🔥 HN 热议

Claude开始参与药物研发多环节,但真正的药物还很远

约2分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
临床前(lín chuáng qián)

还没有在人身上测试的研究阶段。

抗体(kàng tǐ)

能与特定目标结合的蛋白质。

CAR-T细胞疗法

利用改变过的身体防卫细胞寻找肿瘤的治疗方法。

Anthropic(制作 Claude 的人工智能公司)10月27日公布了一份早期进展报告。报告说,Claude已参与药物研发的多个环节。Anthropic与六个组织合作,包括BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines和The Column Group,公司也开始了自己的研究。Hacker News上,这条消息有178个积分、160条评论。这个数字只表示社区关注度,不证明报告中的结果正确。

背景:药物研发不是一个步骤

药物研发不只是想出一种分子。研究人员还要找目标,设计分子,检查它能否制造,准备监管文件,并规划临床试验。Anthropic认为,整个过程的许多环节都可能拖慢进度。因此,公司把Claude放进真实的药物项目中,观察它哪里有用,哪里还需要改进。

报告说发生了什么

在Generate Biomedicines,6名科学家用Claude Code设计CAR-T细胞疗法的一段遗传指令。其中一个设计比标准版本短约70%。实验中,免疫细胞制造的受体约多10倍。细胞杀死肿瘤细胞的效率更高,活跃时间也更长。

Divergence Labs研究食物过敏。Claude在约一个月内生成约35000种抗体设计。早期测试发现,3种设计可以和IgE结合,20种设计可以把IgE从免疫细胞上移开。其中3种看起来比标准药物更强。下一步是把两种作用合在同一种药物中。

BigHat在约10周内制造并测试约1010个变体。最好的版本结合得更紧,强度超过原来的10倍;保持在溶液中的温度高18摄氏度;结块速度慢了100多倍。Enveda让Claude检查1061页生产文件。Claude找到了人工审查发现的全部11个问题,还多找出7个。人工检查时间从超过25小时降到不到3小时,减少了89%。

为什么重要

这些例子把Claude放进了多个环节。它可以提出候选设计,也可以重新分析实验数据,检查文件,帮助评估试验计划。它不是独自完成一种药。它是在研究人员的工作中承担许多小任务。如果这些结果继续成立,团队可能用更少的文书时间测试更多想法。不过,数字来自Anthropic自己的报告。不同项目的指标也不构成一次统一的对照实验。

可以确认的内容

报告列出了六个合作组织,并给出了设计数量、测试数量和审查时间。Anthropic还说,它收购的Mithril Medicine曾把一种肌肉营养不良治疗候选物,从想法推进到小鼠中的有希望结果,用时不到18个月。Bristol Myers Squibb正在用Claude分析早期临床试验计划,双方计划在2027年扩大合作。

还不知道什么

报告明确说,研究仍处于早期阶段,而且大多属于临床前研究,也就是还没有在人身上测试。我们还不知道多少候选物能成为药物,是否安全有效,外部团队能否重复这些结果。实验室里有希望,不等于患者已经有了可靠治疗。

接下来关注什么

可以继续看Divergence如何组合两种功能,Mithril的候选物能否进入人体试验,以及Bristol Myers Squibb在2027年的合作。真正关键的证据,是人体试验、独立复核,以及公开说明成功和失败的完整结果。

💬 AI可能加速部分药物工作,但生物学和临床验证仍很慢

评论者认为,Claude可能帮助筛选分子、整理数据和处理文书,但真正困难的验证仍包括实验、动物试验、人体临床试验和监管。早期个案还不足以证明临床获益会大幅提升。

  • 评论者认为,AI近期可能更适合生成和筛选候选药物、挖掘旧数据以及处理文件。这些可能提高效率,但还不能证明它会带来大量新疗法。
  • 一位有生物技术行业经验的评论者自述,两个客户使用ML/AI后的结果好坏不一:一个由ML找到的药物在动物试验中失败;另一个药物疗效更好但安全性更差,据称需要重新试验,并额外花费两年和1000万美元。这些都是个人自述。
  • 一位曾在药物发现初创公司工作的评论者自述,经过9年,他们推进了8个临床候选药物,而8个都遇到了从临床前研究转向人体试验时的问题。这是个人经历,不是受控研究。
  • 人体是复杂的系统。即使知道药物如何与蛋白质结合,也常常没有足够数据预测它在不同组织、疾病和患者身上的后续影响。
  • 简单的分子筛选无法完整处理溶剂分子位置、分子柔性、静电作用、熵、配位离子以及随时间变化的结构变化等因素。评论者认为,使用特定领域数据训练的专用模型可能比通用LLM更合适。
  • 湿实验、动物试验、临床试验和监管步骤会形成很长的反馈循环。机器人和并行实验可能有帮助,但不能消除昂贵的实验,也不能跳过必须按顺序完成的验证。
  • 一些用户自述,公开版Claude可能会拒答生物学问题,或在安全研究相关工作中出现拒答和降级。这是个人体验或推测,不是系统性测试。
  • 自动化文书可能减少工作量,却不一定消除背后的官僚流程。一位自称患有罕见病的评论者希望AI能带来帮助,但仍警惕实验和临床进展缓慢,并对把Claude更深地嵌入许多生物科技公司的流程感到不安。

这是评论数为303时的增长中(修订3)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

Claude怎样帮忙做药

📰 完整报道: Claude开始参与药物研发多环节,但真正的药物还很远

Claude正在帮助研究人员找方案、看实验和检查文件。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
临床前(lín chuáng qián)

还没有在人身上测试的阶段。

抗体(kàng tǐ)

能找到特定目标的蛋白质。

受体(shòu tǐ)

细胞上帮助它接收信息的小部分。

💡 一句话总结

  • Claude参与了药物研发的多个环节。
  • 早期实验出现了一些有希望的结果。
  • 还没有证明它做出了安全的药。

Anthropic(制作 Claude 这个电脑帮手的公司)公布了早期结果。六个组织参加了合作。Claude帮助研究人员做了许多工作。

药物研发有很多步骤。研究人员要找目标。还要设计分子。也要检查生产文件。最后还要规划临床试验。Anthropic让Claude参加这些工作。

在Generate Biomedicines,Claude帮助设计免疫细胞的指令。其中一份设计短了约70%。实验中,细胞制造的受体约多10倍。

在Divergence Labs,Claude约一个月做出约35000种抗体方案。早期测试找到了一些可能有用的方案。人们还要继续检查它们。

BigHat测试了约1010个版本。Enveda让Claude检查1061页文件。它找到人已经发现的11个问题。它又找到了7个问题。检查时间从25小时以上降到3小时以内。

但这些都是早期结果。报告说,大部分工作还在临床前阶段。这表示还没有在人身上测试。它也没有证明这些方案安全有效。

Hacker News有178个积分和160条评论。这表示有人关注这条消息。它不表示结果一定正确。之后还要做人体试验和独立检查。

💬 AI可能帮忙,但药物开发最难的部分仍然很慢

评论的主要观点是,AI也许能加快寻找候选药物和处理文件,但证明药物对人有效且安全,仍是另一个困难的问题。

  • AI可能帮助寻找药物想法、搜索旧数据和准备文件。这能节省时间,但还不是新疗法的证据。
  • 药物开发人员的个人自述显示,AI找到的药物可能在动物试验中失败,也可能在进入人体试验时遇到问题。有人自述,9年推进的8个候选药物全部遇到过这类问题。
  • 人体很复杂,预测药物之后会产生什么影响所需的数据常常不够。只看分子是否匹配还不够,可能需要专门的模型。
  • 实验、动物试验、临床试验和监管检查都很慢。机器人和同时进行更多实验会有帮助,但不能跳过验证。
  • 一些用户自述公开版Claude可能拒答生物学问题,或曾拒答安全研究工作。文书工具可能有用,但官僚流程和企业深度参与带来的担忧仍然存在。

这是评论数为303时的增长中(修订3)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

Claude帮忙想药

📰 完整报道: Claude开始参与药物研发多环节,但真正的药物还很远

Claude在帮大人想新的药。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
受体(shòu tǐ)

细胞上帮助它发现东西的小部分。

Hacker News

人们讨论技术消息的网站。

Anthropic是一家制作Claude的公司。 Claude是会帮忙的电脑程序。 Claude帮做药的人想办法。 它也看实验纸和文件。

一个小组想做过敏药。 Claude做了约35000个方案。 这些方案用了约一个月。 人们后来检查它们。

另一个小组做了更短的细胞指令。 它短了约70%。 细胞做出的受体约多10倍。 受体帮助细胞发现东西。

还有小组给Claude看1061页文件。 Claude找到11个问题。 它又找到7个问题。

这些不是做好的药。 大多数实验还没有用在人身上。 安全不安全还不知道。

Hacker News有178个积分和160条评论。 这说明很多人看到了消息。 不说明结果一定是真的。 人们还要继续检查。

💬 AI可以帮忙做药,但人们还要亲自试验

AI可以很快想办法,但人体很难弄清楚。

  • AI可以帮忙想药物和整理文件。但人们仍然要测试药物。
  • 相关从业者的个人自述说,一些AI找到的药物没有通过动物试验,候选药物在进入人体试验前也可能遇到问题。
  • 人体非常复杂,所以试验需要很长时间。机器人可以帮忙,但不能跳过试验。
  • 有人自述公开版会拒答生物学问题。一位患罕见病的人希望得到帮助,但对企业深度参与和繁琐规则仍然谨慎。

这是评论数为303时的增长中(修订3)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源