Dissenyar una proteïna que s'enganxi amb precisió a un objectiu concret -un pas clau en les primeres fases del descobriment de fàrmacs- és una feina lenta i amb un percentatge d'èxit baix: les campanyes de disseny habituals només confirmen entre un 10% i un 15% de les propostes generades. Anthropic porta mesos explorant fins a quin punt els seus models poden accelerar aquesta tasca a través de Claude Science, el seu programa dedicat a la recerca científica.
Segons ha explicat la companyia el 18 d'agost, els seus models Mythos Preview i Claude Opus 4.8 van orquestrar de manera autònoma diverses eines de disseny de proteïnes de codi obert ja existents -sense necessitat d'un model nou fet a mida- per crear minibinders (proteïnes petites dissenyades per unir-se a una diana) contra 15 objectius diferents. El sistema va aconseguir dissenys que van funcionar en 14 dels 15 casos, amb un percentatge d'encert d'entre el 22,6% i el 26,7% quan treballava en diversos objectius alhora, que pujava fins al 35,1% quan es concentrava en un de sol durant sessions de 24 hores. En total, de 1.320 dissenys proposats, 354 es van confirmar com a vàlids. Les proves de laboratori les van fer de manera independent les empreses Adaptyv Bio i Twist Bioscience, i per separat Claude Opus 5 també va demostrar que podia processar dades brutes d'instruments d'anàlisi química (RMN i espectrometria de masses) en només 23 i 19 minuts, amb resultats molt propers als mesurats manualment al laboratori.
La xifra és rellevant perquè mostra que un model de llenguatge general, sense entrenament específic per a la biologia estructural, pot fer de "director d'orquestra" d'eines especialitzades ja existents i superar els percentatges d'èxit habituals del sector, cosa que podria escurçar una de les fases més costoses i lentes del desenvolupament de nous medicaments. Anthropic no és l'únic laboratori que competeix per demostrar aplicacions científiques dels seus models: la carrera per posar la IA al servei de la recerca biomèdica s'ha intensificat aquest 2026 entre els grans actors del sector.
La mateixa Anthropic reconeix límits importants: el sistema va fallar per complet en algunes dianes, com una proteïna sintètica anomenada BBF-14 i la proteïna d'unió a maltosa (MBP), on cap dels 90 dissenys provats va funcionar, i l'empresa admet que no té clar encara per què l'èxit varia tant segons l'objectiu o el model utilitzat. També subratlla que un "binder" no és un fàrmac: trobar una proteïna que s'hi uneixi amb força és només el primer pas d'un procés de desenvolupament molt més llarg. Alguns experts externs, com l'empresari Martin Shkreli, han qüestionat públicament la rellevància real d'aquests resultats, en un debat encara obert sobre com d'útil és aquesta tecnologia fora del laboratori d'Anthropic.