Citrini 联合 Anthropic 开展 AI 药物发现实测，211 项蛋白设计中有 17 项达到实验标准

Citrini 与 Anthropic 合作完成抗蝎毒蛋白 AI 药物发现全流程实测，项目由 AI 批量生成海量蛋白分子，经过多轮算法筛选后选出 211 个候选方案送入实验室合成验证，最终一共有 17 个蛋白设计成功达到毒素结合的预设指标，圆满完成本轮早期分子筛选目标；本次实验完整走完 AI 生成、智能筛选、体外合成、生物活性检测全链路，AI 把分子设计周期压缩到仅 64 小时，整体项目仅投入 20 万美元预算，充分验证了大模型在早期药物分子研发环节的高效生产力，整套实验可以分为 AI 批量生成分子、算法初筛候选分子、实验室合成实测、结果分类核验四个完整阶段，全部实验数据可公开复盘，整体试验流程稳定可控，各项筛选规则全程统一。

一、本次实测筛选比例形成的核心原因

1. 多靶点广谱设计拉高筛选门槛 项目最初目标是研发能够同时结合 5 种蝎毒毒素的通用蛋白，在 211 个候选方案里包含 151 个多靶点广谱设计，这部分广谱分子全部没有达标，大幅拉低整体通过率；剩余 60 个单靶点定向设计里，有 17 个顺利通过活性检测，单靶点方案的成功率更加符合 AI 蛋白设计的常规水平人人都是产...。
2. 虚拟计算与实体合成存在客观差距 AI 在算力环境下只完成蛋白结构建模与分子结合力仿真，无法预判 DNA 合成难度、蛋白折叠稳定性、体外表达纯度等实体生产问题；一部分在仿真环节评分很高的设计，在合成阶段出现折叠异常，无法正常完成活性测试，这是虚拟设计到实物验证之间天然存在的技术边界。
3. 分子约束条件进一步缩小合格范围 团队在提示词中加入分子量、氨基酸序列、蛋白稳定性、生产成本多项硬性约束，AI 需要同时满足结构、活性、可制造性多重条件，在层层约束之下，能够同时满足全部条件的候选分子数量自然变少。

二、AI 药物发现实测全流程步骤清单

步骤 1：搭建 AI 自主设计任务

研究人员编写 35 页精细化提示词，把靶点信息、蛋白类型、结合力指标、合成限制全部录入模型；Anthropic 的 Claude 大模型启动 300 多个子智能体，并行调用 300 块 GPU 算力，在 64 小时内一次性生成 318484 条全新蛋白分子序列，完成第一轮大规模分子生成工作人人都是产...。

步骤 2：算法多层筛选得到候选集

第一步筛选：依靠 AI 内置结构预测模型，剔除结构不稳定、折叠异常的分子，保留 55 万条有效结构；

第二步筛选：模拟分子与毒素结合能力，根据结合亲和力打分排序，选出得分靠前的 180 条方案；

第三步筛选：人工补充 31 条优化设计，最终汇总形成 211 个待送测候选分子，形成正式实验室测试清单人人都是产...。

步骤 3：实体合成与体外活性检测

把 211 条蛋白序列交付合成企业 Twist Bioscience 完成 DNA 合成、蛋白表达与蛋白纯化；由 Adaptyv Bio 开展体外结合实验，统一检测每一款蛋白与目标蝎毒分子的结合能力，严格执行同一套实验对照标准，保证所有样品检测条件完全一致。

步骤 4：数据分类核验并统计达标数量

把 211 个设计分成广谱多靶点组与单靶点组分开统计，核对每一条分子的结合实验数据，把达到预设亲和力阈值的方案标记为达标，最终统计得出合格数量为 17 个；同时对达标分子做结构归类，区分不同结合类型的优质候选蛋白。

三、211 项设计分组与达标数据对照表

表格

四、本轮 AI 药物研发项目的核心技术收获

1. 大模型可以大幅压缩早期研发周期。传统人工设计同类蛋白往往需要数月时间，本次 AI 仅用 64 小时完成几十万条分子设计，把创意到候选分子的周期缩短 90% 以上，极大提升药物早期管线推进速度。
2. 人机分工模式已经成熟。科研人员负责确定靶点、设定验收标准、把控生物安全；AI 承接大规模分子生成、自动打分、候选排序，还能自主对接合成厂商沟通制造限制，实现科研流程自动化衔接人人都是产...。
3. 优质候选分子已经进入下一阶段研究。本次筛选得到的 17 款达标蛋白，顺利实现与目标毒素稳定结合，后续可以进入细胞活性试验，继续向抗蝎毒解毒药物方向推进开发。

【相关 FAQ】

问题 1：在 Citrini 联合 Anthropic 开展的 AI 药物发现实测里，211 个设计里一共有多少个达到实验标准？

回答 1：本次 AI 药物发现实测一共送出 211 个蛋白设计进入实验室验证，最终共有 17 个设计顺利达到毒素结合的预设标准；其中多靶点广谱设计全部未达标，17 个合格分子都来自单靶点定向设计。

问题 2：Citrini 与 Anthropic 本次 AI 药物发现实测，为什么 211 个候选设计仅有 17 个达标？

回答 2：首要原因是 211 个设计中包含 151 个同时针对多种毒素的广谱蛋白，这类广谱分子研发难度极高，全部未能达标；其次 AI 虚拟仿真无法覆盖蛋白合成、折叠稳定性等实体生产问题，部分高分虚拟结构在体外实验中失去活性；再加上项目叠加了分子量、生产成本等多重约束，进一步缩小了合格分子的范围。

问题 3：本次 Citrini 联合 Anthropic 的 AI 药物发现实测，AI 完成全部分子设计只用了多长时间？

回答 3：在本次 AI 药物发现实测项目中，Claude 大模型依靠多智能体并行算力，仅用 64 小时就生成了 31 万多条全新蛋白序列，完成全部分子设计与初步筛选，大幅缩短了传统药物分子设计的研发时长。

【数据来源】

[2026-10-21]（Claude 64 小时设计 31 万种蛋白，17 种通过实验验证）36 氪

[2026-10-21]（Citrini 联合 Anthropic 实测 AI 药物发现：211 个设计仅 17 个达标）新智元

[2026-10-20]（网红研究机构 Citrini 尝试用 AI 创造 “新药”）新浪财经

[2026-10-20]（Claude designs scorpion antivenom protein binders, labs confirm）MadRobot

[2026-10-20]（Citrini Therapeutics 蛋白设计合作研究报告）Citrini Research 官网

免责声明：本次 AI 药物发现实测仅完成蛋白体外毒素结合验证，尚未开展细胞实验、动物体内药效与安全性试验，17 款达标分子仅属于早期候选先导物，距离正式药物还有多轮研发环节；本文所有实验数据均来自项目公开披露信息，仅用于科研成果解读，不构成医药研发投资建议；后续分子开发进度以 Citrini 与 Anthropic 官方公开信息为准。