夜雨聆风学习资料网

ARTICLE · 1324671

AI开始走进湿实验室:Claude如何参与完成一项Vault蛋白研究

AI开始走进湿实验室:Claude如何参与完成一项Vault蛋白研究
如果把AI放进生物实验室,它能参与到什么程度?2026年11月5日,Anthropic公司的研究团队在bioRxiv发表预印本:
Prokaryotic homologs of the major vault protein form engineerable vault nanocapsules,论文第一作者为Januka S. Athukoralage,Matthew G. Durrant和Nicholas T. Perry为共同通讯作者。
这项研究发现,细菌和噬菌体中的主要穹隆蛋白同源物可以组装成完整的Vault纳米颗粒。研究人员还解析了其中一种颗粒的高分辨率结构,并通过改造蛋白,让这个“纳米胶囊”进一步扩容。
更受关注的是,Claude几乎贯穿了整个研究过程。论文明确写道:研究中的全部代码由Claude编写,全部计算分析由Claude执行,但分析由人类作者指导,作者对最终内容负责。

一个发现40年,功能仍是谜的巨大颗粒

Vault是一种大型中空核糖核蛋白颗粒,1986年首次被发现。它的外形类似教堂拱顶,因此得名“Vault”。
哺乳动物Vault主要由78个主要穹隆蛋白,也就是MVP组装而成。研究者曾推测它参与药物耐受、物质运输、细胞信号和免疫调控,但其核心功能至今仍未完全明确。
既然真核生物中的Vault很难研究,Anthropic团队决定寻找细菌、古菌和噬菌体中的MVP同源蛋白,希望建立一个更简单的实验体系。

Claude参与了哪些工作?

研究团队从约150亿条预测蛋白序列中搜索MVP同源物,发现相关蛋白分布于29个细菌门和4个古菌门。
随后,他们选择44个候选蛋白进行表达测试。Claude参与了序列检索、DNA构建设计、代码编写、数据分析、纯化方案优化及冷冻电镜数据处理。研究人员则负责选择候选、开展实验、检查结果并决定下一步方向。
在蛋白分离阶段,团队希望用体积排阻色谱替代耗时数天的传统方法。Claude最初反对,因为蛋白聚集体也会较早洗脱,一个“大分子峰”并不能证明Vault已经正确组装。
研究人员认为,这个问题可以通过电镜进一步判断,因此继续尝试。Claude随后帮助选择色谱柱和检测方法,并提出将澄清后的细胞裂解液直接上样。最终,团队将从细胞样品到电镜制样的时间缩短到约90分钟。
电镜结果显示,7种候选蛋白形成了Vault样颗粒,冷冻电镜进一步确认其中4种具有完整结构。
这个过程很能说明真实的人机协作:AI快速提出方案和风险,人类判断风险是否可控,并用实验给出答案。

噬菌体也能制造Vault

研究团队重点解析了噬菌体来源的L05颗粒,获得标称分辨率为3.2 Å的冷冻电镜结构。
L05 Vault由96条相同蛋白链组成,比哺乳动物Vault的78条更多。它的形状更短、更宽,内部容积却比人类Vault大约25%。
研究人员还发现,改变蛋白链之间的关键接触位点,甚至一个氨基酸突变,就可能使封闭颗粒变成开放的花环状结构。这说明,少数关键接触足以影响整个纳米外壳的组装。
更有意思的是,原始L05蛋白带有7个侧壁重复单元。研究人员给它增加2个重复单元后,蛋白仍能正常组装,颗粒内部容积进一步增加约20%,比人类Vault大约50%。
这意味着Vault的尺寸具有可调节性。未来如果能解决货物装载和释放问题,它可能成为酶、核酸或药物分子的纳米载体。不过,这篇论文只证明了结构能够扩容,还没有建立成熟的递送系统。

AI也犯了真实的实验错误

Anthropic也公布了Claude失败的地方。
项目早期,Claude生成的一份方案加入了会影响DNA进入细胞的培养基成分,导致研究延误约两周。在冷冻电镜数据处理时,它还跳过了一个标准步骤,生成了混入镜像信息的错误密度图,之后由研究人员发现并纠正。
这说明,AI可以快速生成完整方案,但“完整”并不代表“正确”。特别是在研究者不熟悉的领域,一个看起来很专业的输出反而更容易让人放松警惕。
Anthropic称,Claude在约34小时内得到首个完整结构模型,最终密度图约一周完成。但这一过程使用了内部多智能体系统和大规模GPU资源,并有人类持续指导,不能简单理解为“AI独立完成了结构解析”。

AI真的开始独立做科研了吗?

这篇论文并没有解开Vault的天然功能,也没有证明AI可以独立完成科学研究。
更准确的表述是:这是一项由人类提出问题、进行实验、作出判断并承担责任,Claude贯穿计算分析和实验设计流程的人机协作研究。
Claude像一名速度很快、知识面很广,却需要持续监督的研究合作者。它能搜索序列、设计构建、写代码、运行分析,也会遗漏关键步骤,甚至给出看似合理的错误方案。
这项研究真正值得关注的,不只是找到了一种新的Vault结构,而是AI开始连接过去分散的科研环节。
未来科研人员的优势,可能不仅来自会做多少实验、掌握多少软件,还来自能否提出正确的问题、识别AI的错误,并知道什么时候应该听取它的建议,什么时候应该相信自己的判断。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料