Engineering Organoids-on-a-Chip for Next-Generation Preclinical Models

活動時間：2026.07.14 星期二 ( 台北時間：22:00 )

類本文剖析 AI 如何與實體生物實驗無縫串接。Claude 自主完成蛋白質設計後，交由 Twist Bioscience 等獨立機構進行濕實驗生產與驗證，於 15 個靶點中成功確認 14 個結合體。這展現了 AI 設計與先進驗證技術無縫對接、加速新藥研發的龐大潛力。

導言：AI 驅動科學發現的新紀元

全球生醫研發正處於效率瓶頸的臨界點。傳統研發模式面臨長週期、高成本以及對專家經驗的高度依賴，導致從分子發現到臨床驗證的過程充滿不確定性。過去幾個月中，人工智慧在純數位證明領域（如：黎曼猜想及 Erdős 問題）展現了驚人的突破。然而，AI 進入「實驗科學」的濕實驗（Wet Lab）驗證領域，才真正具備重新定義「科學研究速度」的戰略價值。

當 Claude 等模型從數學邏輯跨足到蛋白質設計與分析化學，其指標意義在於將高成本、高耗時的濕實驗流程轉化為可預測、可編排的數位決策。這不僅是工具的改良，更是將研發範式從「假設驅動」轉向「算力優化驅動」的關鍵躍遷。本文將深度剖析 Claude 在蛋白質設計與分析化學兩大場景中的實際數據表現及其對研發產能的質變影響。

自研蛋白質結合劑（Minibinders）：從數月到 48 小時的研發躍遷

蛋白質結合劑（Minibinders）在現代藥物開發中具備核心戰略地位，負責執行抑制、活化或靶向遞送等關鍵任務。傳統的 de novo（從頭開始）設計面臨極高的技術痛點，通常需要具備深厚計算背景的專家投入數週甚至數月的時間進行建模、優化與篩選。

根據最新實驗數據評估，Claude (Mythos Preview 與 Opus 4.8) 在針對 15 個靶點（包含 RBX1、TNFα 與新型靶點 15-PGDH、GDF-8 等）的大規模測試中，展現了顯著的自主編排能力與效率提升。

▲Mythos Preview 和 Opus 4.8 在 15 個目標中實現了 20% 以上的命中率，目標等級的命中率最高可達 90%，最低可達 0%。

性能指標	當前行業標準	Claude 性能表現 (Mythos Preview/Opus 4.8)
命中率 (Hit Rate)	10% – 15%	22.0% – 35.1%
研發週期	數週至數月	24 – 48 小時 (自主化編排)
專家干預需求	高度依賴計算專家手動調教	僅需初始提示詞 (約 30,000 tokens)

計算資源配置與實驗模式分析： 數據顯示，模型在不同任務模式下展現了清晰的計算資源分配邏輯。在「多靶點模式」下，Claude 於 48 小時內並行處理多個靶點（總耗費 12,500 NVIDIA H100 運算時數），獲得 26.7% 的命中率，這適用於需快速覆蓋多個候選靶點的廣泛篩選階段。而在「單一靶點模式」下，Mythos Preview 透過每靶點高達 2,500 NVIDIA H100 運算時數 的深度優化，將命中率推升至 35.1%。這種從 26.7% 到 35.1% 的提升，展現了透過提高對單一靶點的計算資源投入，能夠顯著提升蛋白質設計的結合成功率。

實驗驗證與技術突破：跨學科的模型表現分析

為確研發結果的客觀性，所有 Claude 產出的設計均由第三方機構 Adaptyv Bio 與 Twist Bioscience 進行獨立濕實驗驗證。這套「AI 設計、外部驗證」的閉環機制，將原本隱藏在模型內部的推理轉化為可量化的實驗實踐。

合作夥伴焦點：Twist Bioscience 的濕實驗驗證引擎
在 Anthropic 的蛋白質設計計畫中，Twist Bioscience 擔任獨立的濕實驗夥伴。當 Claude 完成數字端計算後，Twist 在不到 21 天內將 1,260 個設計進行 HEK293 細胞表達，並完成 aSEC 純度檢測與 SPR 親和力測量。這種極速的「設計-構建-測試-學習」閉環，為 AI 模型提供了高質量的實體驗證數據。

Twist服務詳情

▲Claude成功地整合了多種開源蛋白質設計模型，產生了高成功率和高親和力的結合物。 a) 桑基圖(Sankey diagram)展示了Claude的結構設計、序列設計和最佳化輪次的組合。 b, c) 對於所有至少有100個有序設計的結構設計方法，Claude設計的結合物命中率均超過20%，其中包括高親和力結合物。

關鍵案例剖析：

• RBX1 靶點： RBX1 是促進細胞內特定調節蛋白進行標靶破壞的核心蛋白質。Mythos Preview 在單靶點模式下達到 40% 的命中率，顯著優於該競賽全體參賽者的 3.7% 平均水平。其頂尖設計的結合親和力，更超越了該次競賽 245 個參賽設計中的冠軍作品。

▲Claude 設計出對 RBX1 具有最高水平親和力的結合物，並且經常超越 Adaptyv Bio 蛋白質設計比賽中記錄的命中率。

• TNFα 靶點挑戰與跨物種結合： TNFα 因其複雜的多聚體結構，一直是業界開發的難題。Opus 4.8 成功克服了結合位點的幾何限制，設計出具備「跨物種反應性」的結合劑，能同時與人類、食蟹猴及小鼠的 TNFα 結合。這對於進行動物實驗具有重要意義。

▲Opus 4.8 成功設計了針對 TNFα 的全新結合劑，其中一些具有交叉反應性，可與人類、食蟹猴和小鼠的 TNFα 結合。

• 結構創新能力： 傳統 AI 傾向於設計穩定的 alpha-螺旋 (alpha-helices)。Claude 則展現了設計含 beta-折疊 (beta-sheets) 結構的能力，成功產出 15 個含 20% 以上 beta-折疊結構的結合劑。這證明模型具備解構複雜二級結構並有效避開誤折疊（misfolding）風險的推理深度。

▲Claude 成功設計了 15 種結合劑（跨越 10 個不同的骨架），這些結合劑含有 β-折疊結構，可針對六個目標。

即使在面對 BBF-14（人造 Beta 桶狀蛋白）與 MBP（麥芽糖結合蛋白）等極高難度靶點時，Claude 仍展現了其價值。對於 BBF-14，模型產出了三個具備 sub-micromolar（次微莫耳）至 micromolar（微莫耳）親和力的獨立結合劑。雖然對 MBP 的設計尚未確認強效結合，但其提供的初步訊號已為後續優化指明方向。

▲Claude 在設計針對 BBF-14（一種從頭設計的 β 桶狀蛋白）和麥芽糖結合蛋白 (MBP) 的蛋白質結合劑方面取得了有限的成功。

分析化學自動化：數據詮釋的效率極致化

在藥物篩選與合成過程中，核磁共振 (NMR) 與液相層析質譜儀 (LC-MS) 的數據分析常是研發的最後一公里瓶頸。雖然儀器量測僅需幾分鐘，但化學家必須手動比對光譜峰值以確認分子的純度與結構，過程極其繁瑣且耗時，且委外實驗室報告往往需等待長達 4 天。

效率與精準度對比分析： Claude Opus 5 在處理未標註的原始二進位文件時，表現出極高的分析精確度：

• 效率躍遷： 完成 NMR 分析僅需 23 分鐘，LC-MS 分析僅需 19 分鐘。相比之下，傳統實驗室報告通常在樣品獲取後需 4 天才能送達。這種從 4 天縮短至 25 分鐘的並行處理能力，徹底消除了「設計-構建-測試-學習」（DBTL）循環中的數據等待期。
• 精準驗證： Claude 的純度檢測結果為 96.4%，與實驗室專家測得的 96.33% 幾乎無異；氫原子計數偏差低於 0.08 H。在 LC-MS 分析中，模型精準定位了位於 4.34 分鐘處、攜帶 96.4% UV 訊號、分子量為 504 daltons 的單一組分。

▲ 實驗室發送的數據，以及 Claude 23分鐘後回傳的數據。
（左圖）儀器輸出的原始核磁共振訊號；（右圖）處理後的譜圖，圖中標示了每個峰的位置並統計了氫原子數量。

▲（左圖）LC-MS 運行的原始資料文件，格式僅供製造商的軟體讀取。 （右圖）19 分鐘後，Claude 從中提取的色譜圖：在 4.34 分鐘處出現單一組分，其紫外線訊號佔比為 96.4%，分子量為 504 道爾頓。

科學判斷力與策略地位： Claude 展現了超越數據處理的「科學判斷力」。它自主提出「重水交換」(Heavy water swap) 實驗建議，並在後續分析中修正了初次讀取的誤差。此外，它能解讀供應商未說明的二進位格式並提取光譜，克服了專有軟體的封閉性限制。這種自動化將化學家從「手動處理者」解構成「戰略決策者」，將核心精力專注於合成路徑的戰略佈局。

商業洞察：技術突破轉化為藥物開發的競爭優勢

從商業戰略角度看，Claude 的表現不僅是技術秀，更是生醫企業獲取競爭優勢的槓桿：

• 加速專利佈局： 將原本需數月的計算與分析壓縮至小時級別，讓企業在競爭激烈的靶點爭奪戰中取得領先。
• 降低研發門檻： 透過 Claude Science 平台，具備基本生物背景的科學家即可驅動原本需計算生物學專家手動調教的複雜流程。
• 藥物效能優化： 多個高親和力結合劑（KD < 10 nM）的產出，預示著未來藥物能以更低劑量達到療效，從而大幅降低製造產造成本並減少臨床副作用。

風險控管與合規性 (Dual-use Considerations)： 作為負責任的戰略工具，Claude 在提升研發能力的同時，仍維持嚴格的生物安全底線。Fable 5 等模型保留了針對生物武器研發的防範機制。目前的戰略路徑強調在「受信任的訪問計畫」與「濕實驗驗證」的雙重框架下，確保 AI 產能被用於合規的生命科學進步。

最終結語

Claude 在蛋白質設計與化學分析中的表現，象徵著生醫研發從「勞動力密集」轉向「算力即產能」的臨界點。它不僅是一套算法工具，更是現代研發範式的加速器。對於具備戰略視野的生醫企業而言，這標誌著一個由 AI 編排驅動、實驗驗證閉環的新紀元已經開啟。

參考編譯自：

How Claude is accelerating protein design and analytical chemistry

相關資料：

Twist independently evaluated Claude’s AI-designed protein binders

【PDF】Twist independently evaluated Claude’s AI-designed protein binders

如有任何問題，歡迎洽詢 業務專員 或 加入 ABreal 倍思特生技 Line@: @abreal