claude.
De la prédiction des structures protéiques par AlphaFold à la conception autonome de protéines par Claude, seulement six ans se sont écoulés.
Références :
https://www.anthropic.com/research/Claude-accelerates-protein-design
https://www-cdn.anthropic.com/30bf50e22a01388bb29bf077ee3f244531594b7a.pdf
Cet article provient du compte public WeChat "新智元", auteur : ASI启示录
