
何が起きたか
AnthropicがClaudeの言語モデル(Mythos PreviewおよびOpus 4.8)による完全なタンパク質設計ワークフローを実証した。16個の標的タンパク質に対するバインダーを設計し、26.8パーセントのヒット率(1,320個の設計中354個が実験室で実際に標的に結合)を達成した。このワークフローは、オープンソースソフトウェアツールのインストールと調整によって実行されたもの。
なぜ重要か
通常、デノボタンパク質設計には専門家による数日間の意思決定と、特殊なソフトウェアの手作業による統合が必要。Anthropicの結果は、汎用言語モデルが人間の介入なしにパイプライン全体を自動化でき、Claudeとクラウドコンピュートへのアクセスがあれば、どの研究室でもこのワークフローが利用可能になる可能性を示している。Claudeへのアクセスがある国内の研究機関は、従来は専門家による手作業が必要だったタンパク質バインダー設計の自動化が可能になる見通しが出ている。
注目点
計算コストは、Modal経由でマルチターゲットキャンペーンが5万ドル、単一ターゲット実行が1万ドルだった。Anthropicはプロンプト、設計データ、測定データセットをHugging Faceで公開し、他の研究室がアプローチを再現・ベンチマークできるようにしている。ただし、著者らは対照としての平行した専門家キャンペーンを実施していないことを認めている。
こういう要約が、毎朝あなたのメールに届きます。
AlphaFoldとRFdiffusionなどのツール導入以降、タンパク質設計は根本的に変わった。これまで自動化されていなかったのは、オーケストレーションレイヤー—どの標的を追求するか、どのツールを導入するか、どのように数十のワークフロー変異を組み合わせるか、結果をどのようにランク付けするかについての意思決定だ。Anthropicの貢献は、汎用の言語モデルがその役割を担える、つまり単一の設計ステップだけでなく、標的選択から最終ランキングまでのキャンペーン全体を自動化できることを示したこと。報告書は、実際のタンパク質設計作業は依然として特殊なオープンソースツール(PXDesign、RFdiffusion、SolubleMPNN、ESMFold2など)によって実行されており、Claudeは科学的知識と運用規律の両方を組み込んだ16,000語のプロトコルプロンプトを使用してそれらを調整していることを指摘している。
重要性はアクセシビリティと効率にある。伝統的に、デノボタンパク質設計キャンペーンには、専門家研究者が特殊なソフトウェアを調整し、計算を管理するのに数日を費やす必要がある。人間を意思決定ループから除外する—標的選択、プロンプト作成、結果の解釈を除き—ことで、Claudeとクラウドコンピュートへのアクセスがある研究室なら誰でも再現可能なワークフローになる。26.8パーセントのヒット率は、公開文献の10~15パーセント範囲を大幅に超えているが、著者らは対照としての平行した専門家キャンペーンを実施していないため、同じツールと予算を使って専門家が達成できるものより優れていると主張していない。報告書はまた、6つのコンテスト標的のうち4つについて、コンテスト結果がClaudeの資料リストに含まれていたため、その性能の向上に役立った可能性があることも指摘している。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
CircliaがTASTE SIGNALの実証実験を開始した

フランス数学会会長イザベル・ガラガー主催のウェビナーで、フィールズ賞受賞者のユーゴ・デュミニル=コパンは、OpenAIが350の主要未解決問題の解答を一夜で公開したと述べた

NVIDIAは1200億パラメーターのオープンウェイトモデルNemotron 3.5 Super VLを公開

NVIDIAがNemotron 3.5 Bolt 74B-A9B 24GBを公開

NVIDIAは2026年9月21日、「AIセキュリティは工学の問題――エージェントスタックの全層で解決する方法」と題したブログ記事を公開し、判断を誤ったエージェントでも行動を止められる理由を説明した

検証では、Haiku 5.5はmedium設定で定型文書ならSonnet 5.5に近いスコアを約1/17のコストで出したが、英語メール課題では6.3点まで落ちた
