Claude reduziu de 3 dias para 90 minutos o isolamento das partículas de proteína vault

Há quarenta anos os cientistas estudam as partículas vault, grandes cápsulas de proteína ocas encontradas dentro das células, e ainda não descobriram para que servem. A Anthropic contou como o Claude ajudou a tirar a pesquisa do impasse: o agente analisou uma base de 15 bilhões de sequências de proteínas, ajudou a preparar os experimentos e, no fim, o isolamento das partículas em laboratório caiu de 3 dias para 90 minutos. Imagine o build de um projeto que antes levava três dias e agora leva uma hora e meia: é um ganho dessa ordem que os biólogos obtiveram, numa área em que cada tentativa custa tempo e reagentes caros.

Para quem desenvolve agentes de IA, é um exemplo raro em que números expressivos aparecem ao lado de uma lista honesta de erros.

Que partículas são essas e por que há controvérsia

As partículas vault foram descobertas em 1986. Elas lembram cápsulas ocas e, supõe-se, participam do transporte intracelular e da proteção das células. A função exata continua desconhecida.

No novo trabalho, os pesquisadores, com a ajuda do Claude, reconstruíram pela primeira vez a estrutura tridimensional de uma partícula semelhante à vault, encontrada em procariotos, organismos sem núcleo celular. Isso não revelou o papel da partícula: os autores escrevem explicitamente que a função biológica continua sendo um mistério. Mas conhecer a forma e a composição é o primeiro passo; sem ele, só se pode especular sobre a finalidade.

O que exatamente o Claude fez

As tarefas eram variadas. O Claude vasculhou 15 bilhões de sequências de proteínas, ajudou a projetar construções de DNA, a otimizar procedimentos de laboratório e a processar dados de microscopia crioeletrônica, as imagens a partir das quais se monta o modelo 3D de uma proteína. Ele atuou em um sistema multiagente, executou o software especializado RELION e processou dados em um cluster de computação.

Resultados em números:

• o isolamento das partículas foi acelerado de 3 dias para 90 minutos;
• o primeiro modelo 3D saiu em 34 horas, em vez de várias semanas;
• a estrutura encontrada é formada por 96 cópias da proteína e tem massa de cerca de 9,5 megadaltons (da ordem de 9,5 milhões de massas de um átomo de hidrogênio);
• todo o ciclo de pesquisa levou menos de 4 meses.

O ponto importante é que o agente não ficou só respondendo em um chat. Ele foi integrado ao fluxo de trabalho: buscou em uma base enorme, propôs protocolos, executou software profissional e analisou os resultados. É esse tipo de cenário que hoje se tenta reproduzir em agentes comerciais, só que aqui o ambiente é mais caro e menos tolerante a erros.

Onde o agente errou e o que isso significa

A parte mais útil do relatório é a seção sobre falhas. Uma recomendação ruim do Claude atrasou os experimentos em duas semanas. Uma etapa de processamento pulada levou a um mapa 3D incorreto. Em um laboratório, esses erros não podem ser revertidos como um commit em um repositório: eles consomem semanas e materiais.

A conclusão prática é simples. Se o agente acelera o trabalho de rotina em várias vezes, mas às vezes pula um passo sem avisar, o valor do sistema depende também da rapidez com que uma pessoa percebe a falha. Um modelo final bonito não prova que todas as etapas foram cumpridas, por isso é preciso pontos de verificação depois das etapas caras e irreversíveis, e não só no final. Também ajuda manter um registro (log) das ações do agente: é ele que mostra qual etapa foi pulada.

A segunda conclusão diz respeito à economia. O principal ganho aqui está na compressão de longas cadeias de passos rotineiros, e não em respostas inteligentes isoladas. Dê ao agente ferramentas reais e recursos computacionais, mas mantenha a pessoa no papel de revisora: a Anthropic ressalta que os agentes de IA executam uma parte significativa do trabalho científico complexo sob supervisão dos pesquisadores.

Há também ressalvas. Este é um relatório da própria Anthropic sobre o seu modelo, sem avaliação independente. Comparações como "em vez de várias semanas" se referem a um projeto específico, e seria precipitado aplicá-las a qualquer laboratório. Por outro lado, o exemplo mostra um quadro realista: o agente pode acelerar a ciência muitas vezes, mas não substitui o cientista; ele o transforma em editor e revisor.