最新Claude AI展現出創新能力,透過學習大規模蛋白質序列,在實體實驗室中以高於人類專家的成功率獨立設計出新型蛋白質。
想像一下,某天早晨走進實驗室的生命科學家打開電腦螢幕,對人工智慧說道:「請幫我設計一個能夠精準黏附並中和特定癌細胞表面的全新蛋白質結構。」幾秒鐘後,人工智慧不只是單純找出既有論文,更完成了包含胺基酸排列順序的精細生命藍圖。令人驚訝的是,當這張藍圖在實際的實體實驗室中進行測試時,其成果遠遠超越了以往人類研究團隊的平均成功率。
這不再是遙遠未來科幻電影裡的情節。近期在人工智慧界與生命科學界備受矚目的AI模型Claude,正為這道界線開啟了大門 Claude was trained on protein sequences at scale. 隨著最新Claude模型被揭露曾大規模學習蛋白質序列,AI已超越單純的文字對話夥伴,逐步奠定其作為引領人類生物科技研究之強大夥伴的地位 Claude was trained on protein sequences at scale.
為什麼這很重要?
構成我們身體的無數細胞與組織,以及調節生命活動的酵素與抗體,全都是由稱為「蛋白質」的高分子物質所組成。蛋白質是由數十到數千個胺基酸像樂高積木一樣長長相連後,再複雜地摺疊以執行特定功能。新藥開發或難治之症治療藥物研究,歸根究底就是一場尋找能夠精確結合特定致病物質並加以阻斷的「客製化蛋白質(或蛋白質結合劑)」的漫長旅程。
然而直到現在,這個過程就像是一場耗費龐大時間與成本的賭博。必須重複無數次實驗並經歷失敗,才能勉強撈出一個有效物質。如果AI能在短短幾秒鐘內模擬人類需要花費數年完成的工作,並直接設計出能在實際實驗室中運作成功的新型蛋白質,會發生什麼事?難治疾病治療藥物的開發速度將快到超乎想像,人類所面臨的醫療保健障壁也將大幅降低。這正是Claude大規模學習蛋白質序列的消息讓全球科學家為之振奮的原因。
輕鬆理解:如同學習語言般掌握生命的文法
那麼,AI究竟是如何製造蛋白質的呢?為了讓人更容易理解,我們舉兩個比喻來說明。
第一個比喻:能流利運用外語的多國語言口譯員
簡單來說,就像人工智慧透過文法與單詞的組合來學習人類語言(韓語、英語等)一樣,您可以將其理解為它直接學習了名為「胺基酸序列」的生命語言。 根據近期研究團隊進行的下一個胺基酸預測測試(next-amino-acid test)顯示,最新的Claude模型甚至對尚未被廣泛研究、稀有且陌生的蛋白質序列也有著深入的理解 Claude was trained on protein sequences at scale.這與其他前沿AI模型在這些領域未表現出顯著特徵形成鮮明對比 Claude was trained on protein sequences at scale.換句話說,Claude不只是閱讀了網際網路上的文字,更是讀通了生命體歷經數十億年演化而成的龐大胺基酸圖書館。
第二個比喻:從「讀懂建築藍圖的AI」蛻變為「設計新建築的建築師」
於2020年震撼全球的AlphaFold等蛋白質結構預測模型早已廣為人知 Claude Starts Independently Designing New Proteins …. AlphaFold是專門用來輸入現有胺基酸序列,並「預測」其如何摺疊成三維形態的模型 Claude Starts Independently Designing New Proteins …. 然而,Claude所展現的能力更進了一步。它超越了預測,展現出從零開始獨立設計(Design)出能達成特定目的(例如:結合特定疾病標的)之新蛋白質的能力 How Claude is uplifting biomolecular modeling \ Anthropic.這就像是不僅僅透過建築物的3D相片來推測結構,而是根據居住者的需求,直接親手繪製出全新形態且安全之大樓藍圖的建築師一般。
現狀:跨越數位,邁向實體實驗室(Wet Lab)
這項能力並不僅停留在理論階段,而是已經進入了實際的實體實驗室驗證階段。從Anthropic研究團隊與生技合作夥伴的近期案例中,可以清楚看出Claude是如何被應用在生命科學現場。
- 基礎生物學研究加速:Claude被積極運用於探索大規模DNA資料集、識別至今尚未被充分了解的未知蛋白質家族,以及大規模生成假設 Claudediscovers a novel enzyme system \ Anthropic.
- 支援蛋白質結合劑與分析:協助生命科學研究人員從零開始設計新型蛋白質結合劑,並透過分析核磁共振(NMR)與液相層析質譜儀(LC-MS)資料,大幅提升化學分析速度 Claude accelerates protein design and analytical chemistry.
- 獨立的蛋白質設計活動:實際上,Claude針對15個藥物相關標的執行了獨立的蛋白質結合劑設計活動,成功生產出經確認的結合物質(confirmed binders) Claude Runs Autonomous Protein Design Campaign: Wet Lab ….
| 最令人驚豔之處在於實際實體實驗室(Wet Lab)的測試結果。根據官方公佈的數據,由Claude自主設計的蛋白質在實際實體實驗室陣列中運作的成功率(hit rate)高達約35% [ClaudeDesigned Disease-TargetingProteinsThat… | Admix Blog](https://admix.software/blog/claude-protein-design-wet-lab).這遠遠超過傳統人類專家10%至15%的基準線兩倍以上 [ClaudeDesigned Disease-TargetingProteinsThat… | Admix Blog](https://admix.software/blog/claude-protein-design-wet-lab).此外,在整體的蛋白質結合劑活動中,它也創下了22%至35%的高命中率,證明了其實戰中的強大實力 Claude Runs Autonomous Protein Design Campaign: Wet Lab …. |
未來會如何發展?
隨著Claude透過蛋白質序列學習深入生命科學領域,未來的研究環境很有可能被全面重塑。
在不遠的將來,新藥開發初期探索階段中,人類研究員花費數月翻閱文獻並經歷試錯的方式將大幅減少。AI與人類研究員緊密合作提出構想,由AI設計胺基酸序列,隨後實驗室機器人直接進行合成與驗證的完全自動化管線將會普及。
當然,隨著技術發展,也有需要解決的課題。必須輔以嚴謹的驗證體系,以確保AI所提出的蛋白質在人體內沒有副作用,並且在倫理與安全層面上能被完美掌控。儘管如此,AI開始流利運用生命基本單位——蛋白質之語言的這個事實本身,就明確地顯示出人類在克服疾病的過程中,已經握有了最強大的武器。
AI的視角
曾被視為單純聊天夥伴或寫作輔助工具的語言模型,如今已開始深入理解並創造生命基本組成要素——蛋白質的領域。這意味著人工智慧正超越數位虛擬空間,開啟直接介入分子世界與實體生命現象的新時代。讓人十分期待未來像Claude這樣的先進AI,將對無數難治疾病治療藥物的開發以及解開生命科學之謎做出何等決定性的貢獻。
參考資料
- Claude was trained on protein sequences at scale
- Claudediscovers a novel enzyme system \ Anthropic
-
[ClaudeDesigned Disease-TargetingProteinsThat… Admix Blog](https://admix.software/blog/claude-protein-design-wet-lab) - BERTology Meets Biology: Interpreting Attention inProtein… - YouTube
- WhatIsClaudeTrainedOn?TrainingData, Methods… - Tygart Media
-
[ClaudeAI Free & Unlimited-No Login-Chat Now! HIX AI](https://hix.ai/claude) - Anthropic’s moatisClaude- by Noah Smith - Noahpinion
- How Claude is uplifting biomolecular modeling \ Anthropic
- Case study: Benchmarking Claude’s protein designs in the wet lab
- Claude accelerates protein design and analytical chemistry
- Claude Starts Independently Designing New Proteins …
- Claude Runs Autonomous Protein Design Campaign: Wet Lab …
-
[Claudeby Anthropic The AI for problem solvers](https://claude.com/) - AINews: 24 Stories You Missed While Living Your Life - YouTube
-
[WhatIsClaudeAI? IBM](https://www.ibm.com/think/topics/claude-ai)
- 大規模原始碼及程式語言
- 大規模蛋白質序列(胺基酸序列)
- 全球所有法律判例資料
- 5~10%
- 22~35%
- 70~80%
- AlphaFold預測蛋白質形態,而Claude則獨立設計出全新的蛋白質。
- AlphaFold僅處理文字,而Claude僅生成圖像。
- 兩個模型執行完全相同的功用。