Claude帮Anthropic解析原核Vault结构：纯化缩至90分钟、34小时出模型

11月5日，Anthropic公开了旗下生物学研究团队的一项新成果：他们用Claude首次解析出原核生物Vault（穹窿颗粒）的完整三维结构。这项工作牵涉蛋白质数据库检索、实验方案设计、蛋白质纯化以及冷冻电镜图像分析等环节。其中，Vault颗粒的纯化在Claude协助下从传统流程的约3天压到90分钟，首个结构模型34小时内完成。

10月27日，Anthropic曾披露与六家药物研发机构的合作，探索Claude在药物开发各环节的用途。这次的Vault研究，则把它在基础生物学实验里的应用路径摆了出来。

研究拿到了一种此前未被完整解析的蛋白质复合物结构，也让人看到AI介入生物学研究的具体方式：模型能把数据检索、实验设计与结果分析串起来，在研究人员指导下参与真实实验流程。按Anthropic的说法，这种能力有望继续延伸到靶点研究、蛋白质工程以及药物研发中的实验迭代环节。

从海量蛋白质序列中寻找Vault

Vault是一种体积较大的囊泡状蛋白质复合物，几乎所有人体细胞里都有。1986年被发现至今，它的具体生物学功能仍没有充分解释。研究者提出过它可能参与细胞内物质运输、细胞保护等过程，但目前没有定论。

此前，研究人员已在原核生物及相关病毒中找到与Vault蛋白存在进化关联的蛋白质序列，不过这些蛋白能否组装成完整的Vault结构，一直缺少直接证据。

Anthropic这次从噬菌体入手。噬菌体是感染细菌的一类病毒，其蛋白质需要借助细菌宿主完成表达。团队想找到能形成Vault结构的候选蛋白，同时利用原核生物生长快、实验周期相对较短的特点，搭一套更容易开展研究的实验体系。

这一环节里，Claude参与了大规摸蛋白质序列检索与候选筛选。团队从约150亿条预测蛋白质序列中锁定目标，之后挑出44种候选蛋白做实验验证，最终确认来自噬菌体的L05蛋白能够组装成Vault颗粒。

研究人员让L05蛋白在大肠杆菌中表达，再用冷冻电子显微镜（cryo-EM）解析结构。结果显示，该Vault由96个相同蛋白质拷贝组成，总分子量约950万道尔顿，是目前报道的原核生物中体量较大的蛋白质壳体之一。

对照来看，人类Vault由78个主要Vault蛋白拷贝组成。两者在尺寸、内部空间和蛋白质重复结构上都不一样。

Claude参与实验流程，缩短结构解析周期

这项研究更值得关注的部分，是Claude介入了从计算分析到实验操作方案设计的多个环节。

研究初期，Claude帮忙搜索蛋白质数据库、设计DNA构建体，还协助研究人员确定候选蛋白的实验验证路径。到了实验阶段，它又参与优化蛋白质分离和纯化方法。

关键改进之一出在纯化流程。传统方法样品处理比较繁琐，通常要花约3天。Claude提出，可以试试把破碎细胞后的混合物直接上样至层析柱，省掉部分前置纯化步骤。研究人员评估并做了实验验证，最终把从细胞样品到冷冻电镜载网制备的流程压缩到约90分钟。

结构解析阶段，Claude也参与处理冷冻电镜数据。团队用相关软件分析大量颗粒图像，一步步重建蛋白质复合物的三维结构。Anthropic披露，首个完整结构模型在34小时内生成；按团队估计，传统流程走完这一阶段通常要数周。

拿到完整结构后，团队又用蛋白质变体实验验证Vault的组装机制。他们设计了15种L05蛋白变体，多数改动落在相邻蛋白质分子的接触区域。实验发现，部分位于颗粒顶部的单点变化就足以让壳体无法正常闭合，原本封闭的Vault变成开放的花环状颗粒。

研究人员还通过增加蛋白质内部的重复片段来改变Vault尺寸。L05蛋白原本有7个重复单元，团队复制其中两个片段，把重复单元增至9个，成功组装出更大的Vault颗粒，内部容积增加约20%。这说明Vault的结构有一定工程化改造空间，也为理解它在进化过程中可能发生的尺寸变化提供了线索。

AI参与科研的边界在扩展，但需准确的专业判断

除了解析出Vault的三维结构，Claude还协助研究人员在蛋白质内部找到一个此前未被关注的小分子口袋。冷冻电镜图谱显示，该口袋中存在一种小分子，形状与辅酶A相似，身份尚未确定。这一发现为后续研究Vault的生物学功能提供了线索。

Anthropic认为，Vault的中空结构未来有望开发成纳米胶囊，用来递送酶等生物分子。不过，Vault在天然宿主中的形成机制及具体生物学功能尚未明确，研究人员也没有证明它在自然环境中承担物质运输或递送作用。能否把它改造成稳定、可控的纳米载体，并实现酶等生物分子的有效装载与递送，还得看进一步的工程化研究和实验验证。

Anthropic称，这项研究体现了一种新的科研协作模式。其团队表示，成员过去没有大型蛋白质复合物研究经验，结构生物学知识储备也有限；Claude承担了专业知识检索、实验方案设计和数据分析等工作，帮助团队推进此前不熟悉的任务，并把原本耗时更长的分析工作快速完成。从候选筛选、样品制备到完成首个原核生物Vault结构解析，整个项目用时不到四个月。

不过，Claude在参与实验科学时并非每次都能给出正确答案。研究中，它曾提出一种培养基方案，其中含有干扰DNA进入细胞的成分，导致项目延误两周；在早期冷冻电镜数据处理中，它还跳过标准步骤，生成了有问题的结构图谱。这些错误需要研究人员及时发现并纠正。

Anthropic团队把实验记录反馈给模型训练人员，帮助他们了解Claude在科研任务中的错误，并改进模型训练数据。随着新版本模型陆续推出，Claude在相关任务中的表现有所提升，DNA构建体设计中的错误减少，对实验潜在风险的识别能力也有所改善。

说到底，眼下这种科研协作方式还是离不开研究人员的专业判断。Anthropic团队的说法是，在研究者熟悉的方向上，Claude出的错通常能被很快发现；可一旦碰到自己知识储备不够的环节，这些错误就会额外吃掉时间。

换句话说，专业判断不足带来的风险，Claude并没有帮研究团队消掉。

以前聊AI药物研发，话题多落在蛋白质结构预测、分子生成、靶点识别、候选化合物筛选这类计算任务上。这次研究不一样：AI围绕一个具体的科学问题，从头到尾参与文献与数据库检索、实验方案设计、样品制备方法优化，还处理了实验数据，把几个原本分开的环节串了起来。

放到AI制药行业看，往后要盯的指标里，还会有这么几条：模型能不能让实验效率一直往上走、让研发迭代的质量变好，以及能不能帮研究团队拿到过去难以做出的实验结果。