Claude 设计蛋白质的成功率居然能顶 3 个资深专家

35% 的实验成功率，这个数字在生物蛋白设计领域简直是降维打击。通常人类专家的成功率也就维持在 10% 到 15% 之间，而 Anthropic 这次直接用 Claude 在湿实验室（wet-lab）里跑出了实打实的结果，证明了大模型在处理极高复杂度生物结构时的推理能力，而不是简单的模式匹配。

这次实操最硬核的地方在于，Claude 不是在写论文，而是在自主设计能够靶向特定疾病的蛋白质。这种从数字序列到物理实体、再到实验室验证的闭环，标志着大模型已经从“聊天机器人”变成了真正的科研生产力工具。

对于想了解这个工作流怎么跑的同学，可以关注这几个关键点：

• 设计逻辑： Claude 通过对海量蛋白质结构数据的理解，在虚拟环境下预测氨基酸序列的折叠方式及其与靶标的结合能。
• 验证环节： 所有的预测结果都被送到了真实的湿实验室进行合成和测试，不存在任何模拟数据的水分。
• 性能跨越： 成功率从 15% 左右直接拉升到 35%，这意味着药物研发的筛选周期能被极大地压缩，试错成本直线下降。

这种能力如果能规模化，未来的生物药研发可能就变成了：人类定义靶点 → Claude 迭代生成候选蛋白 → 机器人自动合成验证。这种端到端的自动化才是最可怕的。

虽然目前这还是在受控的科研环境下完成的，但它给了我们一个非常明确的信号：大模型在处理这种强逻辑、强物理约束的专业领域时，上限比我们想象的要高得多。