Claude 設計抗蠍毒蛋白質：AI agent 走進科研 workflow，但離藥物仍遠
由 Citrini Research 推動的一個五人團隊，借助 Anthropic 的 Claude 設計針對蠍毒素的蛋白質，並交由合作方合成及作體外測試。TechNews 科技新報 報道，211 個設計之中有 17 個可與目標結合，覆蓋五種蠍毒素中的四種；兩個針對 Cn2 的分子達到低納摩爾級結合親和力。
這個結果對科研及生物科技從業者的啟示，在於 AI agent 已可把原本分散的工作串連起來：由查找文獻、協調專業軟件與運算資源，到處理生產環節的技術查詢，形成可交給實驗室驗證的設計包。TechNews 科技新報 指出，團隊成員大多沒有科學背景，Claude 在 64 小時內調度逾 300 個子代理及逾 300 張 GPU；初步設計階段的人機訊息往返只有五次。
展示的是 workflow 協調，不是自動完成藥物研發
把文獻、模型、設計工具和外部供應商接上同一條工作流程，的確可減少人手在工具之間切換、整理資料及跟進行政細節的時間。對研究團隊而言，這類能力或可令概念驗證更快進入可測試的階段，亦降低跨學科協作的門檻。
但這個個案同時顯示，AI 的產出仍必須放進可量度的實驗流程中檢驗。設計能否合成、能否穩定存在、是否真的與目標結合，均不是模型自行判定。報道所述的實驗由 Adaptyv Bio 與 Twist Bioscience 參與：兩者合成候選蛋白質，並以表面電漿子共振（SPR）測試結合情況。換言之，AI 可以加快提出和篩選假設，但實驗設計、結果解讀及後續決策仍是科研 workflow 的關鍵關卡。
「會結合」與「可治療」之間仍有長路
最重要的限制是，現時結果只停留在體外結合驗證。TechNews 科技新報 報道未顯示這些蛋白質已能中和蠍毒活性，也沒有動物功效或人體安全性數據。因此，低納摩爾級親和力雖可視為值得再研究的訊號，卻不能直接推論為可用的抗毒藥物。
團隊原先希望由單一分子同時結合全部五種毒素，但未能達成；報道稱 Claude 事前已預測這項目標難以完成。這也提醒使用 AI agent 的研究者：系統可協助規劃、調度和產生候選方案，卻不會消除生物學本身的複雜性，尤其是多目標設計、毒素中和、體內分布及安全性等問題。
下一步值得觀察的，不是單看模型能調動多少代理或 GPU，而是候選分子能否通過中和測試，以及後續動物與人體研究能否支持其安全性和療效。同樣重要的是，往後若有更多類似案例公開方法、模型權限與人類監督安排，業界才較能評估 AI agent 在科研中的可重複性與實際價值。
延伸閱讀
AI 輔助說明： 本文由 AI 協助整理，並經兩輪獨立自動品質審核；資料及連結仍以原始來源為準。
參考來源
- TechNews 科技新報 — 非科學家團隊靠 Claude 設計抗蠍毒蛋白質，64 小時完成、實驗驗證成功 — original report
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
