Claude ontwierp eiwitbinders die in het lab werkten
Anthropic heeft laten testen wat zijn modellen kunnen in een echt laboratorium. Claude kreeg de opdracht eiwitbinders te ontwerpen voor vijftien doelwitten, en bij veertien daarvan bond minstens een van de ontwerpen daadwerkelijk aan het doeleiwit. Het werk is uitgevoerd met het Zwitserse Adaptyv Bio en Twist Bioscience, die de sequenties fysiek maakten en doormaten.
Wat er precies is getest
Volgens de technische toelichting van Adaptyv Bio genereerden Claude Opus 4.8 en het experimentele Mythos Preview elk dertig kandidaat-binders per doelwit, samen 1.320 ontwerpen. Daarvan bonden er 354, een trefkans van 26,8 procent over het geheel. Per model en werkwijze lag dat tussen ongeveer 22 en 35 procent. In de sector geldt 10 tot 15 procent als gebruikelijk voor dit type ontwerpen, al lopen gepubliceerde cijfers voor mini-binders sterk uiteen.
De meting zelf ging klassiek: DNA-synthese, celvrije eiwitproductie en daarna surface plasmon resonance bij vijf concentraties, in duplo. Van de ontwerpen kwam 95 procent tot expressie. Een doelwit, het bekende MBP, leverde niets op. Anthropic zette de prompts, data en alle designmodellen op Hugging Face onder de naam claude-protein-binder-design.
Waarom dit anders is dan een benchmark
Het verschil met de gebruikelijke scores zit in de natte fase. Een taalmodel dat hoog scoort op een tekstbenchmark bewijst weinig over moleculen, hier ging het om sequenties die in glaswerk zijn gemaakt en gemeten. Claude werkte bovendien open-loop: het model kreeg geen meetresultaten terug om zijn volgende ronde te verbeteren, wat in de praktijk juist de grootste winst oplevert. De sterkste binders bonden volgens Adaptyv enkele malen steviger dan de beste inzendingen uit eerdere ontwerpcompetities.
De kritiek en de beperkingen
Niet iedereen is overtuigd. Martin Shkreli noemde de claims in een reactie op Stocktwits geen indrukwekkend werk, en het onderzoek is nog niet peer-reviewed. Belangrijker voor wie dit vertaalt naar praktijk: binden is stap een. Een molecuul dat zich aan een doeleiwit hecht, is nog geen medicijn. Selectiviteit, stabiliteit, productie en veiligheid volgen daarna, en dat traject duurt jaren.
Anthropic houdt de meest capabele variant van dit werk zelf achter de hand. Life-science-taken blijven geblokkeerd in het zwaarste model en het bedrijf bereidt een apart toegangsprogramma voor onderzoekers voor. Dat past bij de lijn die het bedrijf eerder koos toen het de risicoschatting van Model 2 verhoogde, en bij de bredere beweging waarin labs een deel van hun rekenkracht apart zetten, zoals OpenAI onlangs deed voor monitoring.
Wat betekent dit
Voor de biotech is dit een signaal dat algemene modellen taken oppakken waarvoor tot nu toe gespecialiseerde eiwitontwerpsystemen nodig waren. Dat verlaagt de drempel voor kleinere labs die geen eigen designteam hebben, zeker nu de data openbaar staan en het proces navolgbaar is. Voor iedereen daarbuiten is het een nuttige ijkpunt bij de vraag hoe ver AI werkelijk is: niet in scores op een lijstje, maar in resultaat dat een meetapparaat bevestigt. Dat AI zich richting harde meetdomeinen beweegt zag je eerder ook bij het lezen van hartsignalen op een smartwatch, en het tempo waarin die stappen elkaar opvolgen ligt hoog, zoals de modelrace bij Google laat zien.
