Absci & Claude Science 蛋白 Binder 设计研究对比

日期: 2026-08-22 数据来源: Anthropic 官方博客、Adaptyv Bio 博客、Absci SEC 文件、bioRxiv 预印本、财报电话会议

---

一、Claude Science Binder 研究概况

发布信息

• 日期: 2026-08-18
• 技术报告: "Autonomous de novo protein binder design with Claude"
• 唯一作者: Amir Shanehsazzadeh（Anthropic 研究员）
• 数据集: Hugging Face Anthropic/claude-protein-binder-design（CC-BY-4.0）

实验设计

• 模型: Claude Mythos Preview + Claude Opus 4.8
• 靶点: 16 个蛋白靶点（15 个有有效数据）
• 设计数: 每靶点 30 个，共 1,320 个
• 湿实验: Adaptyv Bio（瑞士）+ Twist Bioscience（旧金山）独立验证
• 计算资源: 多靶点模式 48h / 12,500 H100 小时；单靶点模式 24h / 2,500 H100 小时

核心结果

靶点选择逻辑

1. 14 个来自 Adaptyv Bio 已有竞赛基准（可对比人类专家）
2. 2 个新靶点（15-PGDH、GDF-8）确保非记忆性设计
3. 覆盖不同难度：从 TREM2（人类已 38%）到 MBP（表面光滑无抓手）

实验局限

• 无平行人类专家对照组
• 4 个竞赛靶点的结果在 Claude 阅读列表中（信息泄露风险）
• 无结构验证（仅测结合，未做 Cryo-EM）
• 无功能验证、无体内实验

---

二、Amir Shanehsazzadeh 背景

个人履历

• 学历: Harvard BA（数学与统计）+ Harvard MSc（统计）
• Absci 阶段: 高级 AI 科学家 → 首席 AI 官（Chief AI Officer）
• Anthropic: 2026年3月加入，任研究员
• 核心领域: de novo 抗体设计、蛋白逆折叠、生成式 AI + 湿实验验证

在 Absci 的主要贡献

IgDesign（2023.12）

• 首个湿实验验证的抗体逆折叠模型
• 架构：IgMPNN（结构编码器）+ ESM2-3B（序列解码器）
• 验证：8 个治疗性抗原，HCDR3 命中率 10.6%，HCDR123 命中率 1.8%
• 421 个 binder 经 SPR 表征，3 个比 trastuzumab 结合更强
• 代码开源：github.com/AbSciBio/igdesign（MIT）

IgFlow（2024，ICLR Workshop）

• SE(3) 流匹配模型用于抗体结构生成
• 推理速度比 IgDiff 快 2 倍
• 全 CDR 设计 scRMSD 成功率 39%（vs IgDiff 12%）

Origin-1（2025.01）

• 首个针对"零先验"表位设计全长单克隆抗体的 AI 平台
• 架构：AbsciDiff（结构生成）+ IgDesign2（序列设计）+ AbsciBind（打分）
• 10 个零先验靶点，4 个成功（COL6A3、AZGP1、CHI3L2、IL36RA）
• Cryo-EM 验证结构精度 3.0-3.1 Å，DockQ 0.73-0.83
• IL36RA binder 经亲和力成熟优化到 104 nM

从 Absci 到 Anthropic 的逻辑

Shanehsazzadeh 在 Absci 积累了"AI 模型 → 湿实验验证"全链条经验。到 Anthropic 后，他将这些操作知识编码为 16,000 字的 protocol prompt，让 Claude 自主执行整个 binder 设计流程。Claude binder 研究只署了他一个人——本质上是验证"通用 AI agent 能否用已有工具完成专业级蛋白设计"。

---

三、Absci 公司概况

基本信息

融资历史

核心平台：Integrated Drug Creation™

1. 数据引擎: 77,000 sqft 湿实验室，SoluPro® + ACE assay，每周筛选百万级抗体变体
2. AI 模型: Origin-1、AbsciDiff、IgDesign2、AbsciBind、Atlas
3. 湿实验验证: SPR、BLI、Cryo-EM、细胞功能实验

管线

Atlas Agent（靶点发现）

• 定位: 自主靶点发现 agent，解决"设计什么"的问题
• 数据源: 文献 + 遗传学（GWAS）+ 单细胞测序（TLS 数据库）
• Reverse Immunology: 从患者三级淋巴结构中提取抗体序列 → 反推靶抗原
• 效果: lead 分子筛选文库大小减少 1000 倍
• 实际应用: 为 PRLR 通路发现新适应症线索，为 ABS-202 提供靶点假设

合作伙伴

• Eli Lilly: $4000 万战略投资 + 临床开发合作
• Almirall: 皮肤病学靶点
• AMD: $2000 万 PIPE + 计算优化合作
• Owkin: AI 靶点发现合作（免疫肿瘤学）

财务（2026 Q2）

---

四、Absci vs Claude Science 对比

任务难度对比

速度对比

核心区别

1. Absci 是做药的公司：自有湿实验室、管线、临床试验，AI 是内部工具
2. Claude Science 是做 AI 工具的平台：让任何科学家都能用 AI 做蛋白设计
3. Absci 的壁垒是 TLS 数据库：多年积累的 proprietary 患者免疫数据，公开数据库没有
4. Claude Science 的价值是 democratization：不需要专业背景，任何人都能跑设计

不是直接竞争

• Absci 用 AI 做自己的药 → 药物销售 + 合作里程碑
• Anthropic 做 Claude Science 平台 → 订阅/API 收入
• Shanehsazzadeh 从 Absci 到 Anthropic = 把"自己做药"的经验变成"教 AI 帮别人做药"

---

五、关键判断

1. Claude Science binder 研究证明的是"通用 AI agent 能自主执行专业流程"，而非"比专用模型更好"
2. Absci 的 Origin-1 在更难的任务上（零先验表位、全长抗体）取得了可比的结果，且有完整的从设计到临床的验证链
3. Shanehsazzadeh 是连接两家公司的关键人物——他在 Absci 的经验直接促成了 Claude Science 的 binder 研究
4. 两家公司的长期价值不同：Absci 赌的是"AI 做药"的管线价值，Anthropic 赌的是"AI 平台"的工具价值

---

补充（2026-09-28）：Adaptyv 竞赛为何成为事实基准

• 竞赛史：2024-07 首届 EGFR binder 竞赛，两轮共 1,800+ 提交、130–159 个团队；R1 测 201 条、命中率约 2.5%；R2 测 400 条、表达率 95%、命中 53 条（约 13–14%）。历史 Rosetta 方案约 0.01%。Cradle 以 1.21 nM 夺冠，BindCraft 拿最佳 de novo（约 82–92 nM）。
• 关键发现：AlphaFold2 的 ipTM/iPAE 与结合几乎无相关（ROC-AUC 约 0.5），只有归一化 ESM2 伪似然约 0.72。说明计算指标无法替代湿实验。
• BenchBB：7 个标准靶点（EGFR、IL-7Rα、PD-L1、BBF-14、BHRF1、MBP、Cas9），统一 BLI/SPR、统一命中定义 KD ≤ 10 µM；社区论文 30+ 作者、15+ 机构。
• 数据全部公开（GitHub、Polaris、Proteinbase）。
• 2026-09-28 至 10-31：Anthropic × Adaptyv 竞赛，5 个挑战、5,000+ 设计免费测试、$1M+ Claude 额度 + $1M+ 湿实验资助，Twist 供 DNA、Modal 供算力；2026-12-15 公布结果。
• 来源：https://www.biorxiv.org/content/10.1101/2025.04.17.648362v2 ；https://www.adaptyvbio.com/blog/benchbb ；https://adaptyvbio.substack.com/p/protein-design-competition-has-binder ；https://proteinbase.com/competitions/anthropic-adaptyv-2026