Claude Science: Anthropic-KI entwirft Proteine mit 26,8% Erfolgsquote
Veröffentlicht am: 19.08.2026 um 09:42 Uhr | Redaktion boerse-global.de
Das Technologieunternehmen Anthropic hat neue Leistungsdaten seiner Plattform Claude Science veröffentlicht, die eine signifikante Beschleunigung und Effizienzsteigerung im Bereich des Proteindesigns belegen.
Die Plattform, die seit Ende Juni 2026 verfügbar ist, integriert über 60 wissenschaftliche Datenbanken und ermöglicht das autonome Design von Proteinbindern. Jüngste Labortests bestätigen nun die Validität der durch die Künstliche Intelligenz (KI) erzeugten Strukturen.
In einer Versuchsreihe entwarfen die Modellvarianten Mythos Preview und Opus 4.8 Proteinbinder gegen 15 verschiedene Zielmoleküle (Targets). Bei 14 dieser Ziele verlief der Prozess erfolgreich.
Von insgesamt 1.320 erstellten Designs banden 354 im realen Labortest, was einer Trefferquote von 26,8 % entspricht. Damit übertrifft das System die Effizienz konventioneller Methoden, die üblicherweise Erfolgsquoten zwischen 10 % und 15 % erreichen.
Differenzierte Leistungsdaten der Modellvarianten
Die Auswertung der Testergebnisse zeigt Unterschiede zwischen den eingesetzten Modellen. Während die Mythos Preview bei Einzel-Target-Kampagnen eine Trefferquote von 35,1 % erzielte, lag der Wert bei Multi-Target-Einsätzen bei 26,7 %. Das Modell Opus 4.8 erreichte eine Quote von 22,6 %. Besonders vielversprechend zeigten sich die am höchsten bewerteten Entwürfe: Von den sogenannten Top-Designs banden im Laborexperiment 49 %.
Ein detaillierter Vergleich wurde am Beispiel des RBX1-Targets durchgeführt. Hier lieferte die Claude Science Plattform 28 bindende Designs aus 90 Vorschlägen. Im Gegensatz dazu erreichte ein Wettbewerbsansatz lediglich 9 Bindungen bei 245 Versuchen.
Auch die Bindungsstärke, ausgedrückt durch die Dissoziationskonstante (Kd), war bei den KI-Entwürfen mit 3,9 nM deutlich ausgeprägter als der Vergleichswert von 45 nM.
Die 26,8% Trefferquote von Anthropics Claude Science zeigt: KI-Proteindesign ist keine Zukunftsmusik mehr, sondern liefert heute validierte Ergebnisse. Für Forscher und Entscheider, die ihre Erfolgsquoten steigern wollen, bietet unser Leitfaden die wichtigsten Strategie-Hebel – von der Integration in bestehende Workflows bis zur Kosten-Nutzen-Bewertung. Jetzt kostenlosen Praxisleitfaden anfordern
Bei mindestens vier Targets übertrafen die Designs die bisher in der Fachliteratur publizierten Affinitätswerte. Zudem banden 130 von 233 Entwürfen das entsprechende Maus-Ortholog, was für die Übertragbarkeit der Ergebnisse relevant ist.
Integration etablierter Analysewerkzeuge
Technologisch greift die Claude Science Plattform auf eine Kombination spezialisierter Verfahren zurück, darunter RFdiffusion, ProteinMPNN und AlphaFold. Als Beta-Partner unterstützt das Unternehmen Manifold Bio die Erprobung der Plattform. Neben der Design-Erstellung wurde das Modell Opus 5 zur Analyse von komplexen Labordaten eingesetzt.
Die Auswertung von NMR-Daten beanspruchte 23 Minuten, während LC-MS-Daten in 19 Minuten verarbeitet wurden. Die von der KI ermittelte Produktreinheit von 96,4 % stimmte dabei fast vollständig mit dem im Labor gemessenen Wert von 96,33 % überein.
Zeit- und Kosteneffizienz im Fokus
Während konventionelle Methoden bei 10–15% Erfolgsquote stagnieren, erzielt Claude Science 26,8% im Labortest – bei 24 Stunden Bearbeitungszeit pro Target. Wer seine Entwicklungszeiten verkürzen will, findet in diesem Report eine konkrete Validierungs-Checkliste und eine Kosten-Nutzen-Analyse für den Laboreinsatz. Leitfaden zur KI-Validierung jetzt sichern
Ein wesentlicher Aspekt der neuen Plattform ist die Reduktion von Zeitaufwand und Kosten in der frühen Phase der Arzneimittelentwicklung. Anthropic beziffert den Aufwand für ein einzelnes Target auf 10.000 US-Dollar bei einer Bearbeitungszeit von 24 Stunden. Umfangreichere Multi-Target-Kampagnen können innerhalb von 48 Stunden für 50.000 US-Dollar durchgeführt werden.
Trotz der laborvalidierten Erfolge weist das Unternehmen darauf hin, dass die vorliegenden Ergebnisse bisher keinem Peer-Review-Verfahren unterzogen wurden. Dennoch markieren die Daten einen wichtigen Punkt in der Entwicklung autonomer KI-Systeme für die Biowissenschaften, da sie zeigen, dass hochaffine Binder gegen komplexe Ziele mit einer deutlich höheren Erfolgswahrscheinlichkeit als bisher möglich generiert werden können.
