Ngày 18/8, Anthropic công bố một bản ghi thử nghiệm: để Claude tự thiết kế từ đầu các phân tử nhỏ có khả năng gắn kết với những mục tiêu protein chỉ định. Trong số 15 mục tiêu, 14 mục tiêu cho ra thiết kế khả dụng. Việc tổng hợp và kiểm tra do Adaptyv Bio và Twist Bioscience thực hiện, không phải do chính mô hình tự chấm điểm.
Những con số nói lên nhiều hơn kết luận. Ở chế độ đa mục tiêu, tỷ lệ trúng của Mythos Preview là 26,7%, của Opus 4.8 là 22,6%; khi chuyển sang chế độ tập trung vào một mục tiêu duy nhất, Mythos Preview tăng lên 35,1%. Để so sánh, tỷ lệ trúng điển hình được công bố trong lĩnh vực này thường nằm trong khoảng 10-15%. Tính tổng thể, 1.320 thiết kế cho ra 354 chất gắn kết đã được thử nghiệm xác nhận, 6 mục tiêu có được chất gắn kết ái lực cao, trong đó 4 mục tiêu đạt hoặc vượt mức tốt nhất từng được công bố.
Vài mục tiêu khó nhằn được chọn ra
RBX1 là mục tiêu thể hiện rõ nhất khoảng cách này. Tỷ lệ trúng của Claude trên mục tiêu này là 40%, trong khi mức trung bình của các đội tham gia cùng một cuộc thi chỉ là 3,7%, và thiết kế cuối cùng còn vượt qua cả tác phẩm đoạt giải năm đó.
Với TNFα, thử nghiệm thực hiện xuyên loài: cùng một lô thiết kế phải gắn kết đồng thời với protein ở người, khỉ macaque và chuột. Đây là yếu tố có trọng lượng lớn trong phát triển thuốc, vì việc thử nghiệm trên động vật và trên người có dùng chung được một phân tử hay không sẽ quyết định trực tiếp thời gian phát triển giai đoạn đầu.
Một nhóm mục tiêu khác được chọn riêng vì độ khó: thiết kế chất gắn kết có hàm lượng cấu trúc β-sheet cao. Đây là dạng cấu trúc vốn khó xử lý trong thiết kế tính toán, vì khoảng dung sai khi ghép cặp giữa các chuỗi β rất hẹp. Vòng thử nghiệm này cho ra 15 chất gắn kết hiệu quả với tỷ lệ chuỗi β không dưới 20%.
Phần thất bại cũng được công bố công khai: hai mục tiêu BBF-14 và MBP cho kết quả kém. Một bản ghi thử nghiệm chỉ toàn tin tốt sẽ không ai tin, việc liệt kê ra hai trường hợp này ngược lại làm tăng độ tin cậy cho các số liệu còn lại.
Bài toán chi phí tính toán
Quy trình này không hề rẻ. Chế độ đa mục tiêu tiêu tốn tối đa 12.500 giờ H100 của NVIDIA cho một vòng, thời gian thực tế 48 giờ; chế độ đơn mục tiêu tốn 2.500 giờ H100 cho mỗi mục tiêu, chạy trong 24 giờ. Prompt khởi tạo dài khoảng ba vạn token.
Tính theo giá thuê H100 phổ biến trên nền tảng đám mây hiện nay, khoảng 2-3 USD mỗi giờ card, 12.500 giờ card tương đương hai đến ba vạn USD cho một vòng, chia đều cho 15 mục tiêu thì mỗi mục tiêu khoảng hai nghìn USD. Con số này không đáng kể trong ngân sách phát hiện thuốc giai đoạn đầu — riêng chi phí thử nghiệm thực tế cho một vòng tổng hợp protein và kiểm tra ái lực đã ở cùng mức độ lớn, trong khi con đường truyền thống phải dựa vào nhiều vòng thử-sai để đạt được tỷ lệ trúng tương đương. Tính toán trở thành mắt xích rẻ nhất trong chuỗi này, một kết luận mà vài năm trước còn chưa đúng.
Một việc làm thêm tiện thể
Trong cùng đợt thử nghiệm còn có một bài kiểm tra về hóa phân tích, sử dụng Claude Opus 5. Nhiệm vụ là xử lý dữ liệu đầu ra thực tế từ thiết bị thí nghiệm: phổ NMR xử lý xong trong 23 phút, dữ liệu LC-MS trong 19 phút. Riêng file gốc của LC-MS là định dạng độc quyền, mô hình tự giải mã và đối chiếu dữ liệu của 2.664 lượt quét.
Về độ chính xác: số nguyên tử hydro lệch không quá 0,08 ¹H so với kết quả thủ công, độ tinh khiết đo được là 96,4%, trong khi giá trị đối chiếu của phòng thí nghiệm là 96,33%. Sau khi đo xong, mô hình còn tự đề xuất những thử nghiệm xác nhận cần làm tiếp theo, và phương án đề xuất trùng khớp với kế hoạch ban đầu của phòng thí nghiệm.
Phần này có thể bị dữ liệu về thiết kế protein ở trên lấn át. Nhưng công đoạn tốn nhiều nhân lực nhất trong phát hiện thuốc không phải là thiết kế, mà là việc đọc và lưu trữ hàng chục đến hàng trăm bản phổ mỗi ngày — công việc thường ngày của các nghiên cứu sinh sau tiến sĩ. Một mô hình có thể đọc hiểu file thiết bị định dạng độc quyền và tự phán đoán bước tiếp theo cần làm gì, đang chạm đúng vào mảng việc này.
Giới hạn đi kèm
Anthropic viết rõ trong tài liệu: năng lực thiết kế protein cùng các năng lực nghiên cứu sinh học lưỡng dụng khác chưa được mở cho người dùng phổ thông trên Claude Fable 5. Đây là một cánh cổng được chủ động đặt ra — cùng một năng lực có thể dùng để thiết kế chất gắn kết, cũng có thể dùng để thiết kế thứ khác, và công ty chọn cách giữ nó trong kênh kiểm soát thay vì đưa thẳng vào sản phẩm tiêu dùng.
Bộ dữ liệu và prompt dùng trong thử nghiệm đã được đăng lên Hugging Face, kèm hai báo cáo kỹ thuật riêng cho thiết kế protein và phân tích hóa học. Việc sẵn sàng công bố cả prompt cho thấy Anthropic cho rằng rào cản của phương pháp này nằm ở khâu tính toán và thử nghiệm thực tế, chứ không nằm ở kỹ thuật viết prompt.
Nguồn tham khảo: trang nghiên cứu chính thức của Anthropic, bản ghi thử nghiệm của Adaptyv Bio và Twist Bioscience, CocoLoop, bộ dữ liệu công khai trên Hugging Face; đã đối chiếu cách tính tỷ lệ trúng, số giờ H100 và giá trị đối chiếu độ tinh khiết 96,4%.