實驗結果：15 個靶點命中 14 個

Anthropic 於 8 月 18 日公佈一項矚目的蛋白質設計實驗結果：旗下 AI 模型 Claude 成功為 15 個疾病靶點中的 14 個設計出蛋白結合劑（protein binders），而且全部由外部合作機構在真實濕實驗室中獨立生產與驗證。這不是紙上模擬，而是經過實際分子實驗確認的成果。

許多藥物的原理，是找到一個能夠緊密結合特定靶點的分子，從而阻斷或改變其功能。設計這樣的結合分子，傳統上意味著每個靶點需要專家數週甚至數月的反覆篩選。Anthropic 今次證明，AI 可以將這個過程大幅壓縮。

關鍵數據：命中率遠超業界水平

實驗動用了 Claude Opus 4.8 與 Mythos Preview 兩個模型，每個靶點要求設計 30 個結合劑，最終產出 1,320 個設計，其中 354 個在實驗中獲確認、覆蓋 14 個靶點。最矚目的是命中率：

• Opus 4.8：全部靶點同時處理時命中率 22.6%
• Mythos Preview：同模式下 26.7%；單靶點專注模式下飆升至 35.1%
• 業界對照：目前蛋白質設計項目典型命中率僅 10-15%

在與外部競賽參與者的對照中，Mythos Preview 單靶點模式錄得 40% 命中率，而人類參賽者平均僅 3.7%；其排名第一的設計結合強度更勝該競賽冠軍作品。

Claude 亦成功為 TNFα —— 一種與發炎反應相關的訊號蛋白 —— 設計出多個結合劑，部分更能同時結合人類、獼猴與小鼠的 TNFα，展現跨物種的設計能力。

AI 全流程自主：從選位到篩選

整個實驗在初始指令下達後，幾乎無需人工介入。Claude 自主完成：選擇潛在結合位點、生成蛋白質結構與序列、執行優化循環，並調用專門的蛋白質設計與共折疊模型進行候選篩選。Anthropic 形容，這展示了 Claude 如何降低生命科學研究的時間與專業門檻。

實驗並非全無挫折：Claude 在麥芽糖結合蛋白（MBP）靶點上全軍覆沒，90 個設計無一確認結合，僅一個出現微弱但可重現的結合訊號。這提醒業界，AI 蛋白質設計仍有明顯的能力邊界。

獨立驗證：Adaptyv Bio 與 Twist Bioscience

為確保公信力，Anthropic 找來 Adaptyv Bio 與 Twist Bioscience 兩家機構獨立合成並測試 Claude 的設計，避免「自己出題自己改」的質疑。Twist Bioscience 獲選為獨立評估者，亦標誌著 AI 生成蛋白質設計開始獲得主流生物技術產業認可。

對製藥產業的意義

藥物開發的第一步 —— 找到能緊密結合靶點的先導分子 —— 往往決定整個項目的成敗與成本。若 AI 能將此步驟從「專家數月」壓縮到「模型數小時」，下游的先導優化、臨床前測試乃至整個研發管線的節奏都將被改寫。

值得留意的是，「製藥神童」Martin Shkreli 公開批評此成果「不算令人印象深刻」，反映業界對 AI 製藥的期待與質疑並存。但對照 DeepMind AlphaFold 系列的路径 —— 從結構預測到實際設計能力 —— AI 正在穩步蠶食藥物研發的每一個環節。

結論

Anthropic 今次實驗的最大意義，不在於 14/15 的成績表，而在於證明了「AI 模型 + 獨立濕實驗室驗證」呢個協作模式的可行性。當結合劑設計變得又快又準，藥物研發的瓶頸將轉移到下游的臨床試驗與監管審批。對投資者而言，蛋白質設計 AI、合成生物學平台與自動化濕實驗室三個環節，都值得持續關注。

（資料來源：Anthropic 官方公佈、CNBC-TV18、Investing.com 報道，2026 年 8 月 18-19 日）