Anthropic publicó dos experimentos en los que sus modelos Claude asumieron tareas de la fase temprana del desarrollo de fármacos. El primero se concentró en diseñar los llamados minibinders, proteínas pequeñas que se acoplan con fuerza a una proteína diana y bloquean o modifican su función. Ese principio está en la base de muchos medicamentos. Según la compañía, los resultados superan las tasas de acierto habituales de la industria, aunque una revisión independiente sigue pendiente.
Diseñar esos acopladores desde cero en un computador, en vez de buscarlos en la naturaleza, se conoce como diseño de novo. De acuerdo con el reporte técnico, hoy todavía exige una cadena de decisiones expertas más días de orquestar software especializado y cómputo.
¿Qué tan bien funcionaron los diseños?
Los modelos Mythos Preview y Opus 4.8 diseñaron acopladores contra 16 proteínas diana, de las cuales 15 arrojaron mediciones utilizables. Claude tuvo éxito en 14 de esas 15. De 1.320 diseños llevados al laboratorio, 354 se unieron efectivamente a su objetivo, una tasa de acierto de 26,8%. Si se miran solo los diseños que Claude puso primeros en su propio ranking, la tasa sube a 49%.
En modo multidiana, con todos los objetivos atendidos a la vez dentro de 48 horas, los modelos llegaron a 26,7% (Mythos Preview) y 22,6% (Opus 4.8). Cuando Mythos Preview trabajó cada diana por separado, la tasa subió a 35,1%, pero con 2,8 veces el presupuesto de cómputo por objetivo. Foco y presupuesto no se pueden separar, como reconocen los propios autores.
Para comparar, Anthropic cita el rango típico actual de 10% a 15%, tomado de campañas públicamente documentadas en la base de datos proteinbase.com.
| Escenario | Tasa de unión |
|---|---|
| Rango habitual de la industria | 10% a 15% |
| Claude, modo multidiana (Opus 4.8) | 22,6% |
| Claude, promedio sobre 1.320 diseños | 26,8% |
| Claude, diana por diana (Mythos Preview) | 35,1% |
| Claude, solo el primero de su ranking | 49% |
Un modelo de lenguaje maneja una docena de herramientas
Anthropic no construyó su propio modelo de proteínas. Claude instaló y ejecutó únicamente software especializado de código abierto que el campo ya usa. Los andamios espaciales de las proteínas, conocidos en la jerga como backbones, vinieron de PXDesign (358 diseños), RFdiffusion3 (267), Genie 3 (185), FreeBindCraft (135), BoltzGen (134), RFdiffusion (118) y Proteina-Complexa (100), entre otros. La cadena de aminoácidos que termina formando ese andamio la calculó mayoritariamente SolubleMPNN, una variante de ProteinMPNN.
Para filtrar y ordenar los candidatos, Claude usó una mezcla de ESMFold2, ESMFold2-Fast y Protenix v2. Esos programas predicen cómo se pliegan juntos el acoplador y la diana, y entregan un puntaje de confianza sobre si la unión debería funcionar. Los pesos de AlphaFold-3, Rosetta y ESM3 quedaron excluidos por razones de licencia.
El montaje incluyó un prompt de protocolo de unas 16.000 palabras que corrió como instrucción de sistema en cada agente. Solo cerca de un tercio de ese texto es guía científica más una lista de lecturas. Los otros dos tercios cubren planificación, delegación en subagentes, verificación y disciplina presupuestaria. El protocolo no especificaba qué punto de la superficie de la proteína atacar, el llamado epítopo, para ninguna diana.
El presupuesto de cómputo fue de 50.000 dólares por campaña multidiana y 10.000 dólares por objetivo individual, ejecutado a través del proveedor en la nube Modal. Los humanos eligieron las dianas, escribieron el protocolo, encargaron la síntesis e interpretaron los datos de medición. En el intertanto, dice el reporte, solo hicieron falta instrucciones breves y no técnicas para retomar tras caídas de infraestructura.
El ganador de un concurso, superado en la misma placa
La validación quedó en manos de los laboratorios por contrato Adaptyv Bio y Twist Bioscience, que produjeron biológicamente cada diseño sin modificarlo y midieron de forma independiente si se une a su objetivo y con qué fuerza. La fuerza de unión se expresa como valor KD, en nanomolar (nM): mientras más chico el número, más apretada la unión. Los valores bajos importan para un medicamento porque implican que funciona con una dosis menor.
Los resultados variaron muchísimo según la diana. Para el receptor inmune TREM2, se unieron 72 de 90 diseños. Para el factor de crecimiento VEGF-A, 54 de 90. El caso más elocuente es RBX1, parte de un complejo enzimático que controla la degradación dirigida de otras proteínas en la célula. En un concurso abierto de diseño, allí solo se unieron 9 de 245 candidatos nuevos. Con Claude fueron 28 de 90. Anthropic mandó a reconstruir el diseño ganador de ese concurso y lo verificó en la misma placa de ensayo: se unió a 45 nM, mientras que el mejor diseño de Claude lo hizo a 3,9 nM, unas diez veces más apretado.
El TNFα se considera especialmente difícil. Es un mensajero del sistema inmune que dispara la inflamación y es la diana de cinco fármacos biotecnológicos aprobados, entre ellos Humira. Varios enfoques de diseño anteriores reportaron cero aciertos ahí. Claude produjo 12 acopladores de 150 diseños, todos de Opus 4.8 y ninguno de Mythos Preview. Pero esos doce se remontan a apenas cuatro andamios distintos, así que son menos independientes entre sí de lo que sugiere el número.
Unirse a las versiones animales de las proteínas diana era solo un objetivo secundario del protocolo y, aun así, 130 de 233 acopladores probados se unieron también a la contraparte de ratón de su objetivo. Eso tiene relevancia práctica, porque los fármacos se prueban en animales antes que en humanos.
Dónde falló, y por qué eso importa
Dos dianas mostraron límites claros. BBF-14 es una proteína con forma de barril inventada por computador, que no existe en la naturaleza y por lo tanto no tiene historia evolutiva de la que un método de diseño pueda echar mano. La proteína bacteriana de unión a maltosa, MBP, tiene en cambio una superficie lisa y afín al agua que le da poco de dónde agarrarse a un acoplador. Contra BBF-14 funcionaron solo tres diseños de unión débil; contra MBP, ninguno de 90.
Anthropic reconoce que los puntajes de confianza de la predicción de plegamiento no advirtieron ninguno de los dos fracasos. Los diseños contra MBP y BBF-14 obtuvieron puntajes casi idénticos a los de las dianas exitosas.
Análisis químico en menos de 25 minutos
En el segundo experimento, Opus 5 interpretó datos crudos de dos mediciones estándar provenientes de un laboratorio por contrato. La espectroscopía de resonancia magnética nuclear (RMN) le muestra al químico si realmente fabricó la sustancia que pretendía fabricar. La cromatografía líquida acoplada a espectrometría de masas (LC-MS) revela qué tan pura es la muestra. Ambos instrumentos entregan archivos en formatos propietarios que normalmente se analizan a mano en el software del fabricante. A partir de esos archivos crudos y de instrucciones de una a tres oraciones, Claude entregó resultados en 23 y 19 minutos.
Para el archivo de LC-MS, el modelo no encontró un programa lector adecuado y decodificó el formato por su cuenta. Como verificación cruzada, reprodujo exactamente los valores resumen que el instrumento había guardado para los 2.664 puntos de medición. En el análisis de RMN, Claude propuso el mismo experimento de seguimiento que el laboratorio había corrido de forma independiente tres días después de la primera medición, y luego corrigió su propio error: primero reportó cuatro señales faltantes, pero la verificación interna encontró dos. Los muy citados valores de pureza de 96,4% frente a 96,33% descansan sobre líneas base distintas, según el reporte. Calculado con el método del laboratorio, Claude llegaría a 98,8%.
¿Qué es lo genuinamente nuevo acá?
Predecir estructuras de proteínas y generar proteínas nuevas está establecido desde AlphaFold, RFdiffusion y BindCraft. El trabajo de diseño propiamente tal también lo hicieron esas herramientas. Lo nuevo es la capa que va encima. Un modelo de lenguaje general investigó la biología de cada diana, eligió el sitio de acople, instaló los programas por sí mismo desde sus repositorios públicos de código, los combinó a lo largo de 24 flujos de trabajo distintos y entregó un ranking terminado sin que ningún humano tocara una sola decisión de diseño. Como todos los modelos usados son de código abierto, argumenta el reporte, campañas así quedan al alcance de cualquier laboratorio.
Ese punto tiene una lectura concreta para la región. Un laboratorio universitario en Chile o en el resto de LatAm no necesita licenciar un modelo propietario de biología estructural: el cuello de botella se traslada al presupuesto de cómputo en la nube y al costo de la síntesis y medición en un laboratorio por contrato, que son gastos variables y contratables desde afuera. La barrera deja de ser tecnológica y pasa a ser presupuestaria.
Los autores explicitan los límites por su cuenta. No hubo una campaña paralela de expertos humanos como control, y no afirman que los diseños de Claude sean mejores que lo que lograrían especialistas con las mismas herramientas y presupuesto. Para cuatro de las seis dianas del concurso, los resultados de ese concurso estaban en la lista de lecturas de Claude.
Lo único que se midió fue si los diseños se unen, no su forma espacial real ni su efecto biológico. Ningún diseño fue resuelto estructuralmente, y todos los modelos de unión mostrados son predicciones. Además, cada combinación de modelo, formato y diana corrió exactamente una vez, así que no se pueden separar las diferencias entre modelos del azar. Y una porción grande de la experticia humana está en el propio protocolo.
Anthropic publicó esos protocolos, los datos de diseño y ambos conjuntos de mediciones en Hugging Face, de modo que la campaña puede en principio reproducirse y el conjunto de datos usarse como referencia comparativa.
