AI读取了生命的蓝图:Claude通过学习蛋白质序列开启生命科学新时代

以数码图形具象化实验室烧杯与DNA双螺旋结构的插图
AI Summary

最新Claude AI展现出强大的创新能力,通过学习大规模蛋白质序列,在物理实验室中以高于人类专家的成功率独立设计出新蛋白质。

想象一下。一天早晨,走进实验室的生命科学研究员打开电脑屏幕,向人工智能说道:“请设计一种能够精准附着并瓦解特定癌细胞表面的全新蛋白质结构。”几秒钟后,人工智能不仅简单地检索了现有论文,还完成了包含氨基酸排列顺序的精致生命蓝图。而且令人惊叹的是,当在实体实验室中进行测试时,该蓝图取得了远超人类研究团队平均成功率的成果。

这不再是遥远未来的科幻电影情节。近期在人工智能界和生命科学界备受瞩目的AI模型Claude正是打开这道边界之门的关键 Claude was trained on protein sequences at scale. 随着最新Claude模型被曝出已学习大规模蛋白质序列,AI正超越单纯的文本对话伙伴,逐步确立为引领人类生物技术研究的强有力同伴 Claude was trained on protein sequences at scale.


为什么这很重要?

构成我们身体的无数细胞和组织,以及调节生命活动的酶和抗体,全都是由名为“蛋白质”的高分子物质组成的。蛋白质是由数十到数千个氨基酸像乐高积木一样长距离连接后,经过复杂折叠执行特定功能的。新药研发或疑难杂症治疗药物的研究,归根结底是一个漫长的旅程,旨在寻找能够精准结合并阻断特定致病物质的“定制蛋白质(或蛋白质结合体)”。

然而,直到现在,这一过程犹如一场耗费巨大时间和资金的赌博。必须重复无数次实验并经历重重失败,才能勉强收获一种有效物质。如果AI能在短短几秒钟内模拟人类需要数年才能完成的工作,并直接设计出能在实体实验室中发挥作用的成功蛋白质,那会发生什么?疑难杂症治疗药物的研发速度将会快得超乎想象,人类面临的医疗卫生门槛也将大幅降低。这正是Claude大规模学习蛋白质序列的消息让全球科学家为之振奋的原因所在。


轻松理解:像学习语言一样掌握生命的语法

那么,AI是如何制作蛋白质的呢?为了易于理解,我们举两个比喻。

第一个比喻:精通外语的多语种翻译官

简单来说,可以这样理解:正如人工智能通过语法和单词的组合来学习人类语言(韩语、英语等)一样,它直接学习了名为“氨基酸序列”的生命语言。 根据研究人员最近进行的下一个氨基酸预测测试(next-amino-acid test),最新的Claude模型甚至对研究尚不充分的稀有且陌生的蛋白质序列也有了深入的理解 Claude was trained on protein sequences at scale. 这与其它前沿AI模型在这些领域未表现出明显特性的情况形成了鲜明对比 Claude was trained on protein sequences at scale. 也就是说,Claude不仅阅读了互联网上的文本,还彻底读懂了生命历经数十亿年演化而来的庞大氨基酸图书馆。

第二个比喻:从“阅读建筑图纸的AI”到“设计全新建筑的建筑师”

在2020年曾惊艳全球的AlphaFold等蛋白质结构预测模型已经广为人知 Claude Starts Independently Designing New Proteins …. AlphaFold是专门用于输入现有氨基酸序列并“预测”其如何折叠成三维形态的模型 Claude Starts Independently Designing New Proteins …. 然而,Claude所展现的能力更进一步。它不仅超越了预测,还发挥了从零开始独立设计(Design)新蛋白质的能力,以实现特定目的(例如:结合特定疾病靶标) How Claude is uplifting biomolecular modeling \ Anthropic. 这就像建筑师不仅能通过建筑的三维照片猜出结构,还能根据居住者的需求亲手绘制出完全全新形态的安全建筑图纸。


当前现状:超越数字世界,走向实体实验室(Wet Lab)

这一能力不仅停留在理论上,而且已经进入了实际的实体实验室验证阶段。从Anthropic研究团队和生物技术合作伙伴的近期案例中,可以清晰地看出Claude是如何在生命科学现场被应用的。

  1. 加速基础生物学研究:Claude正被积极应用于探索大规模DNA数据集、识别迄今鲜为人知的未知蛋白质家族以及大规模生成假设 Claudediscovers a novel enzyme system \ Anthropic.
  2. 支持蛋白质结合体及分析:帮助生命科学研究人员从零基础设计新的蛋白质结合体,并通过分析核磁共振(NMR)和液相色谱-质谱(LC-MS)数据,大幅提高化学分析速度 Claude accelerates protein design and analytical chemistry.
  3. 独立的蛋白质设计活动:实际上,Claude针对15个药物相关靶标执行了独立的蛋白质结合体设计活动,并成功生产出了经证实的结合物质(confirmed binders) Claude Runs Autonomous Protein Design Campaign: Wet Lab ….
最令人惊叹的是实际实体实验室(Wet Lab)的测试结果。根据官方公布,Claude自主设计的蛋白质在实际实体实验室阵列中运行的成功率(hit rate)达到了约35% [ClaudeDesigned Disease-TargetingProteinsThat… Admix Blog](https://admix.software/blog/claude-protein-design-wet-lab). 这一数字远远超过了传统人类专家10%~15%的基准线的两倍以上 [ClaudeDesigned Disease-TargetingProteinsThat… Admix Blog](https://admix.software/blog/claude-protein-design-wet-lab). 此外,在整个蛋白质结合体活动中,它也记录了22%~35%的高命中率,证明了其在实战中的强大实力 Claude Runs Autonomous Protein Design Campaign: Wet Lab ….

未来将如何发展?

随着Claude通过学习蛋白质序列深入到生命科学领域,未来的研究环境极有可能被彻底重塑。

在不远的将来,新药研发初期探索阶段中人类研究员花费数月查阅文献并经历试错的方式将大幅减少。AI与人类研究员将密切合作提出构想,当AI设计出氨基酸序列后,实验室机器人便能立即对其进行合成与验证,这种全自动化的流水线将变得极为普遍。

当然,随着技术的发展,也存在需要解决的课题。必须辅以严谨的验证体系,以确保AI提出的蛋白质在人体内不会产生副作用,并在伦理与安全方面得到完美控制。尽管如此,AI开始流利掌握生命基本单位——蛋白质语言这一事实本身,明确地向我们展示了人类在战胜疾病的过程中握住了最强有力的武器。


AI的视角

曾被视为单纯聊天伴侣或写作辅助工具的语言模型,如今已开始深入理解并创造蛋白质这一生命的基石。这意味着一个全新的时代已经开启,人工智能正超越数字虚拟空间,直接介入分子世界与物理生命现象。未来,像Claude这样尖端AI将在无数疑难杂症治疗药物的开发以及揭开生命科学谜团方面做出怎样决定性的贡献,着实令人期待。


参考资料

  1. Claude大规模学习了蛋白质序列
  2. Claude发现了新颖的酶系统 \ Anthropic
  3. [Claude设计的疾病靶向蛋白质… Admix Blog](https://admix.software/blog/claude-protein-design-wet-lab)
  4. BERTology与生物学的相遇:解析蛋白质中的注意力机制… - YouTube
  5. Claude的训练内容是什么?训练数据、方法… - Tygart Media
  6. [Claude AI 免费且无限使用 - 无需登录 - 立即聊天! HIX AI](https://hix.ai/claude)
  7. Anthropic的护城河是Claude - 作者:Noah Smith - Noahpinion
  8. Claude如何提升生物分子建模 \ Anthropic
  9. 案例研究:在实体实验室中对Claude蛋白质设计进行基准测试
  10. Claude加速蛋白质设计与分析化学
  11. Claude开始独立设计新蛋白质…
  12. Claude开展自主蛋白质设计活动:实体实验室确认命中率达行业两倍…
  13. [Anthropic的Claude 面向问题解决者的AI](https://claude.com/)
  14. AI新闻:生活中错过的24个故事 - YouTube
  15. [什么是Claude AI? IBM](https://www.ibm.com/think/topics/claude-ai)
AD
测试你的理解
Q1. 最新Claude模型与其他前沿AI模型相比,其核心训练数据的特点是什么?
  • 大规模源代码及编程语言
  • 大规模蛋白质序列(氨基酸序列)
  • 全世界所有的法律判例数据
最新Claude模型显示出其大规模学习了由氨基酸序列组成的蛋白质序列。
Q2. Claude在实体实验室(Wet Lab)中进行的蛋白质结合体设计活动的成功率(hit rate)大约是多少?
  • 5~10%
  • 22~35%
  • 70~80%
Claude在实体实验室针对15个药物相关靶标进行的蛋白质结合体活动中记录了22%~35%的成功率。
Q3. 2020年问世的AlphaFold与近期Claude在蛋白质相关能力方面的最大区别是什么?
  • AlphaFold预测蛋白质形态,而Claude独立设计新蛋白质。
  • AlphaFold只处理文本,Claude只生成图像。
  • 两个模型执行完全相同的功用。
AlphaFold是专注于从给定氨基酸序列'预测'折叠三维形态的特化模型,而Claude则展现出直接'设计'符合生物学目的的新蛋白质并生成假设的能力。