首页 / 资讯详情
Anthropic、Moderna先后引爆舆论场，AI制药到底该奖励什么？
摘要
算法只是一小部分，但市场仍愿意为算法加价。 作者丨周蕾 编辑丨岑峰 上周，两条AI制药新闻在24小时之内，先后引燃了舆论场：先是Anthropic发布早期药物研发成果：依托Claude大模型，他们几乎在无人工干预的情况下，自主设计出14个临床靶点的蛋白结合剂，全部实验数据公开，所合作的外部平台Twist Bioscience股价单日飙升22%。次日，全球mRNA巨头Moderna与默沙东联合宣布，其个性化mRNA癌症疫苗intesmeran autogene在针对高危黑色素瘤的全球III期临床试验中达到主要终点，Moderna因此单日内股价翻倍。也有媒体直接将这一新闻定义为“人类历史上第一次用AI治愈癌症”，引来大量关注。其实，无论是Anthropic的药物研发，还是Moderna的mRNA癌症疫苗，距离“AI自主科研”“治愈癌症”这些宏大的目标，还有相当长的路要走。AI在这两个案例中的真实角色，或许也没有人们想象中的那么“神”。在市场炒作的情绪逐步升高之时，有一个问题更值得我们冷静追问：“AI制药”这个概念里，什么在升值，什么在贬值？算法，还是整件事里最值钱的部分吗？01两件事里，AI都没外界说的那么神先说Anthropic，此次工作是用基模型针对靶点设计结合蛋白，然后交给机构完成湿实验验证结合能力。实验数据也确实亮眼，依托Claude Science工作台，几乎无需人工干预，自主设计出14个临床靶点的蛋白结合剂。15个靶点成功14个，整体命中率22.6%至35.1%，远超行业典型水平；其中RBX1靶点命中率40%，碾压同期竞赛人类参与者的3.7%。全部1320个设计由Twist Bioscience与Adaptyv Bio两家外部实验室独立验证。但有一个不可忽略的背景是，这并非一次“从0到1”的范式革命。Anthropic这类工作的核心方法论，即从靶点结构出发，用生成式模型设计结合蛋白，这一点在学术界早有先例。2022年，华盛顿大学David Baker团队在Nature上发表了仅凭靶点结构设计结合蛋白的工作；2023年，RFdiffusion和ProteinMPNN相继发表，构成了今天大多数AI蛋白设计工具链的基础。而在给定条件（文本或结构）下，用生成式模型从头设计出满足特定功能的蛋白质序列（de novo protein design），这一思路也已有其他团队先行验证过。香港中文大学助理教授刘圣超向雷峰网AI科技评论提到，2022年他所在的项目ProteinDT和ChatDrug，已经证明了这一思路可行。“最早探索用基模型针对靶点设计结合蛋白这个方向的，就是我的团队，可惜当时差了湿实验的验证。算法不难想，但我们一直坚信这条路能走通。”换句话说，比起算法或范式上的创新，Anthropic的突破，其实是在于他们动用了庞大的工程资源、强大的基模型，以及号召两家外部独立实验室（Twist和Adaptyv）为他们完成了成规模的湿实验验证。 这是传统学术团队难以企及的资源调动力。与此同时，Anthropic也开源了此次工作的prompt、设计模型和实验数据，这在某种程度上降低了行业的试错成本，但也意味着“AI设计蛋白结合剂”这件事的方法论壁垒，正在以月为单位降低。刘圣超把这类工作称为“算法1.0”：利用基模型调用现有开源工具链，完成从靶点