Citrini用Claude「設計新葯」：64小時出設計，39天等結果，投資邏輯隨之改變

人工智能能否真正壓縮藥物研發周期，一支華爾街投資研究團隊最近進行了一次直接測試。

獨立研究機構Citrini Research利用Anthropic尚未公開的Claude Science研究模型設計針對蠍毒的合成蛋白，最終生成211個候選方案，其中17種蛋白在實驗室測試中成功與目標毒素結合。

這項實驗沒有實現團隊最初設定的目標——開發一種能夠同時中和五種主要蠍毒神經毒素的通用蛋白，但它讓Citrini形成了一套新的投資判斷：隨着AI顯著加快藥物設計和研究工作的知識環節，生物醫藥研發的瓶頸可能越來越集中到實驗驗證、動物測試和數據生產環節。

64小時完成設計，39天等來實驗結果

Citrini Research由詹姆斯·範吉倫（James Van Geelen）創辦。團隊希望驗證一個問題：缺乏實驗室經驗的研究人員，能否依靠當前最先進的AI模型設計出真正具有生物學作用的蛋白。

由於自動安全機制最初阻止了相關操作，Citrini隨后聯繫Anthropic，並獲得許可，在Anthropic辦公室使用內部、尚未發佈的Claude Science研究模型開展實驗。

團隊與Claude討論潛在研究方向后，最終選擇蠍毒作為目標。目前常見的蠍毒抗毒血清通常通過向馬匹注射毒液、提取血漿抗體生產，成本較高，產品存在差異，而且往往只能針對特定蠍種。Citrini援引的數據稱，全球每年有超過3200人死於蠍子蜇傷。

研究人員提出了一個更激進的目標：設計一種人工蛋白「minibinder」，同時中和來自不同蠍種的五種主要神經毒素。

Claude最終生成211個候選蛋白設計，這些方案隨后被送往現實中的研究實驗室進行合成和測試。整個項目包括AI計算、模型調用以及濕實驗室合成在內，總預算約20萬美元。

其中最明顯的速度變化發生在計算設計階段。團隊藉助Claude準備了一份長達35頁的提示詞，正式設計過程只用了64小時，與Claude之間僅進行了五次消息交互。

實驗結果顯示，通用抗毒蛋白的目標並未實現，但211個候選方案中有17種蛋白成功與四種單獨的目標毒素結合。這意味着AI生成的設計至少有一部分能夠通過現實實驗驗證，而整個過程由一支並非傳統藥物研發團隊的投資研究機構完成。

AI把知識工作壓縮到幾天，實驗驗證仍以周計算

Citrini認為，這次實驗暴露出的關鍵差異在於，人工智能已經能夠大幅壓縮藥物發現中的分析和設計工作，但現實世界的生物實驗速度並沒有同步提高。

計算設計只用了64小時，團隊等待第一批實驗測試結果卻花了39天。

即使AI可以大量生成候選分子、幫助設計實驗，它仍無法直接完成細胞實驗、動物實驗，也無法改變人體觀察需要經歷的生物學時間。藥物進入更復雜的驗證階段后，實驗設施、動物資源、樣本處理以及高質量數據重新成為限制研發速度的重要環節。

範吉倫本周二向MarketWatch表示，對AI生物學而言，主要瓶頸是實驗數據，以及生命本身運行的速度。「我們無法讓一個細胞生長得更快，但可以同時做更多實驗，從而產生更多數據。」

這也成為Citrini新的投資邏輯。範吉倫稱，團隊希望投資那些能夠讓實驗開展得更快、同時生產更高質量數據的企業。

新投資邏輯轉向「實驗基礎設施」

在這套邏輯下，Citrini最看好的公司是生命科學研究服務商查爾斯河實驗室。該公司能夠為藥物研發機構提供細胞、小鼠以及猴子實驗等服務。

Citrini認為，其中靈長類動物實驗尤其關鍵，並將猴子測試稱為當前生物技術行業「最大的瓶頸」。AI如果持續提高候選藥物和蛋白設計的產出速度，需要進入實驗驗證環節的項目數量也可能隨之增加，對能夠承擔這些實驗的基礎設施形成新的需求。

Citrini同時提出了另外兩家相關公司Revvity和Tecan。兩家公司均向生命科學研究提供實驗工具或技術支持，服務於AI設計藥物進入現實驗證階段后的研究工作。

Anthropic隨后公佈了這項實驗的詳細過程，並公開了200多個候選蛋白的完整結果和數據。

Citrini此前曾通過AI、GLP-1等主題研究形成投資觀點。這一次，研究團隊直接把AI模型投入藥物設計流程，希望通過實際實驗尋找產業鏈中新的約束環節。