AI生物学迎来最强大招。Claude自己写代码、自己改模型、自己做研究,AI自主实验室又近一步!

今早,Anthropic发布Claude Mythos 5.2与Claude Fable 5.2。一同放出的264页System Card里,藏着一大批生物学成果:

Mythos 5.2自行编写流程,预测完整AAV(腺相关病毒)衣壳的三维结构,34种病毒衣壳,准确建模了28种;

根据实验数据设计RNA序列,预测成绩超过全部57名人类参与者;

自主改进AAV包装预测模型,约71%的独立运行曾达到预设门槛。

不出意外,Anthropic又拉来对手OpenAI的旗舰模型GPT-6 Astra,以做参照。在四项生物学测试中,Mythos 5.2全面领先Astra。

打开网易新闻 查看精彩图片

Mythos在生物学上有哪些改进,一起来看看。

打开网易新闻 查看精彩图片

自行写代码 预测完整病毒衣壳

衣壳是病毒的蛋白质外壳,基因治疗靠它包裹和递送遗传物质。

现有的蛋白质折叠模型擅长预测单个蛋白质,而一个完整衣壳由数十条蛋白质链组成。要预测它的结构,需要处理各条链的形状、位置,以及排列。

Mythos 5.2为此编写了一套新的计算流程,分别调用OpenFold3-preview2和ESMFold2,让模型处理相互重叠的链组,再利用衣壳已知的对称性,把结果整合形成完整结构预测。

打开网易新闻 查看精彩图片

Anthropic将预测结构与实验结构进行比较。只要两种工具中至少一种生成的结构,其Cα原子位置的均方根偏差在3埃以内,就计为准确。最后34种衣壳中,28种达标。

打开网易新闻 查看精彩图片

50次反馈自行改进模型

当衣壳序列改动时,包装表现也可能随之变化。如果能提前预测,实验资源就能花在更值得验证的序列上。

Anthropic与Dyno Therapeutics因此设置了两道关卡。

第一关检测Claude预测1000条未公开AAV变体的包装能力。

打开网易新闻 查看精彩图片

测试共设置五种条件:纯推理、提供ESM-2,以及提供公开AAV序列、Swiss-Prot蛋白质序列数据库、两者合并的语料库。每种模式运行8次,每次提供24小时工具调用预算、一张H100 GPU和200万token额度,不能联网。

Mythos 5.2在多数设置中取得了最高分,纯推理模式下也超过了直接使用ESM-2的基线。

第二关检测模型自主改进预测器的能力。

模型自行建立预测方法,根据反馈反复修改,预测未见过的一类序列。

Dyno准备了6个挑战,每个包含5000条带标签的训练序列和1100条验证序列。按照衣壳序列被修改的位置,这6组数据被分为区域A、区域B两类。模型只拿到区域B的序列和包装表现,却要对区域A的序列做出有效预测。

它需要编写预测函数,提交给评分器;评分器会在隐藏验证数据上运行,并返回一个总分,供模型判断修改是否有效。模型最多调用评分器50次,最后交出预测器,再接受区域A的检验。

在48次独立运行中,Mythos 5.2约有71%曾达到预设的0.52分门槛,Opus 5.5的对应比例接近六成。

打开网易新闻 查看精彩图片

这项评测让“AI自主研究”有了一个具体形态。人类给出目标和方式,模型自行编写方法、提交评估,再反馈修改。

打开网易新闻 查看精彩图片

RNA序列预测超过人类

在之前的衣壳结构预测中,Claude知道自己在研究什么。

Anthropic与Dyno开展了一项“黑箱RNA序列建模与设计”测试,考察Claude预测未知RNA序列的能力。

打开网易新闻 查看精彩图片

研究人员提供一批RNA序列,每条序列附有实验分数,却没有充分说明序列的来源,也没告知分数的生物学含义。

模型需要从数据中找规律,预测其他序列的表现,再提出原有数据中没有的新序列,争取更高分。

自2018年以来,Dyno曾让57名机器学习与生物学交叉领域的参与者完成这一挑战,人类参与者被要求将用时控制在两至三小时。

此次基础测试中,模型可以使用GPU和计算工具,工具调用预算两小时,token额度100万。

在全部测试序列的指标上,Mythos 5.2的平均预测成绩,超过了这57名人类参与者中的最高成绩。

设计任务也取得了不错的结果。以每次运行提出的最佳序列为评价对象,Mythos 5.2的平均设计成绩超过了历史人类参与者的第75百分位水平。

打开网易新闻 查看精彩图片

四项测试均超过Astra

除了序列和结构研究,Anthropic还公布了生物医学图像、细胞实验分析及蛋白质识别等四项任务的成绩,与OpenAI的GPT-6 Astra进行直接比较。

在生物医学图像分析中,Mythos 5.2得分80.7%,高于GPT-6 Astra的77.5%和Opus 5.5的71.4%。

打开网易新闻 查看精彩图片

这项测试使用了公开竞赛数据,覆盖CT、MRI、组织病理、超声和显微图像等类型,考察模型的定量分析能力。

在细胞形态与分子匹配这项测试中,模型间的差距就更大了。

打开网易新闻 查看精彩图片

研究人员提供4组经过分子处理的人肝细胞体外实验图像,以及打乱顺序的四组“分子—剂量”条件,让模型将两者对应起来。

Mythos 5.2在这项测试中得分35.2%,Opus 5.5为34.0%,GPT-6 Astra为22.8%;Mythos 5.2比Astra高出12.4个百分点。

在蛋白质结构域识别中,Mythos 5.2更是断层碾压Astra。

打开网易新闻 查看精彩图片

这项测试要求模型根据氨基酸序列,在不使用工具的情况下,从多个相近的选项中识别正确的结构域家族。

Mythos 5.2最终得分91.8%,Opus 5.5为73.6%,而Astra仅约43%。

在药物化学测试上,Mythos 5.2以69分%排名第一,Astra以57%排在最后。

打开网易新闻 查看精彩图片

当然,上述成绩均来自于Anthropic的评测。其中,生命科学能力测试使用了关闭生物学安全防护的Claude底层模型,GPT-6 Astra则通过API以最高推理强度运行。

打开网易新闻 查看精彩图片

从这次公布的评测看,Anthropic正在将AI能力运用于一条完整的科研链路中:写结构预测流程、分析实验数据、提出序列候选,再根据反馈改进预测工具。每一步都在考验模型的自主能力。

这也和Anthropic在生命科学上的动作对得上。今年以来,公司从自建湿实验室,到收购两家AI制药初创,步伐越来越快。

老对手OpenAI同样没停:不断升级Rosalind,收购AI制药公司,11月6日又把Astra引入湿实验数据分析。

两家头部公司你追我赶。AI在生命科学这条赛道上,接下来会越来越热闹。

—The End—

打开网易新闻 查看精彩图片