A Anthropic apresentou em 20 de outubro um experimento de desenho de proteínas com um modelo interno de pesquisa do Claude. Dos 211 projetos avaliados em laboratório, 17 atenderam aos critérios de ligação a toxinas. O resultado oferece candidatos para investigação, sem demonstrar um antiveneno eficaz.

O trabalho foi desenvolvido com a Citrini Research e teve testes conduzidos pela Adaptyv Bio e pela Twist Bioscience. Segundo a Anthropic, a etapa computacional durou 64 horas, com um pedido inicial e quatro intervenções posteriores. Esse tempo não representa o desenvolvimento completo de um medicamento.

O que significa uma proteína se ligar à toxina

Uma proteína ligante, ou binder, é desenhada para se prender a um alvo. Essa interação pode ser útil para pesquisar uma possível intervenção, mas não estabelece que a ação tóxica foi interrompida.

A empresa reconhece que os testes usaram toxinas recombinantes, produzidas em laboratório, e não comprovaram neutralização em células nem eficácia em animais. Portanto, a conclusão sustentada é ligação experimental, não proteção contra o veneno.

Os resultados também mostram onde a abordagem falhou

O conjunto de dados publicado pela Anthropic distribui os 17 ligantes assim:

Toxina

Cn2

Projetos classificados como ligantes
7
Toxina

AaH II

Projetos classificados como ligantes
4
Toxina

AaH I

Projetos classificados como ligantes
4
Toxina

LqhIII

Projetos classificados como ligantes
2
Toxina

Ts1

Projetos classificados como ligantes
0

Os ensaios de ligação foram realizados por ressonância plasmônica de superfície, técnica que mede interações moleculares. O conjunto disponibiliza os resultados dos laboratórios e informações por projeto, permitindo examinar diferenças e limitações.

A ausência de ligantes para Ts1 impede descrever o resultado como sucesso em todos os alvos. Tampouco a soma dos resultados demonstra que uma única molécula funciona contra várias toxinas.

O que a pesquisa permite concluir sobre IA

Na análise da MnzAI Labs, o avanço relevante está na conexão entre geração computacional de candidatos e avaliação física. A IA propõe possibilidades; os experimentos determinam quais merecem continuar.

Também é necessário separar o sistema interno utilizado no estudo do Claude disponível ao público. O relato não comprova que qualquer usuário, com uma assinatura comum, possa reproduzir as mesmas condições.

Uma molécula promissora é um ponto de partida experimental. Sua utilidade terapêutica precisa de evidências próprias.

Para acompanhar o próximo avanço, o critério é procurar validação de função, segurança e comportamento biológico, além da ligação ao alvo. Essa distinção preserva o valor científico do experimento sem antecipar uma conclusão clínica.

Fontes primárias em inglês: publicação da Anthropic e conjunto de dados. Checagem em 23/10/2026. Capa conceitual, sem representar uma estrutura molecular validada.