Claude 一天生成 31 万个蝎毒结合物

蝎子蜇伤每年致死三千多人，主要在南亚、拉美和非洲部分地区。抗毒血清靠马或羊免疫后取血制备，贵、怕热、批间差异大，基层常常没有。

2026 年 10 月，Anthropic 公布了一个尝试：让 Claude 从零设计能抓住蝎毒分子的蛋白。

一、发生了什么

据 The Decoder 10 月 21 日报道，Claude 在 24 小时里生成了 318,484 个蛋白结合物设计方案，靶点是四种蝎子的五种神经毒素。给完最初指令后模型自己跑了一天，之后研究团队才用追加指令调整方向。

筛选是这样走的：Claude 自己挑了 180 个候选，团队另外补了 31 个，一共 211 个送进实验室。结果 17 个达到了"能结合"的标准。结合最紧的两个针对 Cn2——一种来自墨西哥蝎子的毒素，这两个的对接位置与一个已知能在小鼠体内中和 Cn2 的抗体相同或相邻。

必须说清楚边界：这些蛋白能不能真的当抗毒血清用，没有测过。目前验证的是结合，不是解毒。外部专家 Susana Vázquez Torres 和 Timothy P. Jenkins 的评价是"有希望的第一步"，结果由两个独立实验室复核。整个流程跑在 Anthropic 面向科研的 Claude Science 环境里。

同一团队早期曾针对 15 个靶蛋白做出 14 个 mini-binder，命中率 22% 到 35%，业内常规是 10% 到 15%。这些数字出自 Anthropic 自家页面，属厂商口径。

二、跟你有什么关系

做药物早期发现的人。 生成环节的成本已经被压得很低，三十多万个设计是一天的事。真正的瓶颈移到了两头：靶点定义得准不准，湿实验的产能跟不跟得上。你的实验室一周能测几个，决定了你有资格生成多少个。

做 AI for Science 产品的人。 这次的关键不是模型多聪明，是它被放进了正确的流程里——有靶点、有筛选标准、有实验室闭环、有独立复核。只卖"生成"的环节最容易被打穿。

看生物科技投资的人。 从结合到解毒，中间还隔着动物攻毒实验、稳定性、可生产性、免疫原性。每一关都能否掉前面所有工作。看到"AI 设计出药物"的标题，先问一句到第几关了。

三、怎么用这类工具

1. 先固定靶点。选一个结构已知、机制清楚的毒素或蛋白，别一上来就做整个通路。
2. 把湿实验写成裁判规则。什么算成功、测几个、用什么方法，动笔前定好，模型才有一个可优化的目标。
3. 让模型先自筛。这次 31 万个设计里模型自己只交了 180 个，相当于让它先做一遍自己的审稿人。
4. 留人类补位名额。团队硬塞了 31 个候选进去，这 31 个是模型的对照组，也是防止筛选标准过窄的保险。
5. 记录生成条件。模型版本、提示、筛选阈值都要存，否则复现不出来，也写不进论文。

四、三个别信的说法

"Claude 造出解药了。" 没有。实验证明的是蛋白能结合毒素，而且只是 211 个里的 17 个。能不能在小鼠体内挡住中毒、需要多少剂量、有没有副作用，全部未知。这是链条上很靠前的一步。

"31 万个设计只中 17 个，命中率低得可怜。" 分母用错了。31 万是候选生成量，17 是经过两轮筛选和湿实验后的成果数。蛋白设计本来就是大海捞针，衡量它的指标通常是"每一批送测里有多少个结合"，而不是"生成多少个里有多少个能用"。

"这说明 AI 可以独立做完药物研发。" 模型自主的只有生成这一步。靶点选择、筛选标准、实验操作、独立复核、专家判断，全是人做的。把这一段说成"AI 自己搞科研"，会让真正做事的人消失。

五、一句话结论

模型把"想出候选"变成了一件便宜事，但让候选变成药，还是要靠一排实验台。

信息来源

• Claude Science tackles deadly scorpion stings by designing protein binders from scratch（The Decoder） 2026-10-21
• Anthropic Research: Claude scorpion toxin binder design 2026-10

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。