8
分享 
全文概要
Anthropic 公司于 10 月 27 日发布其生命科学业务的最新进展报告，披露了与六家药物研发机构（BigHat Biosciences、百时美施贵宝、Divergence Labs、Enveda、Generate Biomedicines、The Column Group）合作研究以及其首批内部药物项目的早期结果。报告展示了 Claude 系列模型在抗体设计、细胞疗法改造、实验室优化与监管文档撰写等环节的实际能力与边界，勾勒出 AI 深度嵌入药物研发全流程的图景。
1. 从靶点到制造：AI 贯穿研发全流程
Anthropic 的策略并非聚焦单一环节，而是将 Claude 嵌入药物研发的整个过程——从靶点识别、分子设计，到生产制造文档与临床试验规划。公司认为，研发瓶颈分散在流程各处，而非集中于某一步。报告同时强调，当前结果大多处于早期、临床前阶段，所涉药物多数尚未进入人体试验。
其中，Generate Biomedicines 的团队利用 Claude Code 构建了一个多智能体系统，用于重新设计 CAR-T 细胞疗法的信号结构域，目标是把这种疗法从血液瘤拓展到实体瘤。团队筛选出 186 个设计进入首轮实验，其中一个设计长度较标准版本缩短约 70%，却在实验中使细胞表面受体数量提高约 10 倍，杀伤肿瘤细胞更高效、免疫细胞活性维持更久。
2. 抗体设计：从"数月"到"数周"的加速
Divergence Labs 是一家 2025 年创立的生物技术公司，正在设计一种双抗体的食物过敏药物。Anthropic 报告称，Claude 在约 22 个自主工作周期、总计约 2750 小时 GPU 计算中，生成了约 3.5 万个抗体设计。其中，91 个受试的"去结合臂"设计中，20 个可测得地置换已结合的 IgE，3 个在患者可接受浓度下表现优于已获批药物奥马珠单抗；57 个受试的"锚定臂"设计中，3 个成功结合 IgE。
更重要的是速度：去结合臂从构思到实验结果的周期约为三周，锚定臂约四周半，而此前可比工作需长达九个月。团队也坦承其局限——Claude 在"深入探究一个结果还是继续前进"的取舍上，不如人类操作者务实，且结果距离新药仍有相当距离。
3. 实验室优化与监管文书：被低估的落地价值
在与 BigHat Biosciences 的合作中，Claude 接入其自动化实验室数据系统，对两个抗体片段进行优化，历经七轮、约 1010 个变体，最终分子结合亲和力提升 6–9 倍、热稳定性提高 8–18°C。中途，研究者与 Claude 重新分析原始仪器数据，判定标准熔解与聚集评分存在误导，并提出修订指标与实验方案，Claude 的预测被证明正确。
Enveda 则围绕 Claude 构建了 CMC 文件处理器，用于审核生产批记录。在涵盖 1061 页的 II 期生产记录评估中，系统找出了人类审阅者发现的全部 11 个问题，并额外发现 7 个，将审阅时间从 25.9 小时压缩至 2.8 小时（降幅 89%）；还用 4 小时草拟了 IND 申请的模块二（人工约需三个月）。这些案例表明，AI 在药物研发中的价值远超"生成分子"，同样体现在监管合规与流程提效等"脏活累活"上。
来源：Anthropic 公司生命科学进展报告及合作方公开披露。
声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。
- 1. 从靶点到制造：AI 贯穿研发全流程
- 2. 抗体设计：从"数月"到"数周"的加速
- 3. 实验室优化与监管文书：被低估的落地价值
