AI4Bio 前沿 · 2026 年 10 月 6 日

Anthropic 蛋白设计赛第二题上线:一周时间,做出修美乐做不到的事

第二题靶点 TNF-α:同一序列要结合人源与小鼠 TNF-α,还要在 pH 7.4 结合、pH 6.0 释放——这是上市抗体没做到的事。提交 10 月 11 日截止。

10 月 5 日,Anthropic 与 Adaptyv 联合发起的全球蛋白设计挑战赛放出第二题:靶点 TNF-α,设计一个"条件结合"蛋白。题目给的窗口只有一周,但就在今天(10 月 6 日),第一题 EGFR 的提交才刚刚截止——两个窗口几乎无缝重叠。

这场比赛的盘子很大:100 万美元 Claude 额度、100 万美元湿实验验证、25 万美元 Modal 算力,5000 多个设计将被真实合成并测试,DNA 由 Twist Bioscience 提供。但第二题真正值得看的,是题目本身。

$1M+
Claude 额度
$1M+
湿实验验证
5,000+
设计进自动化实验室
5
道前沿考题 · 每周一道
第二题官方题卡
第二题官方题卡:设计一个 TNF-α 条件结合蛋白,10 月 5 日至 11 日开放提交(图源:ProteinBase)
01

一道题,三个条件

TNF-α(肿瘤坏死因子 α)是抗体药历史上最值钱的靶点之一。靶向它的修美乐(阿达木单抗)2022 年卖出 212.4 亿美元,累计销售额超过 2000 亿美元。但即便是这款"药王",也没能拿下这道题里的两个条件。

TNF-α 三聚体结构
TNF-α 三聚体晶体结构(PDB 1TNF):三个原聚体的交界处形成受体结合位点(图源:RCSB PDB)

这类药物通过堵住三聚体上的受体结合位点,治疗类风湿关节炎与克罗恩病。赛题给的靶点是可溶性三聚体,157 个氨基酸,官方建议打两个原聚体交界处的表位——修美乐结合的正是这个位置。但光结合不算赢,题目叠了三个条件:人源结合、小鼠交叉、pH 选择性。

排名规则把态度写得很明白。官方 FAQ 甚至写明:一个亲和力弱但明确 pH 敏感的 binder,可能比高亲和力却不敏感的更有影响力。

pH 选择性排第一,小鼠交叉排第二,亲和力这项传统硬指标只排第三
三个设计目标与排名优先级
第二题的三个设计目标与官方排名优先级(图源:BioTender 根据 ProteinBase 赛题页整理绘制)
02

抓住容易,放手难

三个条件里,第三个最刁钻。pH 7.4 是血液的环境,pH 6.0 接近早期内体。设计要求同一个分子在血液里牢牢抓住 TNF-α,进入酸性的内体后又要立刻松手,但这两个条件之间只差 1.4 个 pH 单位。

"松手"是一套真实的药物工程技术。抗体抓住靶点后会被细胞内吞,如果在酸性内体里不放手,抗体就和靶点一起被降解;但会放手的抗体能被回收进血液等待下一轮结合——同样的剂量,更长的药效。行业里把这类分子叫"回收抗体"(recycling antibody)。

pH 依赖结合机制示意
pH 依赖结合的工作原理:血液中结合、内体中释放、靶点降解、binder 回收再利用(图源:BioTender 绘制)

这条路线人类走了很多年。中外制药(Chugai)用它做出了萨特利珠单抗(satralizumab)等上市药,现在,赛题给 AI 的时间只有一周。

每一个 pH 依赖抗体的背后,都是多年的定向进化与筛选
03

修美乐做不到的事

第二个条件同样来自真实痛点。EMA 审评文件显示,修美乐对人 TNF-α 的中和 IC50 约为 0.1 nM,但对小鼠 TNF-α 弱了 3 个数量级以上(>200 nM),对大鼠则完全不结合。它在临床前没法用普通小鼠评估药效,药企只能用替代分子(surrogate)在小鼠体内模拟人体药理——能救急,但终究只是近似。

修美乐的物种鸿沟
修美乐对人源与鼠源 TNF-α 的中和活性差距,以及人鼠序列同一性(图源:BioTender 根据 EMA 审评文件与 ProteinBase 数据绘制)

有意思的是,人鼠 TNF-α 可溶域的序列同一性达 79%(156 个比对残基中 124 个相同)。赛题把它列为第二优先级,等于把产业痛点直接变成了考题。

序列足够像,交叉反应理论上可行,但上市抗体一个都没做到
04

选手是 AI,评委也是

这场比赛从设计上就假定选手是 AI。官方 FAQ 第一页写道:"我们建议把这份 FAQ 提供给你的 Claude。"但同一页还警告:在提交材料中嵌入 prompt injection(提示词注入),可被取消参赛资格。

FAQ 引言卡
竞赛官方 FAQ 的第一条建议,以及针对提示词注入的禁令(图源:BioTender 根据 ProteinBase FAQ 绘制)

评委也部分是 AI。每题约 1500 个设计能进湿实验,Track 1 的入选队伍占去一半;Track 2 和 3 的设计则全部交给一个 Claude 工作流筛选,每题各约 375 个。选拔提示词由 Anthropic 与 Adaptyv 事先写好,但赛后才会公开。

规则里还有一条硬约束:所有设计必须 de novo 且 zero-shot。不许从任何已知 binder 出发改造,必须从零生成。你可以用已知 binder 校准筛选指标,但拿修美乐的序列改一改交上去,行不通。

Claude 设计 campaign 的花费与得分
不同 Claude 模型驱动设计 campaign 的花费与 in silico 结合得分:虚线为 Anthropic 此前 1 万美元 GPU 预算 campaign 的水平(图源:Anthropic)

Anthropic 自己的数据解释了比赛为什么这样设计。其技术博客显示,Claude 驱动的设计 campaign 花几十到几百美元算力,就能达到此前 1 万美元 GPU 预算 campaign 的 in silico 结合水平。

设计的边际成本正在塌缩,但湿实验验证没有
05

一周之后,看什么

这场比赛是 Anthropic 生物布局的一环。9 月 17 日,Anthropic 宣布 Claude 在 4 周内优化了 30 多个开源生物分子模型,平均提速约 4 倍:BindCraft 4.9 倍,ESM-IF1 达 10.1 倍。优化代码全部开源,但 Anthropic 显然更希望社区拿着这些工具来参赛。

开源模型提速倍数
Claude 优化后的开源蛋白设计与折叠模型提速倍数(图源:Anthropic)

8 月,Adaptyv 的自动化实验室实测了 Claude 设计的 1320 个蛋白:95% 成功表达,354 个结合目标,命中率 26.8%,16 个靶点中 14 个出了 binder。成绩亮眼,但那 16 个都是旧赛靶点,这次的五道题全是新题。

Claude 湿实验成绩单
2026 年 8 月 Claude 设计蛋白的湿实验成绩单(图源:BioTender 根据 Adaptyv 博客数据绘制)

参赛门槛不高。Track 3 对所有人开放,自带工具即可;提交只需一个 CSV:序列 10 至 250 个氨基酸,每人最多 20 条(Track 1 为 40 条),本周日 23:59 AoE 截止。没有现金奖,但所有实验数据包括失败结果,都将以 ODC-BY 许可在 ProteinBase 公开。

悬念要留到 11 月。第一批湿实验数据预计 11 月初公布,但pH 敏感与亲和力往往互斥,湿实验也可能延期重跑——官方在 FAQ 里提前打了预防针。五道题的后面几道,还有 peptide-MHC 复合物和 GPCR 在排队。

竞赛总览
Anthropic × Adaptyv 蛋白设计挑战赛:五道题、5000 多个设计进湿实验,结果全部公开(图源:ProteinBase)

真正的问题是:人类抗体工程花了几十年才部分解决的条件结合,AI 用一周能做到什么程度?排行榜会给出名次,但真正的答案藏在那 1500 个即将被真实合成的分子里。