大模型参与新药研发，常被想象为生成候选分子。Anthropic 近期披露的进展显示，Claude 正在被放进更完整的药物开发流程：靶点研究、分子设计、制造优化、监管文件和临床试验相关任务，都被纳入测试范围。过去几个月，Anthropic 与六家药物研发机构合作，并启动自有药物发现项目，试图在真实科研流程中确认大模型能承担哪些工作，又在哪里仍需科学家判断。
从单点工具到流程协作
新药开发的瓶颈并不集中在某一个环节。一个项目可能先要找到药物靶点和合适的药物类型，再设计具备特定属性的分子，随后优化规模化生产和稳定性，并准备临床试验材料。Anthropic 的策略是让 AI 参与这些分散任务，通过真实项目寻找可被提速的节点。其合作伙伴包括 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines 和 The Column Group。Anthropic 还在推进自有项目，包括针对罕见儿童型肌营养不良的研究，Claude 承担较多科学与运营工作。
Anthropic 将这类工作归纳为三个目标：理解模型在更广任务中的优势与限制；为生命科学行业提供可参考案例；若项目保持进展，可能带来针对食物过敏、罕见儿童病和多种癌症的新药。该公司称将根据已发现的问题改进模型，并扩大投入。
三个案例：设计、筛选与优化
- Generate Biomedicines 希望改造 CAR T 细胞疗法，使其用于治疗实体瘤。六名科学家使用 Claude Code 提出基因指令的新设计。其中一个设计比标准版本短约 70%，实验室测试显示，免疫细胞可产生约 10 倍受体，杀伤肿瘤细胞更高效，活跃时间也更长。
- Divergence Labs 针对食物过敏开发双“臂”药物，目标是不仅中和血液中的 IgE，还把附着在免疫细胞上的 IgE 剥离。Claude 将目标转化为设计计划，并在约一个月内较大程度自主生成约 35,000 个抗体设计。早期测试找到 3 个可结合 IgE 的设计、20 个可剥离 IgE 的设计，其中 3 个似乎比标准药物更能剥离 IgE。下一步是把两种功能组合成完整药物。
- BigHat Biosciences 聚焦先导化合物优化。Claude 连接其实验室数据系统 Reccy，针对两个抗体片段提出修改建议，一个面向癌细胞，一个用于延长药物在体内停留时间。实验室在约 10 周内制造并测试约 1,010 个变体。团队后来怀疑常规热稳定性和聚集指标可能误导判断，Claude 与研究员重新分析原始数据并提出新指标及测试协议。主要预测得到验证，最佳版本的结合能力较原始版本提升超过 10 倍。
能力边界：仍需实验验证和人工判断
这些案例中的 Claude 更像一个进入科研工作流的协作者：它可以拆解研发目标、生成候选方案、连接实验数据系统，并在指标异常时参与复盘。但它并没有绕过实验验证。Divergence Labs 的大量设计仍需筛选，BigHat 的指标问题也需要科研人员重新检查原始数据并调整流程。大模型当前能扩大候选空间、加快分析速度，却不能替代科学家对实验结果负责。
对行业的意义：从想象走向可核查案例
Anthropic 提及相关进展配有技术报告和预印本，这意味着其希望把 AI 参与药物研发从概念展示变成可被同行检查的案例。对生物技术公司而言，关键问题不是模型能否生成分子，而是它能否嵌入靶点研究、实验优化、监管准备和临床执行等真实环节，持续减少重复劳动和沟通成本。
目前，这些项目仍处于早期阶段。它们给出的不是“AI 自动造药”的结论，而是一组可继续追踪的样本：当大模型接入科学工作流后，哪些任务可以先行自动化，哪些判断必须保留给实验数据和人类专家。随着更多合作项目推进，Claude 在药物研发中的价值边界还会被继续改写。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/cong-fen-zi-sheng-cheng-dao-shi-yan-fu-pan-claude-jin-ru
