Por Canuto  

Anthropic presentó resultados que muestran cómo Claude puede acelerar dos tareas iniciales del desarrollo farmacéutico: diseñar aglutinantes de proteínas y analizar datos químicos de laboratorio.
***

  • Claude diseñó aglutinantes contra 14 de 15 objetivos proteicos, con tasas de éxito de hasta 35,1%.
  • Adaptyv Bio y Twist Bioscience validaron 1.320 diseños, de los cuales 354 mostraron unión a objetivos.
  • Claude Opus 5 interpretó archivos de RMN y LC-MS en menos de 25 minutos, con resultados comparables a los del laboratorio.

Anthropic informó que sus modelos Claude pueden acelerar tareas científicas que suelen consumir semanas de trabajo especializado en las primeras etapas del desarrollo de fármacos. La compañía presentó dos experimentos: una campaña de diseño de miniaglutinantes de proteínas desde cero y un flujo automatizado para interpretar datos de resonancia magnética nuclear, conocida como RMN, y cromatografía líquida-espectrometría de masas, o LC-MS.

En el primer experimento, Claude Mythos Preview y Claude Opus 4.8 diseñaron proteínas contra 15 objetivos y consiguieron aglutinantes contra 14 de ellos. Entre 22% y 35% de los diseños individuales se unieron con éxito, dependiendo de la configuración utilizada, frente al rango de 10% a 15% que Anthropic identifica como habitual en las campañas actuales de diseño proteico.

La empresa señaló que algunos de los mejores diseños alcanzaron afinidades varias veces superiores a los resultados publicados anteriormente. Las pruebas independientes estuvieron a cargo de Adaptyv Bio y Twist Bioscience, que produjeron y evaluaron los diseños en laboratorio, una validación necesaria porque los resultados computacionales no garantizan por sí solos que una proteína funcione en condiciones experimentales.

Claude automatiza el diseño de aglutinantes

Un miniaglutinante es una proteína pequeña diseñada para adherirse firmemente a otra proteína objetivo. Este tipo de unión resulta relevante para el desarrollo de medicamentos, debido a que puede inhibir o activar una función biológica, o entregar una sustancia en un punto específico del organismo.

Anthropic explicó que el diseño de novo de un aglutinante exigía históricamente meses de cómputo, optimización y evaluación comparativa por cada objetivo. Aunque los modelos especializados de aprendizaje automático redujeron ese plazo, todavía suelen requerir días o semanas de orquestación técnica por parte de expertos en computación y diseño de proteínas.

Para medir el desempeño de Claude, Anthropic empleó objetivos incluidos en pruebas de referencia de diseño proteico, entre ellos los de BenchBB de Adaptyv Bio. También incorporó 15-PGDH y GDF-8, procedentes de competiciones recientes de Adaptyv Bio, con el objetivo de comprobar si el modelo podía trabajar con objetivos novedosos sin apoyarse en éxitos previamente registrados.

La compañía utilizó dos configuraciones. En el modo multiobjetivo, Claude trabajó con todos los objetivos durante una sesión de 48 horas, mientras que en el modo de objetivo único abordó cada proteína por separado durante sesiones paralelas de 24 horas.

En el modo multiobjetivo, Mythos Preview alcanzó una tasa global de aciertos de 26,7% y Opus 4.8 llegó a 22,6%. Cuando Mythos Preview se concentró en un objetivo por sesión, su tasa global subió a 35,1%, un resultado que Anthropic comparó con el rango de 10% a 15% observado habitualmente en este tipo de campañas.

Los modelos tuvieron acceso a internet, documentos científicos, conectores para Google Drive, Slack, Gmail y BioRxiv, además de GPU para ejecutar modelos especializados de diseño, plegamiento y coplegado. Anthropic indicó que proporcionó una instrucción inicial extensa, sin límites de tokens ni de presupuesto para subagentes durante el tiempo asignado, y que después dejó a Claude operar de manera autónoma.

El sistema eligió los sitios de unión, generó estructuras y secuencias plausibles, ejecutó ciclos de optimización in silico y seleccionó candidatos novedosos que pudieran expresarse correctamente. Los investigadores solo aprobaron solicitudes operativas, resolvieron problemas de infraestructura y organizaron el envío de los diseños para su validación.

Resultados frente a objetivos difíciles

En total, la campaña produjo 1.320 diseños y 354 aglutinantes confirmados contra 14 de los 15 objetivos. Anthropic presentó la cifra como una contribución relevante al conjunto público de diseños de proteínas de novo, al compararla con colecciones anteriores que reúnen aproximadamente 770 aglutinantes a partir de 5.700 diseños contra 40 objetivos.

En los objetivos incluidos en competiciones de Adaptyv Bio, Claude alcanzó resultados comparables o superiores a los mejores participantes humanos, tanto en tasa de éxito como en afinidad. Para RBX1, Mythos Preview en modo de objetivo único obtuvo una tasa de éxito de 40%, frente a 3,7% entre los participantes de la competición.

El mejor diseño de Claude contra RBX1 fue un aglutinante de alta afinidad que superó al diseño ganador de la competición, seleccionado entre 245 propuestas. La afinidad mide la fuerza con la que una proteína se une a su objetivo, y una unión más fuerte puede permitir dosis menores, reducir efectos secundarios y disminuir costos de fabricación.

TNFα representó otro caso destacado porque constituye un objetivo terapéutico difícil. Esta proteína de señalización participa en la activación de la inflamación y su bloqueo sustenta medicamentos relevantes, incluido Humira, pero su estructura multimérica obliga a identificar un sitio de unión en el surco formado por dos proteínas.

Opus 4.8 logró diseñar varios aglutinantes contra TNFα, algunos capaces de unirse a las versiones humana, de mono cynomolgus y de ratón. Esa característica puede facilitar estudios en animales, aunque Anthropic reconoció que no conoce con precisión por qué Opus 4.8 tuvo éxito en este objetivo mientras Mythos Preview no consiguió resultados positivos.

La campaña también produjo 15 aglutinantes confirmados contra seis objetivos que contenían al menos 20% de láminas beta. La mayoría de los aglutinantes proteicos diseñados por computadora utiliza hélices alfa, mientras que las láminas beta resultan más difíciles de diseñar y tienen mayor riesgo de plegarse mal o aglomerarse.

No todos los objetivos respondieron de la misma manera. Contra BBF-14, una proteína de barril beta diseñada de novo y usada como referencia por su novedad, Claude enfrentó dificultades; con la proteína bacteriana Maltose Binding Protein, de superficie lisa, hidrófila y flexible, ninguno de los 90 diseños confirmó unión, aunque uno mostró una señal débil pero reconocible.

Química analítica en minutos

El segundo experimento evaluó si un modelo de disponibilidad general podía interpretar mediciones de compuestos ya existentes. Los químicos suelen utilizar RMN para confirmar la estructura de una molécula, asignando manualmente cada pico del espectro a un átomo o grupo de átomos de hidrógeno.

La LC-MS se emplea principalmente para estudiar la pureza y la masa molecular de una muestra. La técnica separa sus componentes, registra la señal de cada uno mediante absorbancia ultravioleta y después mide la masa molecular, pero la interpretación de los archivos resultantes puede consumir más tiempo que la propia ejecución del instrumento.

Anthropic entregó a Claude Opus 5 archivos sin procesar de RMN y LC-MS junto con una instrucción de dos frases, sin software del proveedor ni intervención de un operador humano. El modelo devolvió los análisis terminados en 23 y 19 minutos, mientras que el laboratorio contratado necesitó entre dos y cuatro días para entregar su informe final.

En los datos de RMN, Claude convirtió los archivos del instrumento en un espectro calibrado y una tabla con al menos 18 picos y sus recuentos de hidrógeno. El modelo identificó cuatro señales anchas que probablemente correspondían a hidrógenos unidos a nitrógeno u oxígeno, y propuso el experimento con agua deuterada que el laboratorio había realizado de manera independiente tres días después.

Al analizar el archivo de seguimiento, Claude identificó cuánto habían cambiado las señales y llegó a la misma conclusión que el laboratorio. También detectó una sobreestimación en la lectura inicial, ya que informó que habían desaparecido cuatro señales clave cuando en realidad solo habían desaparecido dos.

Para LC-MS, Claude descifró desde cero un formato binario privativo y no documentado del fabricante. Confirmó que había leído correctamente el archivo al reproducir los totales registrados en 22.664 capturas antes de analizar la separación, y luego generó el cromatograma, los espectros de masas y ultravioletas, una tabla de pureza y una estimación de masa molecular.

El resultado mostró un solo componente a los 4,34 minutos, responsable de 96,4% de la señal ultravioleta. La cifra quedó cerca del 96,33% calculado por el laboratorio, mientras que los recuentos de hidrógeno por pico se mantuvieron dentro de una diferencia de 0,08 unidades de hidrógeno.

Anthropic destacó que Claude también entregó un informe legible, un programa reutilizable para interpretar el formato de los archivos y advertencias sobre la confiabilidad de sus resultados. Entre esas advertencias figuró que los instrumentos de esa categoría reportan la masa con una precisión limitada al número entero más cercano.

Avances con límites de seguridad

La empresa describió estos experimentos como evidencia de que los modelos generales pueden encargarse de tareas rutinarias y, en ciertos casos, ejercer criterio científico durante investigaciones complejas. En química analítica, Claude automatizó operaciones que los investigadores suelen realizar a mano; en diseño proteico, coordinó el flujo desde la selección de objetivos hasta la entrega de candidatos para laboratorio.

El resultado no significa que un miniaglutinante se convierta automáticamente en un medicamento. Estas proteínas no representan una modalidad terapéutica común y, aun cuando un candidato muestre alta afinidad, todavía deben evaluarse su estabilidad, seguridad, producción, comportamiento en organismos y capacidad para cumplir una función médica.

Anthropic también subrayó que el diseño biológico autónomo tiene un carácter de uso dual. Las mismas capacidades que podrían acelerar terapias y descubrimientos fundamentales podrían facilitar investigaciones peligrosas si se ofrecen sin controles adecuados.

Por esa razón, la compañía mantiene las capacidades de diseño de proteínas y otras funciones de investigación biológica de uso dual fuera del acceso general en Claude Opus 5. Anthropic indicó que trabaja en programas de acceso para científicos de confianza y que espera compartir más detalles sobre esa iniciativa.

Los resultados combinan modelos Mythos y Opus, aunque las tareas de investigación en ciencias de la vida permanecen restringidas al modelo más capaz. La empresa sostiene que una prioridad futura consiste en ampliar el uso de Claude hacia un desarrollo farmacéutico de extremo a extremo, sin ocultar que muchos cuellos de botella siguen dependiendo de políticas, operaciones y validación experimental.

La publicación de Anthropic, fechada el 18 de agosto de 2026, presenta los hallazgos como un punto de partida y no como una sustitución inmediata de los laboratorios. La ventaja más visible está en comprimir el trabajo computacional y analítico, mientras la confirmación experimental continúa siendo indispensable para separar una predicción prometedora de un resultado clínicamente útil.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados