Anthropic logra que Claude diseñe proteínas con 27% de éxito, el doble que los métodos actuales

Anthropic publicó dos experimentos donde sus modelos Claude ejecutaron tareas completas de descubrimiento temprano de fármacos, diseñando minibinders —proteínas pequeñas que bloquean o modifican la función de una proteína objetivo— sin intervención humana especializada más allá de la supervisión inicial.

En el primer experimento, los modelos Mythos Preview y Opus 4.8 diseñaron candidatos contra 16 proteínas objetivo. De 1.320 diseños sintetizados y validados en laboratorios independientes (Adaptyv Bio y Twist Bioscience), 354 se unieron correctamente a su objetivo: una tasa de éxito del 26,8%. Entre los candidatos que el propio Claude clasificó como primera opción, el 49% funcionó. Anthropic compara estos números con el rango actual de 10-15% documentado en campañas públicas de la base proteinbase.com, según reporta The Decoder.

El agente corrió una docena de herramientas open source

Claude no usa un modelo de proteínas propio. En cambio, instaló y orquestó software especializado de código abierto que el campo ya emplea: RFdiffusion3, PXDesign, Genie 3, ProteinMPNN y ESMFold2, entre otros. El prompt del sistema ocupaba unas 16.000 palabras; dos tercios dedicados a programación, delegación de tareas y control presupuestario. El presupuesto de cómputo fue de USD 50.000 por campaña multitarget y USD 10.000 por objetivo individual, ejecutado en la nube de Modal.

Los humanos eligieron las proteínas objetivo, escribieron el prompt inicial, ordenaron la síntesis biológica y analizaron los datos finales. Entre medio, según el reporte técnico, solo hicieron falta instrucciones cortas y no técnicas para retomar después de caídas de infraestructura.

Un caso revelador: ganó al campeón de un concurso abierto

Uno de los objetivos fue RBX1, parte de un complejo enzimático que regula la degradación de otras proteínas dentro de la célula. En un concurso abierto de diseño, solo 9 de 245 candidatos nuevos se unieron a RBX1. Con Claude, fueron 28 de 90. Anthropic reconstruyó el diseño ganador del concurso y lo midió en la misma placa de ensayo: se unió a 45 nanomolar (nM); el mejor diseño de Claude lo hizo a 3,9 nM, unas diez veces más fuerte.

Otro objetivo difícil fue TNFα, un mensajero del sistema inmune relacionado con la inflamación y blanco de cinco fármacos biotecnológicos aprobados, incluido Humira. Enfoques anteriores reportaron cero aciertos. Claude produjo 12 binders funcionales de 150 diseños, todos con Opus 4.8. Pero esos doce rastrean a solo cuatro estructuras base distintas, por lo que no son tan independientes como sugiere el número bruto.

Dos proteínas marcaron límites claros. Contra BBF-14 —una proteína de barril inventada por computadora, sin historia evolutiva— solo tres diseños débiles funcionaron. Contra MBP, una proteína bacteriana con superficie lisa y sin puntos de agarre, ninguno de 90 se unió. Los puntajes de confianza de las predicciones de plegado no anticiparon estas fallas.

Validación independiente y relevancia preclínica

Los laboratorios contratados sintetizaron cada diseño sin cambios y midieron si se unía al objetivo y con qué fuerza (valor KD). Los resultados variaron: para el receptor inmune TREM2, 72 de 90 diseños funcionaron; para el factor de crecimiento VEGF-A, 54 de 90.

Aunque la unión a versiones animales de las proteínas objetivo era secundaria en el prompt, 130 de 233 binders probados también se unieron a la versión de ratón de su objetivo, lo cual importa porque los fármacos se prueban en animales antes que en humanos.

En el segundo experimento, Opus 5 interpretó datos brutos de resonancia magnética nuclear en menos de 25 minutos, una tarea analítica que normalmente requiere químicos especializados.

Por qué importa

Que un modelo de lenguaje general orqueste todo el stack de diseño molecular —desde la generación de estructuras hasta el filtrado predictivo, pasando por la asignación presupuestaria— cambia quién puede hacer este tipo de investigación. Hasta ahora, diseñar proteínas de novo exigía equipos especializados, días de coordinación y decisiones expertas en cada etapa. Anthropic demostró que un agente puede encargarse de eso, con tasas de acierto que duplican el promedio del campo y sin construir modelos de proteínas propios.

Para empresas que están integrando IA en sus procesos, este experimento ilustra dos cosas. Primera: los agentes ya pueden operar infraestructura técnica compleja de forma autónoma si se les provee el contexto adecuado (16.000 palabras de protocolo en este caso). Segunda: el valor no está necesariamente en entrenar modelos propietarios, sino en orquestar herramientas especializadas que ya existen. En sectores como salud, materiales o química, esa capacidad de coordinación puede reducir ciclos de meses a días y abrir líneas de investigación que antes requerían equipos completos.