Anthropic: Claude projetou 318 484 proteínas em 64 horas, e 17 passaram na verificação de laboratório

A Anthropic publicou uma pesquisa em biologia na qual o Claude gerou 318 484 variantes de proteínas em 64 horas. O objetivo delas é se ligar a uma neurotoxina do veneno de escorpião. A verificação em laboratório confirmou o funcionamento de 17 candidatos. Isso equivale a cerca de 0,005% do total de designs, e só por esse número é fácil subestimar o resultado. O mais relevante é outro: a história da IA no desenvolvimento de medicamentos saiu do campo computacional e chegou ao experimento.

O problema e a escala

A Anthropic busca na epidemiologia o argumento para o tema. Segundo a estimativa da empresa, cerca de 1,2 milhão de pessoas por ano sofrem picadas de escorpião. O veneno contém neurotoxinas e, se for possível encontrar uma proteína que se ligue a elas de forma confiável, surge uma base para um antídoto ou uma ferramenta de diagnóstico.

A velocidade de geração impressiona. 318 484 designs em 64 horas dão, em média, cerca de 4 976 variantes por hora, ou mais de 80 por minuto. Uma equipe humana, nesse mesmo tempo, avaliaria alguns poucos candidatos. Aqui, o modelo entregou quase um terço de milhão, e é depois disso que começa a seleção.

Como ler os números

A relação de 17 para 318 484 parece modesta, mas compará-la com a proporção de respostas "corretas" não faz sentido. O design de proteínas funciona como um funil: geração barata em enorme quantidade, depois filtragem, depois síntese cara e teste em laboratório. Normalmente, só uma pequena parte das variantes chega ao tubo de ensaio. No trecho disponível, não fica claro quantos candidatos foram de fato sintetizados e testados. Disso depende a taxa de acerto real: se foram testadas centenas, o resultado é mais forte do que sugere o denominador total.

Principais dados da publicação:

• Prazo de geração: 64 horas.
• Volume: 318 484 designs de proteínas.
• Confirmados experimentalmente: 17 candidatos.
• Molécula-alvo: neurotoxina do veneno de escorpião.
• Escala do problema, segundo a estimativa da Anthropic: cerca de 1,2 milhão de vítimas por ano.
• Proporção de confirmados em relação a todos os gerados: da ordem de 0,005%.

O que não consta no material de origem: qual toxina exata foi escolhida, qual método de validação foi usado, que afinidade os melhores candidatos apresentaram e como eles se comportam em sistemas vivos. Também não está claro se o Claude trabalhou sozinho ou em conjunto com modelos especializados de predição de estrutura. Essas são as perguntas-chave para avaliar o trabalho.

O que isso diz sobre a direção da empresa

Para a Anthropic, é um passo visível rumo à ciência aplicada. Até agora, o Claude aparecia com mais frequência em histórias sobre código e tarefas de escritório. Aqui, o modelo está inserido em um processo cujo resultado é checado pelo mundo físico: a proteína se liga ao alvo ou não se liga. Esse tipo de verificação deixa pouco espaço para interpretação de marketing, e por isso os 17 candidatos confirmados pesam mais do que qualquer benchmark baseado em texto.

Para o setor, é um sinal: modelos de linguagem e de uso geral começam a competir em um nicho onde antes atuavam sistemas especializados e restritos. Leva vantagem quem fechar mais rápido e a menor custo o ciclo "ideia — síntese — teste".

O que acompanhar daqui para frente

Enquanto a publicação completa não sai, as conclusões continuam preliminares. O que vale verificar quando os detalhes aparecerem:

• A taxa de acerto entre as variantes realmente sintetizadas, e não entre todas as geradas.
• A afinidade e a especificidade das melhores proteínas de ligação: com que firmeza e com que seletividade elas se prendem à toxina.
• A neutralização do veneno em células ou em modelos in vivo. A ligação em tubo de ensaio ainda não significa antídoto.
• O custo e a duração de um ciclo de verificação: é nele, e não na geração, que costuma estar o principal gargalo.

Equipes de biotecnologia devem criar métricas próprias de eficiência do funil e comparar qualquer abordagem de IA por elas. O número de designs por hora não serve para isso: o que se deve medir é a quantidade de candidatos confirmados por dólar gasto e por semana de laboratório.