Auf den Punkt: Claude-Modelle erzielten in Tests höhere Trefferquoten beim De-novo-Design von Proteinbindern als übliche Kampagnen und werteten NMR/LC-MS-Analytikdaten in unter 25 Minuten mit laborvergleichbarer Genauigkeit aus.
Anthropic zeigt in zwei Experimenten, dass Claude-Modelle sowohl De-novo-Proteinbinder entwerfen als auch NMR- und LC-MS-Daten eigenständig auswerten können. Für die Praxis bedeutet das eine potenzielle Verkürzung früher Phasen der Wirkstoffentwicklung, die bislang Wochen bis Monate an Spezialistenarbeit erforderten.
Im ersten Experiment ließ Anthropic die Modelle Claude Mythos Preview und Claude Opus 4.8 Proteinbinder gegen 15 unterschiedliche Zielproteine entwerfen. Bei 14 der 15 Targets gelang mindestens ein erfolgreicher Treffer. Je nach Versuchsaufbau banden zwischen 22 und 35 Prozent der einzelnen Designs erfolgreich an ihr Ziel – üblich sind in aktuellen Proteindesign-Kampagnen Trefferquoten von 10 bis 15 Prozent. Einige der stärksten Designs von Claude erreichten eine mehrfach höhere Bindungsaffinität als die bisher besten veröffentlichten Ergebnisse für die jeweiligen Targets. De-novo-Design von Minibindern – kleinen Proteinen, die gezielt an ein Zielprotein andocken – gilt als zentraler früher Schritt in der Wirkstoffentwicklung und hat Proteiningenieure historisch Monate an Rechenzeit, Optimierung und Screening pro Target gekostet.
Im zweiten Experiment wurde das allgemein verfügbare Modell Claude Opus 5 mit NMR- und LC-MS-Rohdaten eines Vertragslabors sowie einem zweisätzigen Prompt versorgt – ohne weitere Vorverarbeitung. Claude lieferte innerhalb von 23 beziehungsweise 19 Minuten fertige Analyseergebnisse, die mit der Laboranalyse übereinstimmten: Bei der Reinheitsbestimmung kam Claude auf 96,4 Prozent gegenüber 96,33 Prozent im Laborbericht, die Wasserstoffzahlen stimmten überein.
Für Praktiker in Life-Science-Organisationen bedeutet das eine mögliche Verlagerung von rechenintensiven, spezialisierten Aufgaben hin zu allgemein zugänglichen Modellen. Anthropic ordnet beide Beispiele als Teil eines breiteren Trends ein, wonach KI-Modelle zunehmend auch in experimentellen Feldern mit aufwendigerer Verifikation – im Gegensatz etwa zur Mathematik, wo Verifikation schnell und günstig ist – Fortschritte erzielen. Als Referenzpunkte nennt Anthropic ungelöste Erdős-Probleme, die derzeit mit mehreren pro Monat fallen, sowie eine kürzlich verbesserte untere Schranke zur Riemannschen Zetafunktion.
Wichtig für die Einordnung: Die Proteindesign-Ergebnisse wurden mit einer Kombination aus Mythos- und Opus-Modellen erzielt, wobei Life-Science-Forschungsaufgaben im leistungsfähigsten Modell derzeit noch gesperrt sind. Anthropic kündigt an, ein Zugriffsprogramm für Wissenschaftler priorisiert vorzubereiten und dazu zeitnah weitere Details zu veröffentlichen. Bis dahin bleibt Opus 5 das leistungsfähigste allgemein verfügbare Modell. Anthropic betont zudem, dass die Beschleunigung der frühen Entwicklungsphasen nur einen Teilaspekt der Wirkstoffentwicklung abdeckt – viele Engpässe im Gesamtprozess seien eher regulatorischer und operativer Natur als durch reine Modellfähigkeiten lösbar.
Quelle: www.anthropic.com · Erschienen 18. August 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.8.3.