אנטרופיק נתנה לקלוד לעצב חלבונים לבד

מהנדס חלבונים שמנסה לתכנן מולקולה חדשה שתיצמד לחלבון מטרה מסוים משקיע בזה בדרך כלל שבועות עד חודשים, לכל מטרה בנפרד. אנטרופיק (Anthropic) פרסמה ב-18 באוגוסט 2026 תוצאות ניסוי שבו נתנה לקלוד לנהל כמעט לבד קמפיין תכנון חלבונים. מתוך 16 מטרות שנבחרו, 15 הניבו מדידות מעבדה שניתן לפרש, וב-14 מהן נמצאו חלבונים שנצמדו למטרה בפועל. במסלול הרב-שלבי, קלוד עבד במשך 48 שעות על 14 מטרות במקביל. במסלול נוסף, Mythos Preview עבד על כל מטרה בנפרד במשך 24 שעות.

זה הפרסום שבו אנטרופיק מציגה לראשונה, במסגרת הדוח הזה, קמפיין תכנון חלבונים כמעט אוטונומי עם אימות במעבדה. הוא פורסם יחד עם ניסוי שני, קטן יותר וחשוב לא פחות, בתחום הכימיה האנליטית.

Many drugs work by binding to a specific target in the body and blocking or changing what it does. An important first step in the drug development process is designing a molecule that can bind tightly to its target. Traditionally, that's meant weeks or months of expert work per… pic.twitter.com/CGCNTNaKBq

— Anthropic (@AnthropicAI) August 18, 2026

מה המודל התבקש לייצר

המשימה הייתה לתכנן מיניבינדר (minibinder), חלבון קטן שאמור להיצמד בחוזקה לחלבון אחר. היצמדות כזאת, שנקראת קישור (binding), עומדת בבסיס חלק גדול מהתרופות המודרניות. תרופה יכולה להיקשר לחלבון מטרה כדי לחסום אותו, להפעיל אותו או להביא אליו מולקולה אחרת.

במקרה הזה אנטרופיק (Anthropic) בדקה תכנון מאפס (de novo) של קושר חדש, כלומר חלבון שלא נלקח מהטבע אלא תוכנן במיוחד למטרה מסוימת. עד היום, תהליך כזה דרש בדרך כלל שבועות של חישוב, אופטימיזציה וסינון לכל מטרה בנפרד.

איפה זה עבד טוב ואיפה זה נפל

מול RBX1, חלבון קטן שכבר שימש בעבר כמבחן השוואה פומבי לתכנון חלבונים, התוצאות היו חזקות במיוחד. המודל הגיע לשיעור הצלחה של 40%, לעומת 3.7% בכלל התכנונים שהוגשו לאותו מבחן, והתכנון המוביל שלו היה חזק יותר מהתכנון הזוכה מתוך 245 תכנונים שנבדקו.

מול TNFα, חלבון איתות של מערכת החיסון שחסימה שלו עומדת בבסיס תרופות כמו הומירה (Humira), התמונה הייתה שונה. דווקא Opus 4.8, שנחשב חלש יותר במדדים כלליים, הצליח לייצר קושרים שעבדו גם על גרסאות של החלבון בקוף ובעכבר. זה פרט חשוב, כי התאמה כזאת נדרשת בדרך כלל לפני ניסויים בבעלי חיים. Mythos Preview, המודל החזק יותר בניסוי הכולל, לא הצליח שם. אנטרופיק כותבת במפורש שאין לה הסבר לפער הזה.

והיו גם כישלונות ברורים. מול חלבון קושר מלטוז (maltose binding protein, MBP), חלבון חיידקי גדול עם משטח חלק יחסית, אף אחד מ-90 התכנונים לא אושר כקושר. גם מול BBF-14, חלבון שתוכנן בעצמו מאפס ולכן אין לו מקבילות טבעיות שאפשר ללמוד מהן, התוצאה הייתה חלשה. נמצאו רק שלושה קושרים, וגם הם בעוצמת קישור (affinity) נמוכה יחסית.

מה הניסוי עדיין לא מוכיח

הדוח הטכני שפורסם לצד ההכרזה כולל שלוש הסתייגויות משמעותיות. הן לא מבטלות את התוצאה, אבל הן קובעות את הגבול שלה.

הסייג הראשון הוא שאף אחד מהמבנים שתכנן המודל לא נקבע בניסוי. כלומר, החוקרים מדדו אם החלבונים נקשרים למטרה, אבל לא מדדו את הצורה המדויקת שבה הם נקשרים אליה. התמונות שמופיעות בדוח מציגות חיזוי מבני, לא צילום או מדידה ישירה של המבנה במעבדה.

הסייג השני הוא שלא הורץ במקביל קמפיין של מומחים אנושיים כקבוצת ביקורת (control group). אנטרופיק מדגישה שהיא לא טוענת שהתכנונים של Claude טובים יותר ממה שמומחה היה משיג עם אותם כלים ואותו תקציב. ההשוואה לשיעורי הצלחה של 10% עד 15% מבוססת על נתונים שפורסמו בתחום, לא על ניסוי מבוקר שבו אדם ומודל קיבלו את אותה משימה באותם תנאים.

הסייג השלישי הוא שכל שילוב של מודל, שיטה ומטרה הורץ פעם אחת בלבד. לכן קשה לדעת אם פער מסוים בין Mythos Preview ל-Opus 4.8 משקף יתרון אמיתי של אחד מהם, התאמה טובה יותר למטרה מסוימת או פשוט מקריות של הרצה אחת.

גם העלות חשובה להבנת הסיפור. קמפיין רב-מטרות עלה כ-50 אלף דולר בחישוב ענן (cloud compute), וקמפיין מטרה בודדת עלה כ-10,000 דולר. זה עשוי להיות זול ביחס לחודשי עבודה של צוות מומחים, אבל זו עדיין לא פעולה שמריצים דרך ממשק צ'אט רגיל. נוסף על כך, הפרסום כולו עדיין לא עבר ביקורת עמיתים חיצונית (peer review).

כשהמעבדה מחכה לפענוח

החלק השני של הפרסום עוסק במשימה הרבה יותר יומיומית בכימיה. בכל פעם שכימאי מייצר מולקולה, הוא צריך לוודא שזו אכן המולקולה שהתכוון לייצר, וגם לבדוק עד כמה הדגימה נקייה. בדרך כלל עושים את זה בעזרת שתי שיטות מרכזיות.

הראשונה היא תהודה מגנטית גרעינית (NMR), שמחזירה מעין טביעת אצבע של המולקולה בגרף. לפי הדפוס שמופיע בגרף, כימאי יכול לבדוק אם האטומים במולקולה מסודרים כפי שציפה. השנייה היא כרומטוגרפיה נוזלית עם ספקטרומטריית מסה (LC-MS), בדיקה שמפרידה את הדגימה לחלקים ובודקת את המסה שלהם, כדי להבין מה באמת נמצא בה ועד כמה היא נקייה. ההרצה במכשירים יכולה להימשך דקות, אבל הפענוח האנושי של התוצאות נמשך לא פעם חצי שעה עד שעה לכל דגימה.

בניסוי הזה השתמשו ב-Claude Opus 5 בתוך Claude Science, סביבת העבודה המדעית של אנטרופיק. המודל קיבל קבצי גלם (raw data) ממעבדה חיצונית והנחיה קצרה (prompt) של שתי שורות, בלי התוכנה הייעודית של יצרן המכשיר. הוא החזיר תוצאות מעובדות בתוך 23 דקות ל-NMR ו-19 דקות ל-LC-MS, כששתי המשימות רצו במקביל. ספירת המימנים שלו הייתה קרובה מאוד לזו של המעבדה, בפער של 0.08 בלבד, והערכת הטוהר שלו עמדה על 96.4%, לעומת 96.33% בדוח המעבדה. הדוח הרשמי הגיע רק ארבעה ימים אחרי המדידה הראשונה.

שני פרטים כאן מעניינים יותר מהמספרים עצמם. הראשון הוא שהמודל הציע מיוזמתו בדיקת המשך, ואותה בדיקה אכן בוצעה באופן עצמאי במעבדה שלושה ימים אחר כך. השני הוא שבבדיקה עצמית הוא תפס טעות של עצמו. בתחילה דיווח שארבע פסגות נעלמו מהמדידה, ולאחר בדיקה חוזרת גילה שרק שתיים מהן נעלמו בפועל.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס קלוד קוד (Claude code) וסביבת אנטרופיק

לפרטים נוספים לחצו כאן >>

מי יכול להשתמש בזה היום

התשובה הקצרה, לא כל אחד. תכנון חלבונים ומשימות מחקר ביולוגי רגישות אינן פתוחות כיום לשימוש כללי במודל החזק ביותר של אנטרופיק, בגלל סיכון דו-שימושי (dual-use). אותה יכולת שיכולה לקצר תהליכים בפיתוח תרופות יכולה, בתרחישים מסוימים, לסייע גם בעבודה ביולוגית מסוכנת. אנטרופיק מציינת שהיא מתכננת מסלול גישה למדענים מאומתים, אך בשלב זה לא פרסמה פרטים מלאים או מועד פתיחה.

הניסוי בכימיה האנליטית, לעומת זאת, נעשה באמצעות Claude Science, סביבת עבודה מדעית שאנטרופיק השיקה בבטא למשתמשי קלוד (Claude) בתוכניות Pro, Max, Team ו-Enterprise. היא זמינה במק ובלינוקס, ובחשבונות Team ו-Enterprise נדרשת הפעלה מצד מנהל החשבון. לכן מי שעובד עם קבצי NMR או LC-MS יכול עקרונית לנסות עבודה דומה כבר עכשיו, בתנאי שיש לו גישה ל-Claude Science, תוכנית מתאימה וקבצי מדידה שמותר להעלות או לעבד בסביבה כזו.

התוצאות האלה מראות שמודל כללי יכול לנהל חלקים משמעותיים מצינור עבודה מדעי שמורכב מכלים מקצועיים קיימים, ולפעמים להגיע לתוצאה שמתקרבת למה שמפעילים אנושיים עושים ידנית. אבל הן עדיין לא מצביעות על תרופה. קושר עם עוצמת הצמדה טובה הוא רק שלב מוקדם ברצף ארוך של אימות מבני, בדיקות יציבות, רעילות, ניסויים בבעלי חיים וניסויים קליניים. הפער בין 354 חלבונים שנצמדים בצלחת לבין מולקולה שנכנסת לגוף אדם עדיין נמדד בשנים.