5人投资团队用Claude设计蛋白:20万美元、3个月、17个阳性结果

流云 2026-10-21 1706 0条评论
摘要: 一个被忽视的行业,一群门外汉,一个35页提示词,一万小时H100,一张实验室账单,211个蛋白设计,17个阳性结果。故事从投资问题开始,落在了试管里的新蛋白上。Citrini Re...

一个被忽视的行业,一群门外汉,一个35页提示词,一万小时H100,一张实验室账单,211个蛋白设计,17个阳性结果。故事从投资问题开始,落在了试管里的新蛋白上。

Citrini Research最初想搞清楚一个投资问题:AI制药到底走到哪一步了?过去几年,生命科学和医疗板块明显降温,疫情红利退潮,融资环境收紧,生物医药这个曾经被资本追逐的赛道开始显得冷清。但Citrini看到的机会也在这里:如果一个被市场冷落的行业真的被AI工具改造,增长预期可能被低估。问题在于没人能给出统一答案——问科学家,有人说AI还没做出过真正重要的新药,也有人认为AI会在几年内重塑药物研发体系。于是他们决定亲自下场。

团队只有5个人,其中3个几乎没有生命科学背景,另外2个有一点相关经验。预算20万美元,时间3个月。目标听上去很冒险:借助Claude,设计一种真实可合成、可测试的新蛋白。如果实验室结果能证明它有效结合目标,哪怕只跨出第一步,也足以说明AI for Science的门槛正在下降。在AI工具导航的科研类目中,这种“小团队+大模型+实验外包”的组合,正在成为传统药物研发之外的一条新路径。

为什么盯上蝎毒

Citrini先列出筛选条件:实验验证要快,成本可控;问题本身要依赖分子设计能力;最好有现实公共健康价值,同时长期缺少投入。候选方向包括罕见儿童疾病、艰难梭菌感染、阻断芬太尼类似物的“疫苗”、降低莱姆病风险的抗蜱方案。最后留下来的方向是抗毒血清。蛇毒方向此前已有AI蛋白设计案例,Citrini想找一个更新、更少被关注的目标,于是把视线转向蝎毒。全球每年约有120万人被蝎子蜇伤,数千人死亡,儿童尤其危险;很多高发地区医疗资源有限,抗毒血清价格高、供应不稳定。现有生产方式相当传统:采集蝎毒,向马体内注入受控剂量,等待马产生抗体,再从血浆中提取和纯化。流程耗时、昂贵,还依赖动物。Citrini想试一条新路:直接设计一种小蛋白,让它像“分子夹子”一样抓住蝎毒中的神经毒素。他们最终选定5种蝎毒神经毒素,覆盖墨西哥、巴西、北非和中东等地区代表性毒素。随后又加了一道更难的题:能否设计一个单一分子,同时结合5种毒素?Claude提醒他们,成功概率很低。

35页提示词,300多个Agent,1万小时H100

真正开始前,Citrini和Anthropic团队花了大量时间设计提示词,最终形成的提示词长达约35页,写清楚了目标毒素、设计约束、评估工具、筛选规则、候选分配和实验室所需信息。这已经不像普通聊天,更像一份交给“虚拟干实验团队”的研究计划书。随后,Claude开始接管大部分计算设计流程:查文献、调工具、做结构预测、管理计算资源、筛选候选方案。它还在人类监督下给Twist Bioscience的科学家写邮件,询问某些融合蛋白和双特异性构型能否制造。收到回复后,Claude再把供应商的制造约束写回设计流程。整个设计活动用了略多于10000小时H100 GPU,算力费用49997美元,后续DNA合成、蛋白表达纯化、结合测试和可开发性评估等实验费用接近15万美元。在64小时设计阶段里,Claude生成超过31万个蛋白设计,筛出180个,经过四轮跟进,最终211个方案被送往实验室合成和测试。

211个送测,17个阳性,覆盖4种毒素

实验结果显示:211个送测设计中,17个达到预设结合标准,覆盖5种毒素中的4种。其中针对墨西哥蝎毒Cn2的候选表现最突出,Cn2-B1和Cn2-B2两个设计与目标毒素结合很强,亲和力达到低纳摩尔级别。团队还做了竞争结合实验:已知有一种抗体片段LR可以中和Cn2毒素,实验显示当LR先占住毒素后,Claude设计蛋白与毒素的结合受到明显影响,这提示它们可能抓住了与LR相同或相邻的位置。同时,最难的“通吃五种毒素”目标失败了,没有任何设计被证明可以同时结合多种毒素——Claude最初的风险提示应验。这个结果反而让案例更可信:AI没有魔法般跨过所有生物物理限制,成功和失败都清楚地落在实验数据里。

目前这些蛋白只证明了“能结合毒素”,还没有证明能中和毒素,也没有证明能保护细胞、动物或人体。下一步需要功能实验,之后才可能进入动物保护实验。距离真正可用的抗蝎毒治疗方案仍有很长距离。但这次实验的价值已经出现:一群几乎没有药物研发背景的人,在AI工具、实验外包和专家安全框架帮助下,可以从一个投资问题出发,走到“部分实验验证的新蛋白”这一步。Citrini没有变成传统意义上的生物技术公司,它依然是一家投资研究机构,但它用20万美元和3个月时间摸到了一条新边界:科学发现的入口正在被重新打开。

编辑判断

把Citrini的故事放在AI制药行业的大背景里看,AI制药接下来的进展大概率不会体现为某个模型“一步生成新药”,更可能体现在研发链条的多个环节被持续压缩。Anthropic展示的是大模型协调蛋白设计流程的能力,Radical Numerics把AI设计噬菌体推进到耐药菌感染患者的同情用药场景,OpenAI通过Rosalind和Orchestra Bio把AI延伸到科研项目管理与研发流程协调。这三类能力拼在一起,正好对应AI制药的三个关键方向:设计分子、验证生物功能、管理复杂研发系统。对于关注AI工具导航的读者,这个案例最直接的启发是:AI for Science的参与者正在变得更多元。药企、CRO、顶级实验室依然重要,但越来越多带着具体问题、具体资源、具体判断的人,也可以进入科学工作流。他们未必会独立完成全流程,却能提出被忽视的需求,组织工具和实验资源,快速形成可验证结果。这会改变早期研发的供给方式——过去一个冷门疾病或边缘公共卫生问题很难吸引大药企投入,现在如果AI能降低早期探索成本,小团队就有机会先跑出实验信号,再吸引基金会、政府、药企或产业资本接力。


文章版权及转载声明:

作者:流云本文地址:https://sanwenge.com/post/1516.html发布于 2026-10-21
文章转载或复制请以超链接形式并注明出处三文阁