---
id: "mb-20261021-97ea60"
kind: "deep"
title: "华尔街分析师用 Claude 64 小时设计出抗毒蛋白，AI 如何重构蛋白质研发成本？"
description: "华尔街金融研究机构 Citrini Research 借助 Anthropic 的 Claude 模型，在 64 小时内调度 300 多个智能体完成 31.8 万个候选结构的筛选，并经湿实验证实 17 个全新蛋白质能紧密结合致命蝎毒。"
domain: "ai"
domain_label: "AI 与大模型"
canonical_url: "https://mubeitech.com/deep/mb-20261021-97ea60"
markdown_url: "https://mubeitech.com/deep/mb-20261021-97ea60/markdown"
json_url: "https://mubeitech.com/api/interpretations/mb-20261021-97ea60"
topic: "华尔街分析师用 Claude 64 小时设计出抗毒蛋白，AI 如何重构蛋白质研发成本？"
source_type: "generated"
status: "published"
generated_at: "2026-10-21 08:20:59"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 华尔街分析师用 Claude 64 小时设计出抗毒蛋白，AI 如何重构蛋白质研发成本？

全世界每年有超过上百万人被毒蝎蜇伤，解毒的办法却还在用 19 世纪的老规矩：抓蝎子挤毒液，打进马的身体里，等几个月再去抽马血。
从马血里提炼的抗毒血清不仅昂贵，需要全程冷链运输，打进人体还经常引发严重的过敏反应和血清病。
但一百多年来，几乎没人去给它研发一款现代替代药物。
原因很残酷：被毒蝎蜇伤的，绝大多数是墨西哥、北非和南美偏远农村的贫困农民。
大药厂研发一款新药要烧掉十几亿美元，根本收不回成本，索性直接把它划为被忽视的热带病，没人愿意投资。
直到几天前，一家只有 5 个人的华尔街金融研究团队 Citrini Research，决定自己动手。
他们没有自己的生物实验室，团队成员没有一个拥有生物学博士学位。
他们带着 20 万美元的预算，走进了 Anthropic 的办公室。
他们给 Claude 准备了一份长达 35 页的提示词。
这份提示词由人类分析师与 AI 在此前几个月里，反复推演、对话磨合而成，是一份详尽的工程规格书。
里面明确圈定了任务：针对墨西哥刺尾蝎、巴西黄蝎等全球最危险的 5 种毒蝎神经毒素，设计全新的小微型结合蛋白。
任务启动后，Claude 调动了 300 多张 GPU 算力，在云端并发裂变出 300 多个子智能体。
这 300 多个智能体各司其职，在后台组成了一条全自动研发流水线。
它们自动查阅文献、抓取蛋白质结构数据库、调用专业的分子计算工具、生成蛋白质三维骨架、调整氨基酸序列，并实时评估分子表面的结合契合度。
在连续运行的 64 个小时里，这批智能体一共探索了超过 31.8 万个候选分子结构。
整个筛选、评分、淘汰和迭代的过程，全部在算法内部自主完成。
甚至连订购实验材料的杂活，AI 也接管了。
它自动把设计好的蛋白质序列整理成标准化格式，直接发邮件联络基因合成公司 Twist Bioscience 和蛋白质测试实验室 Adaptyv Bio，自主完成了下单和规格沟通。
从输入提示词，到选定 211 个全新人工蛋白质送往实体实验室合成，总共只花了 64 小时。
屏幕上的模拟跑得再漂亮，终究只是代码。
分子到底管不管用，必须进试管见真章。
合作实验室合成了这 211 个完全由 AI 设计的物理蛋白质，用表面等离子共振技术进行了严格测试。
测试结果令人震惊。
在送检的 211 个候选蛋白里，有 17 个在真实的试管环境中，成功紧密结合了目标神经毒素。
这 17 个有效分子覆盖了 5 种致命毒素中的 4 种。
其中针对墨西哥剧毒刺尾蝎 Cn2 毒素的两个分子，亲和力达到了纳摩尔级别。
纳摩尔级意味着什么？
意味着这两个人工设计的微型蛋白质，与靶点结合的紧密程度，已经达到了自然界哺乳动物成熟抗体的水平。
当然，这绝不等于一款真正的人工抗蝎毒药物已经诞生。
必须把边界划得清清楚楚：试管里的紧密结合，不等于体内的生物中和。
能抓住毒素，和能不能阻止毒素去破坏人体神经细胞的离子通道，是两码事。
这些分子能否真正救命，还需要后续漫长的细胞实验、活体动物实验以及毒理测试。
而且，团队最初设想过一个更大的野心：让 Claude 设计出一个能同时通杀 5 种毒蝎的万能通用分子。
这个尝试彻底失败了，正如 Claude 在初期计算后自己做出的推测：这几种毒素的物理结构差异过大，强行捏合在物理规律上站不住脚。
既然还没成药，那它为什么会在整个科学界和投资界引起如此大的震动？
答案不在于蝎毒本身，在于研发的成本结构发生了断崖式位移。
从零设计一个能精准结合靶点的全新蛋白质，过去是生物物理学最昂贵的高地。
它需要一个顶尖的计算生物学团队，需要多位专家花费数月甚至数年时间，手动调试参数、配置算法管道，经历无数次失败才能筛出几个苗头。
每一次尝试，背后都是几百万美元的人力投入与漫长时间。
而这一次，几个没有受过专业湿实验训练的金融分析师，靠着 20 万美元预算和一份精心编写的提示词，让 300 多个智能体在三天不到的时间里，跑通了整个从文献到分子设计的全流程。
AI 没有消灭后端的实体检验，DNA 依然要在试管里合成，分子活性依然要在仪器上测定。
但它把前期假说生成与高维筛选的边际成本，直接打到了地板上。
那些因为受众贫困、商业回报无法覆盖研发成本而被冷落了几十年的疾病，第一次有了在商业和工程上被重新拾起的可能。
科学探索的瓶颈，正在从昂贵而缓慢的人脑试错，转变为实体实验室的通量承载力。

_Canonical: <https://mubeitech.com/deep/mb-20261021-97ea60> · Source: 墓碑科技 MUBEITECH (mubeitech.com)_
_Rendered by mubei-terminal._