Contexte de l'expérimentation
Le cabinet d'investissement Citrini a collaboré avec Anthropic pour tester un modèle Claude non publié dans le but de concevoir un antivenin contre le venin de scorpion. Le projet a mobilisé près de 50 000 $ de ressources de calcul et de tokens, fournis par Anthropic, et a duré 64 heures. L’objectif était de créer des protéines capables de se lier aux toxines du venin, un processus habituellement réalisé en injectant le venin dans des chevaux.
Mécanisme de génération de protéines
Claude a reçu un prompt de 35 pages et a été chargé de lancer environ 300 sous‑agents. Au total, le modèle a produit près de 320 000 séquences candidates. Après filtrage des séquences ressemblant à des toxines connues ou à des protéines déjà existantes, 180 designs ont été retenus, puis 31 designs supplémentaires ont été ajoutés en collaboration avec les chercheurs, portant le nombre final à 211 protéines. Le filtrage s’appuie sur des critères de similarité de séquence et de prédiction de structure, mais ne garantit aucune activité fonctionnelle.
Évaluation expérimentale et limites biologiques
Les 211 protéines ont été synthétisées et testées par deux laboratoires externes – Adaptyv Bio (Suisse) et Twist Biosciences (USA) – pour mesurer leur capacité à se lier à cinq toxines ciblées. Le coût des essais s’est élevé à environ 150 000 $. Seize protéines ont démontré un lien avec quatre des cinq toxines, aucune n’ayant montré de liaison à plusieurs toxines simultanément. Cette capacité de liaison, bien que nécessaire, ne suffit pas à neutraliser le venin : aucune expérience n’a encore évalué l’inhibition fonctionnelle du toxin ni la stabilité in vivo des protéines.
Analyse critique du potentiel de l'IA en découverte de médicaments
Les experts de l'Université technique du Danemark soulignent que la découverte de «bonnes liaisons» est la partie «facile‑ish» du pipeline. Le vrai défi réside dans la traduction de ces liaisons en molécules thérapeutiques sûres, stables et efficaces, ce qui implique des études pharmacocinétiques, d’immunogénicité et de toxicité. Le fait que 17 protéines aient lié des toxines montre que les modèles de génération de séquences peuvent explorer un espace protéique vaste, mais le taux de conversion (binding / candidates) reste très faible (<0,01 %). De plus, le contournement des garde‑fous de bio‑sécurité d’Anthropic indique que les modèles actuels ne discriminent pas automatiquement les applications potentiellement dangereuses, soulevant des questions d’éthique et de régulation. Enfin, le recours à des laboratoires externes pour la validation biologique, plutôt qu’à un laboratoire interne d’Anthropic, augmente les coûts et les délais, limitant la rapidité d’un cycle itératif «IA‑in‑the‑loop».
