刚刚，Claude首次设计出抗蝎毒蛋白！64小时已过实测

五个搞金融的门外汉，三个完全没有科学背景，20万美元预算，64小时，用Claude设计了31.8万个蛋白。其中211个送进实验室，17个真的在试管里抓住了蝎毒。

这不是科幻，是Anthropic今天公开的一份研究。翻开技术报告，作者名单第一位赫然写着：Claude Science。它负责设计蛋白，还在人类监督下分析数据、绘图、起草报告。全部211个送测方案连同实验数据，已以CC BY 4.0许可公开在Hugging Face上。

同一天，OpenAI反手买下Orchestra Bio，杀向生物医药。两家从数学一路死磕到物理，如今战场换到了生命科学。

先说这支“门外汉”小队是怎么进来的。

Citrini Research，一家投资研究机构。他们想研究生命科学领域的投资机会，照例去找专家，结果听到的判断从“AI根本造不出重要药物”一路分裂到“五年内治愈所有疾病”。专家各执一词，他们干脆自己试一把。

五人小队，三人完全没有科学背景，另外两人有一点相关经验，也算不上资深药物研发人员。预算20万美元，找上Anthropic，在生命科学团队帮助下使用内部研究模型。

真正的难题是：选哪个医疗问题？他们最后选中了蝎毒。全球每年超过120万人被蝎子蜇伤，超过3250人死亡，儿童尤其容易受到严重伤害。不少患者身处医疗资源匮乏地区，新疗法研发昂贵，商业回报有限，这个问题长期缺少投入。现有抗毒血清通常依赖动物产生的抗体——从蝎子身上采集毒液，用受控剂量对马进行免疫，再从马血浆中提取、纯化抗体。

这一次，他们想从计算机里设计出一种小蛋白，像量身定做的夹子，抓住蝎毒中的神经毒素。

64小时，300多个Agent，31.8万个设计。

启动计算前，团队得先把“试试”变成一份目标明确、能执行的任务。Citrini与Anthropic团队借助Claude反复打磨，初始提示越写越长，最后到了约35页。研究什么、限制在哪、怎样判断候选值不值得送测，全写进去了。

之后Claude接手大部分计算。首个通宵，它启动300多个子Agent，使用超过300块并发GPU，查文献、调工具、跑预测、筛候选，一批批任务在电脑里展开。这套内部模型运行在Claude Science环境中，调用了12种专业设计工具。

还有一件很现实的事：设计出来的蛋白，供应商到底能不能做？在人的授权和监督下，Claude给Twist Bioscience负责采购的科学家起草并发出邮件，询问几类复杂蛋白的制造可行性。Claude暂时停下相关设计分支，等待确认。人类离开后回信到了，Claude把制造约束纳入考虑，继续推进。从询问供应商到根据回信继续设计，这段需要等待和沟通的工作，也由Claude衔接了起来。

64小时过去，Claude生成31.8万多个设计，筛出180个。人类又在它帮助下补入31个，凑齐211个送测候选。这轮计算用了约1万GPU小时，算力花费49,997美元。

211个送进实验室，17个闯过结合测试。

合成、生产、测试还要另付费用。Citrini公开了一张Twist Bioscience的扣款提醒截图，金额71,740美元。Adaptyv Bio和Twist Bioscience两家机构分别承担生产与测试。

最终结果：17个设计达到结合标准，覆盖五种目标毒素中的四种。针对墨西哥毒素Cn2的有7个，针对北非毒素AaH II和AaH I的各4个，针对中东毒素LqhIII的2个。针对巴西毒素Ts1的设计，没有一个达标。

人类执意想试的“通吃计划”——让同一个蛋白同时抓住多种毒素——Claude提前泼的那盆冷水应验了。151个多毒素设计，没有一个达到同时结合多种毒素的标准。 其中6个仍对单一毒素达标，进了最终17人名单。团队想要一把能开多道锁的钥匙，实验证明，目前拿到的仍是一把把专用钥匙。

最强候选Cn2-B1，抓到了一个有机会阻断毒素的部位。

在17个达标候选中，Cn2-B1表现尤其抢眼。实验观测窗口里，它与目标毒素分开得非常慢。这种牢固结合，让它成了最值得继续研究的候选之一。

但结合得牢，不等于能阻止毒素伤害细胞。蛋白究竟结合在毒素哪个部位，同样关键。蝎毒中的这类神经毒素会干扰神经细胞钠通道，搅乱电信号。一种叫LR的抗体片段，已在小鼠研究中显示出中和Cn2的作用。研究人员让LR先占住毒素，再看AI设计的蛋白还能不能贴上去。当LR预先占据毒素后，AI设计的蛋白与毒素的结合明显受到抑制。 这提示两者可能在争夺相同或相邻的结合位置——Claude设计的蛋白，很可能抓到了一个有机会阻断毒素作用的部位。

当然，这些候选蛋白能否保护细胞、保护动物，还没有经过实验确认；目前的结合测试使用的也是实验室制备的重组毒素。这是通往解毒的一条重要线索，不是终点。

这件事最值得记住的，不是“AI又赢了”。

蝎伤集中发生的许多地区，医疗资源匮乏，新药研发又难以获得足够商业回报。最急需治疗的人，往往最难吸引持续的研发投入。 五个门外汉、20万美元、64小时、17个在试管里抓住蝎毒的蛋白——这套组合证明的，不是AI要取代科学家，是让更多研究者有能力接手这些长期被忽视的问题。

他们可以把更多设计送进实验室，再用一轮轮实验找出真正有效、负担得起的治疗方法。全部211个设计、预测结构和实验数据已经公开，接手的研究者可以逐一核对计算预测和实测结果，从表现最好的候选继续推进，也能从未达标的设计里找问题。

真正的技术革命，不是让少数人跑得更快，是让那些在贫困和黄沙中被毒蝎蜇伤的无助孩童，未来不再因为买不起天价血清而失去生命。