Há muito trabalho envolvido na transição dessa etapa para a criação de medicamentos propriamente ditos, embora os sinais sejam muito promissores

A IA já nos surpreendeu no campo da matemática e agora busca fazer o mesmo na química. Foi exatamente isso que a Anthropic alcançou ao colocar sua IA, o Claude, para trabalhar de forma autônoma por cerca de 48 horas na resolução de um problema clássico do desenvolvimento de medicamentos: o design de proteínas. Os resultados são promissores, embora abordem apenas uma parte do desafio.

A Anthropic — que lançou recentemente o programa Claude Science — concedeu ao seu modelo de IA acesso à literatura científica, à internet e a recursos de hardware, bem como a diversos modelos especializados em design, sequenciamento e dobramento de proteínas.

O modelo analisou todos os dados para determinar a melhor abordagem para o design de cada proteína. Em seguida, gerou candidatos, otimizou-os, descartou os menos promissores e selecionou quais enviar ao laboratório para síntese — tudo isso operando de maneira totalmente autônoma.

As empresas farmacêuticas Adaptyv Bio e Twist Bioscience produziram fisicamente os designs propostos e verificaram se eles realmente cumpriam o objetivo. Dos 15 designs que geraram resultados válidos, o Claude Opus 4.8 e o Mythos Preview produziram com sucesso moléculas de ligação (binders) para 14 deles, resultando em 354 proteínas funcionais a partir de um conjunto de 1.320 designs.

Segundo esses testes, entre 22,6% e 35,1% dos candidatos funcionaram — uma taxa de sucesso significativamente superior aos 10% a 15% tipicamente observados na indústria, de acordo com a Anthropic.

Nesses experimentos, o objetivo não é criar um medicamento diretamente, mas sim encontrar proteínas capazes de se ligar com alta precisão a proteínas-alvo específicas — agindo como chaves que se encaixam em uma fechadura específica. Elas são conhecidas como "proteínas de ligação" ou binders.

Os pesquisadores selecionam várias proteínas-alvo — frequentemente ligadas a processos biológicos ou doenças — e tentam projetar binders que adiram fortemente a elas. 

O sucesso nessa etapa pode abrir caminho para bloquear ou modificar a atividade do alvo e contribuir para o desenvolvimento de tratamentos; no entanto, encontrar um bom binder é apenas o primeiro passo — um binder ainda não é um medicamento.

O modelo não descobriu nada inédito por conta própria; em vez disso, atuou como um orquestrador de ferramentas científicas já existentes e utilizadas por pesquisadores. O sistema utilizou dados e ferramentas para formular soluções — uma capacidade significativa, visto que o Claude não precisa ser, ele próprio, um modelo especializado; basta que saiba qual ferramenta utilizar, quando usá-la e como conduzir o processo.

Em um experimento conhecido como RBX1, o Mythos Preview alcançou uma taxa de sucesso de 40% — em comparação com os 3,7% obtidos por participantes de uma competição organizada pela Adaptyv Bio — e seu melhor projeto superou os concorrentes em termos de afinidade.

O Opus 4.8 também gerou com sucesso vários ligantes direcionados ao TNF-α, uma proteína de grande interesse terapêutico que anteriormente havia desafiado diversos especialistas. No entanto, também ocorreram falhas: nenhum dos 90 projetos criados para visar a MBP resultou em um ligante confirmado.

Quando um químico sintetiza uma molécula, ele precisa verificar se realmente produziu a substância pretendida e determinar qual porcentagem da amostra consiste no composto correto. Esse processo envolve técnicas como RMN e LC-MS, que geram arquivos de dados brutos posteriormente processados ​​por meio de softwares especializados.

A Anthropic forneceu esses arquivos ao Opus 5 e encarregou-o da análise; após apenas 20 minutos por técnica, o modelo calculou uma pureza de 96,4% — praticamente idêntica ao valor de 96,33% obtido em laboratório. Em suma, o Claude conseguiu automatizar uma tarefa analítica que, tipicamente, é tediosa e exige a expertise de um químico especializado.

Essas conquistas sugerem que um modelo de IA pode atuar como um agente de pesquisa capaz de consultar literatura científica especializada e utilizar esses dados — em conjunto com softwares específicos — para determinar os próximos passos do processo de pesquisa.

Avançamos da matemática para o design e a criação de medicamentos; embora estejamos longe de afirmar que a IA pode projetar fármacos totalmente novos, o progresso da Anthropic com o Claude é notável.