核心结论
01竞赛全貌与关键数据
Anthropic 与 Adaptyv Bio 联合发起"全球最大的蛋白质设计竞赛"，五个连续挑战窗口从 2026 年 9 月 28 日跑到 11 月 1 日，实验验证在 11 月 30 日前完成，结果 12 月 15 日全部公开（含失败设计）。
| 项目 | 内容 |
|---|---|
| 赛道 1（专业团队） | 约 30 支团队，学术界最高 5 万美元 Claude 额度，工业界最高 2.5 万美元，每挑战保障约 15 个设计的湿实验测试名额 |
| 赛道 2（个人/小团队） | 最多 3 人，免费用 Claude Max 20x，无保障测试配额 |
| 赛道 3（完全开放） | 自筹资源，不限工具，高中生也能参加 |
| 资金 | Anthropic 提供 100 万美元以上 Claude 额度；Anthropic 与 Adaptyv 联合出资 100 万美元以上用于湿实验验证，覆盖超过 5000 个设计；Modal 提供最高 25 万美元算力，Twist Bioscience 提供 DNA 合成支持 |
| 奖励 | 无现金奖金，只有非现金特殊奖项 |
| 评审 | 不依赖单一计算预测指标，走 Claude 自己的分析工作流综合判断 |
| 第一个挑战 | "设计条件性 EGFR 结合剂"，9 月 28 日至 10 月 4 日，后续四题未公布 |
是否必须用 Claude：官方条款明确——使用 Claude 不是参赛的必要条件，但是接受 Anthropic 资助（赛道 1、2）的前提条件；赛道 3 完全开放，可以用其他大模型、AlphaFold、RFdiffusion，甚至纯人工设计。这个设计相当于用赛道 3 做"公平对照组"，让 Claude 的战绩由外部参赛者自发选择产生，而不是自说自话。
靶点清单 · 泄漏审计
02靶点清单与泄漏审计
Anthropic 在发起公开竞赛前，先自己做了一轮基准研究（论文 Autonomous de novo protein binder design with Claude），用 Mythos Preview 和 Opus 4.8 自主设计小型蛋白结合剂。
| 指标 | 数值 |
|---|---|
| 靶点数 | 16 个条目（GDF-8 分 Latent/Mature 两种构象，实际是 15 种蛋白），14 个成功 |
| 多目标模式命中率 | Mythos 26.7% / Opus 22.6% |
| 单目标模式命中率 | Mythos 35.1% |
| RBX1 靶点 | Mythos 命中率 40%，对比人类参赛选手 3.7% |
| TREM2 靶点 | 命中率高达 80% |
| 15-PGDH 靶点 | 成功率比 Proteinbase 平台历史基线高 3 倍以上 |
| TNFα 靶点 | 设计出能跨人、猴、小鼠三物种通用的结合剂 |
| MBP 靶点（失败案例） | 90 个设计全部未确认结合 |
16 个靶点具体名单：15-PGDH、BBF-14、BHRF1、Cas9、EGFR、GDF-8（Latent）、GDF-8（Mature）、IL-7Rα、麦芽糖结合蛋白 MBP、尼帕病毒糖蛋白 G、PD-L1、RBX1、TNFα、TREM2、TrkA、VEGF-A。
泄漏审计逻辑：15-PGDH 和 GDF-8 是 Anthropic 特意从 Adaptyv 最新竞赛中挑选的"新鲜靶点"，目的是确保 Claude 没法从训练数据或联网搜索里"背答案"。这与科研能力评测中"只对模型训练截止日之后发布的题目计分、用反事实变异题检测背题"的做法是同一套方法论。
顺带的分析化学能力：Claude 同时处理 NMR 和 LC-MS 原始数据，23 分钟内完成 NMR 解读（氢原子计数与实验室只差 0.08），19 分钟内完成 LC-MS 纯度测定（96.4% vs 实验室人工 96.33%），而传统化学家处理一个样品通常需半小时到一小时。
Anthropic: Claude accelerates protein design and analytical chemistry · Adaptyv Bio: Case study benchmarking Claude's protein designs
商业模式
03Adaptyv 的商业模式：云实验室 vs CRO/CDMO
Adaptyv 代表的"云实验室"模式，和药明康德、Charles River 这类 CRO/CDMO，是回答同一需求的两种完全不同的答案。
| 维度 | 云实验室（Adaptyv/Emerald Cloud Lab） | CRO/CDMO（药明、Charles River 等） |
|---|---|---|
| 本质 | 卖标准化自动化产能，提交方案机器执行 | 卖弹性的人，科学家参与设计判断排故 |
| 互动模式 | 提交一次拿回一次，接近自助式 | 持续项目制关系，FTE 团队模式粘性强 |
| 成本结构 | 前期自动化资本投入巨大，边际成本低 | 人工成本最高（药明人工 43.25% > 材料 30.43% > 制造费用 26.32%） |
| 规模化方式 | 先砸钱建设施，覆盖实验类型多寡而定 | 收入≈人均产值×人数，相对线性扩张 |
| 商业验证结果 | 尚无成功商业案例，Strateos 已关停 | 药明系四家上市公司合计市值数千亿元，Charles River 年营收 40.2 亿美元 |
| 适合的实验类型 | 高通量、标准化、读出简单（结合测定、酶活性） | 需要判断力、处理异常结果、长周期项目 |
地域分化：云实验室的玩家集中在美国（Emerald Cloud Lab、Strateos、Arctoris），因为这种"用资本密集型自动化替代人力"的模式，只有在人力成本够高的地方才划算；中国具备全球最性价比的熟练科研人力，对同样的标准化实验，人力团队往往比自建自动化产能更便宜灵活。这也直接解释了剂泰科技创始人公开表示依赖中国 CRO 体系做脂质合成和动物模型的选择。
全球图谱
04全球与中国湿实验自动化图谱
| 层次 | 代表 | 模式 |
|---|---|---|
| 美国开放式云实验室 | Emerald Cloud Lab、Strateos、Arctoris | 自建自营全套设备，外部客户远程提交方案按次付费 |
| 中国自动化机器人实验室 | 晶泰科技（张江机器人谷，100 多台机器人）、英飞智能（LabClaw、苏州 BioBAY 第六代机器人实验室） | 自用+帮客户定制建设，不开放成完全公共平台 |
| 中国学术共享平台 | 北大深圳研究院+百度智能云 AI4S LAB | 22+ 自动化设备，"黑灯实验室"7×24小时运行，公共科研服务性质 |
| 共享实验室（非云实验室） | Charles River CRADL® 新药加速实验室 | 拎包入驻共享动物实验设施，苏州 BioBAY 和成都天府国际生物城均有设点 |
| 苏州 BioBAY 孵化器 | 2006 年建设至今 | 17 年汇聚 650 多家创新药企业，共享细胞房与动物房 |
前处理自动化仪器梯队：莱伯泰科（2025年营收 4.02 亿元，净利润 3938 万元，三家里唯一盈利）＞广州智达（2018年成立，未上市）＞广州泰通（无机前处理，无公开规模数据）。天瑞仪器（2025年营收 6.19 亿元 -27.26%，亏损 2.33 亿元）和皿仪科技业务面更广，但不是纯前处理公司。
判断框架
05什么湿实验适合做成开放挑战赛
对比 Adaptyv 的成功案例和 ADMET 的失败案例，提炼出六条判断标准：
- 1协议标准化——能自动化、可规模化执行
- 2单点成本可控——能支撑几千个数据点的验证预算
- 3判定标准干净——最好是二元或单一数值，不是多目标权衡
- 4能找到"新鲜"任务，躲开数据泄漏——这是 ADMET 栽跟头的核心原因
- 5AI 现有提升空间——不是已经刷到 AUC 0.9+ 的"伪成熟"领域
- 6有真实的疾病/商业故事——能吸引外部参与和媒体关注
把这套标准套在制药管线上，发现已经成熟的自动化环节包括 ADMET/DMPK 筛选、噬菌/酵母展示抗体筛选、酶活性高通量筛选、蛋白结晶筛选，但它们几乎全部走的是传统 CRO 接单模式（药明生物、ChemPartner、Sino Biological 等），没有一家把它改造成"开放竞赛+公开全部结果（含失败）+与 AI 公司绑定"的 Adaptyv 式玩法。这说明 Adaptyv 的稀缺性不在硬件能力本身，而在商业打法选择。
反面案例
06反面案例深度剖析：ADMET/DMPK
ADMET（吸收/分布/代谢/排泄/毒性）是制药行业标准化程度最高的自动化环节之一，但它是一个反面教材。
| 检测 | 机制 |
|---|---|
| Caco-2 渗透性 | 人结肠腺癌细胞单层模拟肠道上皮，测渗透量与流失 |
| 肝微粒体稳定性 | 肝组织离心后富含 P450 酶的组分，测化合物消失半衰期 |
| CYP450 抑制 | 重组 P450 酶（昆虫细胞表达），单浓度初筛或 10 点量效曲线 |
| hERG 心脏毒性 | CHO 细胞稳定表达 hERG 钾通道，膜片钳法，抑制它会引发致命心律失常 |
三大结构性弱点：①公开文献数十年积累，无法构造干净的"新鲜靶点"；②多目标优化（溶解性+渗透性+代谢稳定性+无hERG毒性同时满足），不是二元判定；③计算预测已经"看似解决"（AUC 0.9+），但复核发现是评测体系自身坏了。
Therapeutics Data Commons 论文 · Critical Assessment of ML models for ADMET Prediction in TDC leaderboards
候选清单
07候选清单扩展：六个新方向对比
按六条标准排序，排在 ADMET 前面的候选方向：
| 排名 | 方向 | 关键优势 | AI 提升空间证据 |
|---|---|---|---|
| 1 | 酶工程/定向进化 | 技术底座与 Adaptyv 几乎完全复用（表达+测活性），新鲜任务无限 | 无现成被刷坏的排行榜 |
| 1 | RNA 适体/结构设计 | 化学合成不需细胞，比蛋白质还便宜快速 | RNA 结构预测远比蛋白质难（见第十节） |
| 3 | 蛋白质热稳定性设计 | 读出最干净：单一数值 ΔTm | 预测稳定突变仍不准确 |
| 3 | LNP 递送效率优化（对应剂泰科技） | 直接服务 mRNA/siRNA 商业化 | 脂质结构预测体内递送效率仍很难 |
| 5 | CRISPR gRNA 设计/脱靶预测 | 直接关系基因编辑药安全性 | 标准工具"对没见过的序列表现很差" |
| 6 | 蛋白-蛋白相互作用（PPI）拮抗剂 | 公认"不可成药"圣杯问题 | 靶点池相对有限，新鲜度略弱 |
RNA 领域的现有验证生态：与 Adaptyv 对比
RNA 领域没有一家"结合剂设计版 Adaptyv"，但有几类定位不同的玩家：
| 平台 | 性质 | 规模 |
|---|---|---|
| Eterna（斯坦福 DasLab） | 众包解谜游戏，高阶玩家提交设计可进入每周湿实验验证的"实验室挑战" | OpenVaccine 挑战 6043 个 RNA 构建体，6 个月完成；传感器设计挑战累计数千到数万个提交，真实合成测试 |
| 适体数据库（Ribocentre-aptamer、UTexas、AptaDB） | 历史文献汇总，不是开放竞赛 | UTexas 收录超过 1400 个适体，AptaDB 收录 1350 个验证互作，都是几十年分散发表的累积 |
| RNA-Puzzles/CASP16 | 结构预测盲测，不是结合剂设计 | 最新一轮仅 23 个 RNA 结构，远小于 Adaptyv/Claude 那次 354 个确认结合剂的规模 |
真实实验数据覆盖率对比（与蛋白质部分的"38%"远不在同一量级）：
| 口径 | 蛋白质 | RNA |
|---|---|---|
| 总量（分子/家族层面） | 20422 个人类参考蛋白 | 人类基因组匹配到 795 个 Rfam 家族 |
| 实验解出结构的数量 | 7816 个分子（至少有一个 PDB 结构） | 仅 99 个家族有结构（全物种合计，含大量非人类家族） |
| 按分子数/家族数的覆盖率 | 约 38% | 不超过 12.5%，且实际更低（分母含非人类家族，分子不等于家族） |
| PDB 占比 | 绝大多数 | 不到 6% |
Crowdsourced RNA design discovers diverse molecular switches (PNAS) · Ribocentre-aptamer · Rfam 15 (2025)
蛋白质 vs RNA：结构测定成本与药物研发价值对比
测一次的平均成本
| 技术 | 蛋白质 | RNA |
|---|---|---|
| X 射线晶体衍射 | 5万–10万美元/结构 | 无清晰报价，但难度明显更高——RNA 表面负电荷均匀，难以形成独特晶体接触，真实成功率远低于蛋白质 |
| NMR | 约 3.4 万美元/结构 | 同样适用但存在硬上限——超过 100 个核苷酸后谱峰拥挤，大分子基本测不了 |
| 冷冻电镜 | 约 10 万欧元/结构 | 束手无策——RNA 单独存在时质量太轻、太柔软，常规冷冻电镜对它基本无效，需要绑定一个蛋白"支架"借用蛋白的刚性才能拍清楚（"支架法"，2023年起才开始成熟） |
为什么 RNA 没有一个干净的报价：RNA 的磷酸核糖骨架柔软、长距离三级相互作用微弱、常处于多种构象平衡——测一个结构往往需要多轮尝试、额外工具（结晶伴侣分子、支架蛋白），实际成本大概率高于同规模的蛋白质，只是行业还没给出一个可引用的平均数字。
对药物研发的实际帮助
| 蛋白质结构 | RNA 结构 | |
|---|---|---|
| 主要用途 | 结构导向小分子设计（SBDD）、抗体/ADC 表位映射、选择性与脱靶风险评估 | 新兴的 RNA 靶向小分子药物设计；ASO/siRNA 靶点区域选取（主要靠二级结构）；mRNA 疫苗 UTR 稳定性优化 |
| 成熟度与规模 | 已是现代小分子药物研发的核心工作流，几乎每一个小分子项目都会用到 | 刚刚起步，只有 risdiplam 一款真正意义上"结构指导设计成功"的已获批 RNA 剪接调节剂，靶向 pre-mRNA-U1 snRNP 复合体 |
| 近期进展 | 冷冻电镜革命过去十年把 GPCR、离子通道这类"抗体打不到"的靶点，重新拉进了小分子可设计范围 | 同类分子 branaplam、votoplam 在临床2期进展不一（votoplam 达标，branaplam 因神经病变中止）；2025年核酸适体类药物获批靠的是序列互补而不是三级结构 |
| 价值定位 | 底层基础设施，缺它就做不成现代药物研发 | 前沿探索工具，有则加分，无也不至于停摆，多数现有核酸药物仍主要靠序列互补而非结构设计 |
Targeting RNA structures with small molecules (Nature Reviews Drug Discovery) · Risdiplam blueprint for future transformative medicines · Scaffold-enabled cryo-EM structure determination of RNA
成本与重要性
08成本、时间与下游重要性总表
| 环节 | 单点/单轮成本 | 周期 | 下游重要性 |
|---|---|---|---|
| CRISPR 池化筛选 | 单细胞读出低至 0.01–0.025 美元 | 4–6 周 | 中，靶点发现有用但假阳性高 |
| 蛋白结晶筛选（仅筛选） | 约 400 美元/次 | 数天至数周 | 中高，不是必需项 |
| 完整解出一个新结构（全流程） | 5万–10万美元 | 数周到数月 | 中高 |
| Adaptyv 式结合剂验证 | 约 150–250 美元/设计 | 数周 | 最高，二元硬门槛 |
| 噬菌/酵母展示抗体筛选 | 未查到公开报价 | 6–8 周 | 高 |
| ADMET 单项检测 | 未查到精确报价，头部机构周处理量约500化合物/周 | 数天至一周 | 最高，有历史实锤 |
药物失败归因数据：缺乏临床疗效 40%–50%，毒性不可控 30%，药代动力学性质差 10%–15%。最具说服力的历史实例：1991 年 PK/生物利用度导致的失败约 40%，到 2000 年大幅下降——正是因为 ADMET 筛选在1990年代被系统化引入临床前流程，提前排雷。这是少有的"早期验证环节投入直接改善下游成功率"的可量化案例。
靶点可及性
09靶点可及性的科学基础
| 层级 | 数字 |
|---|---|
| 人体基因总数（含非编码，GENCODE 47） | 约 78046 个 |
| 蛋白编码基因 | 19433 个 |
| UniProt 权威参考序列（含剪接变体） | 约 4.2 万条 |
| 单细胞内 proteoform 估计 | 可能高达约 100 万种 |
| 致病相关基因（保守交叉验证到 DisGeNET） | 9972–16135 个 |
| 已获批药物靠靶的人类蛋白 | 仅 667 个 |
| 表面蛋白组（surfaceome，生信预测） | 约 3702 个 |
| 抗体可直接靠靶的大胞外结构域表面抗原 | 不到 50 个 |
667 与 50 的关系：50 是 667 的子集，差在 GPCR 和离子通道也是表面蛋白，但胞外可结合面太小，只能靠小分子打，靠抗体进入很难。此外 GPCR+离子通道占已批小分子药作用机制的近一半（GPCR 约 33%，离子通道约 18%）。
对 binder 技术的启示：binder/抗体只能打胞外或分泌型的大胞外结构域蛋白，这是物理限制不是选择。靶点筛选应该先看疾病生物学、再匹配合适技术（胞内靶点靠 PROTAC、分子胶、RNA 靶向药物），不能因为只有 binder 这把锤子就只找钉子形状的靶点。
疾病覆盖 · 结构预测
10Binder 技术疾病覆盖度与结构预测对比
疾病覆盖度：肿瘤、自身免疫、部分血液病覆盖很好（PCSK9、Factor XI、IL-6 都是分泌蛋白）；中枢神经系统疾病几乎全部被阻挡——血脑屏障只让静注 IgG 抗体剂量的约 0.1% 进入脑部；心血管疾病是一分为二——PCSK9/Factor XI/IL-6 这条"脂质+凝血+炎症"轴线 binder 表现优异，但"血压+心律+收缩力"轴线几乎全靠 GPCR/离子通道/胞内蛋白，binder 完全打不到。
AlphaFold vs RNA 结构预测对比
| 维度 | AlphaFold（蛋白质） | RNA（CASP16） |
|---|---|---|
| 输入 | 氨基酸序列+MSA+模板 | 核苷酸序列+MSA+模板，多聚体靶点还需预测化学计量比 |
| 输出 | 3D 坐标+pLDDT+PAE 置信度 | 3D 坐标，无标准置信度输出，部分靶点还要预测水分子/离子位置 |
| 最高水平 | CASP14 中位 GDT_TS 92.4，58个域接近实验精度 | CASP16 无一个新靶点达到 TM-score 0.8 |
| 谁预测得最准 | AI 全面超越人类专家 | 人类专家仍优于自动化方法 |
| 数据库规模（PDB） | 233272 个蛋白结构 | 仅 8801 个，差近 70 倍 |
| 数据泄漏问题 | 有（CleanSplit 重评后性能明显下降） | 无从谈起，本身绝对水平就远没达到 |
人类蛋白覆盖与验证成本：AlphaFold 覆盖 98.5% 人类参考蛋白组，但只有 58% 残基"有把握"、36%"非常高置信度"；真正有实验结构支撑的人类蛋白按数量算只有约 38%，按残基覆盖只有约 17%。实验解一个新结构平均成本 3.4万–20万美元，而 AI 预测几乎零边际成本——这个成本落差是行业接受"未验证预测"的根本原因：先用几乎免费的 AI 预测筛选出最值得验证的少数目标，再把有限预算花在这几十个目标上。
产业参照系 · 结论
11产业参照系与结论启示
| 层级 | 代表 | 规模 |
|---|---|---|
| 药明系（CRO/CDMO） | 药明康德、药明生物、药明合联、药明巨诺 | 四家合计市值达千亿元级，药明康德 2025 净利润 191.51 亿元（+102.65%） |
| 全球 CDMO 巨头 | Lonza、Catalent、三星生物 | 单家营收 28–75 亿美元 |
| 全球临床 CRO | IQVIA（154亿美元）、ICON、Novotech（诺为泰，亚太专科） | IQVIA 遥遥领头 |
| 中国发现阶段 CRO | 成都先导、药石科技等 | AI 原生与传统 CRO 两条路并行（晶泰、英飞 vs 成都先导、药石科技） |
| 仪器供应链 | 莱伯泰科、天瑞仪器、皿仪科技、广州智达 | 前处理自动化环节，国产替代难在质谱/冷冻电镜主机（药典参数绑定进口设备） |
结论启示
- Adaptyv 代表的云实验室模式，本质是用自动化资本去替代 CRO 人力，只在人力成本高的美国才成立，中国建不建这样的平台需先算清人力成本账。
- 酶工程和 RNA 适体设计是复制 Adaptyv 模式最现实的两个新方向，关键在于能否找到"新鲜靶点"躲开数据泄漏。
- ADMET 的 TDC 排行榜泄漏实例，说明任何新建基准都必须把母题+反事实变异+泄漏审计当成硬性流程，不是可选项。
- 自然的延伸：在 binder 评测上完善反事实变异设计，并评估酶工程/RNA 适体作为下一个模块的可行性——这条行动项后续演化成了 RNA 结构预测题库与自动化实验室体系设计。