Claudeがタンパク質バインダーを自律設計｜湿式実験で業界2倍の成功率と創薬への距離

「これは印象的な成果ではない」。2026年8月20日、元製薬会社幹部のマーティン・シュクレリはXにそう書き込んだ。「ペプチドの親和性が低すぎる。細胞内タンパク質を標的にしたバインダーが1件もない。これでは実用的な探索分子にならない」（Stocktwits, 2026年8月）。

一方、Anthropicが同日に公開した技術報告には別の数字が並んでいた。ClaudeのMythos PreviewとOpus 4.8モデルが、人間の科学者の指示なしにタンパク質バインダーを設計し、独立した湿式実験室（ウェットラボ）で確認成功率22〜35%を記録した。業界平均は10〜15%。タンパク質設計の専門コンペティションに参加した人間チームの成功率3.7%を、特定ターゲットで40%が上回った（Anthropic公式ブログ, 2026年8月18日）。

どちらの主張も、それぞれ的を射ている。AI創薬の「今」は、この二つの声の間にある。

何が起きたか。事実を整理する

2026年8月18日、Anthropicは技術論文「Autonomous De Novo Protein Binder Design with Claude」を公開した。バイオテック企業Adaptyv BioとTwist Bioscienceが、Claudeの設計したタンパク質バインダーを実際に合成し湿式実験室で検証した独立試験の結果だ（Anthropic, 2026年8月18日）。

実験の枠組みはシンプルだった。Claudeに対して「このタンパク質に結合するバインダーを設計せよ」という指示と標的タンパク質名だけを与え、どのツールを使うか、何回設計を繰り返すか、どれを絞り込むかをすべてClaudeに委ねた。15種類の医薬品関連ターゲットタンパク質に対して1,320件の設計を生成し、実際に合成・検証したところ354件が実際に結合することが確認された。

成功した14番目のターゲットの成功率は40%に達し、Adaptyv Bioが別途開催した人間参加のデザインコンペティションの平均3.7%を大幅に上回った。唯一バインダーが確認されなかった標的はMBP（マルトース結合タンパク質）だった。MBPは表面が滑らかで結合の足場となる溝や窪みが少ない構造で、実験ではゼロ件の確認バインダーに終わった。なお当初は16標的で実験が組まれていたが、GDF-8（成熟型）は測定中のタンパク質凝集で実験データが不明瞭になったとして結果から除外され、最終的に15標的での評価となった。

湿式実験室での独立検証という点は重要だ。AI創薬の発表の多くはシミュレーション結果にとどまる。今回はAdaptyv Bioが実際にタンパク質を合成し、バインダーが溶液中で標的に結合するかどうかを実測した。「どんなラボでも言語モデルエージェントにタンパク質設計スタックを丸ごと実行させられるようになった」とThe Decoderは報じた（The Decoder, 2026年8月）。

Claudeは「何をやった」のか。技術的な中身

タンパク質設計は専門ツールの組み合わせが命だ。従来は研究者が手動で選択していた。Claudeがこの実験で担ったのは、その「判断者」の役割だった。

Claudeは各ターゲットの性質に応じてバックボーン生成ツールを選択した。RFdiffusion3、Genie 3、BoltzGen、Proteina-Complexaなど複数の専門ツールから最適な組み合わせを選び、生成されたバインダー候補をESMFold2やProtenix v2といった共折り畳み予測ツールでスコアリングし、次のラウンドで何を試すかを決定した（TechTimes, 2026年8月20日）。

既存のAIタンパク質設計との違いは明確だ。AlphaFoldは「与えられた配列がどんな形になるか」を予測する。RFdiffusionは「どんな形の新しいタンパク質を生成するか」を単体でこなす。Claudeが行ったのはこれらを指揮し、標的に対して最も有望な候補を絞り込む「設計プロセス全体の自律的な管理」だ。

Anthropicのアプローチはモデル特化よりもオーケストレーションに賭けている。ClaudeはRFdiffusion専用モデルではないが、複数の専門ツールを使いこなすことで、専門ツール単体に匹敵する成果を出せると実証しようとしている。この戦略は2026年7月に発表したClaude Scienceワークベンチとも一貫している。

シュクレリの批判は正しいか。「2倍の成功率」の真意

シュクレリだけではない。UC バークレーの生物工学者パトリック・スーもXで同様の留保を示した。「Claudeがタンパク質を設計したというより、PXDesign、RFdiffusion、Genie、BoltzGenといったオープンソースの専門タンパク質設計モデルへのツール呼び出しをオーケストレートした、という説明が正確だ」と投稿した（Patrick Hsu, X, 2026年8月）。

マーティン・シュクレリの批判は感情的ではなく、技術的に具体的だった。指摘は二点ある。

一点目は親和性の問題だ。タンパク質バインダーが「結合する」ことと「薬として使える程度に強く結合する」は別物だ。ナノモル（nM）以下の親和性が薬候補に求められることが多いが、今回確認されたバインダーの親和性データは公開されていない。シュクレリはペプチドベースのバインダーとして「低すぎる」と指摘した。

二点目は標的の選択だ。今回の15ターゲットはすべて細胞外タンパク質だった。実際の疾患に関わる重要な創薬標的の多くは細胞内にある。細胞膜を通過できないペプチド系バインダーはこれらの標的に届かない。「これでは探索分子として使えない」というシュクレリの指摘は、タンパク質化学の基礎知識として正確だ（Stocktwits, 2026年8月）。

一方でAnthropicは「タンパク質バインダーは薬ではない」と最初から明記している。今回の発表の主張は「AIが自律的に設計したタンパク質が実際にウェットラボで機能した」という概念実証であり、新薬候補の提示ではない。批判と発表の内容がそれぞれ異なるレイヤーを指摘していることに注意が必要だ。

成功率の数字も文脈が要る。業界平均10〜15%と比較した22〜35%は確かに高い。ただし「業界平均」は研究室によって設計の複雑さも標的の難しさも異なる。今回のAnthropicの実験は比較的結合しやすい細胞外ターゲットを選んでいる可能性もある。また、この技術レポートは査読誌（Nature、Science等）への掲載を経ていない点も留意が必要だ。

創薬への距離。AIが届いていない部分

2026年8月時点で、AIが発見・設計に主導的に関与した化合物がFDAの承認を受けた例はない。AlphaFoldが2020年に登場してから6年、RFdiffusionが普及して数年経過した現在も、ボトルネックはAIの設計精度ではなく、その下流にある（Pharma Salmanac, 2026年）。

バインダーができても次のステップが待っている。親和性の最適化、体内での安定性（ADMET特性）の確認、毒性試験、製造可能性の検討、そして数年単位の臨床試験だ。これらのどのステップもAIは大幅には短縮できていない。速度の制約が今やウェットラボのスループットと規制プロセスに移行しているという指摘は業界内で広く共有されている。

Anthropicが大きな野心を持っていることは確かだ。同社はAI創薬スタートアップCoefficient Bioを約4億ドルで買収し、自社でウェットラボを建設し、生物学者の採用を進めている。「R&Dのタイムラインを10分の1に圧縮する」という目標を公言している（SynBioBeta, 2026年）。だが目標と現時点での達成の間には、まだ大きな距離がある。

BMSなど大手製薬がAnthropicと3万件規模の契約を結んでいるのは、この方向性に賭けているからでもあり、ツールとしての有用性を評価しているからでもある。今回の実験はその賭けの根拠をひとつ積み上げた、というのが正確な評価だろう。

関連記事

• Claude Science完全解説｜製薬・研究向けAIワークベンチの実力と限界
• Anthropic初の大型買収｜Coefficient Bioを4億ドルで取得、AI創薬への本格参入
• BMS×Anthropic、3万件契約｜製薬エンタープライズAI導入の最前線
• Claude Fable 5のバイオセーフガード緩和｜何が変わり何が残ったか

---

本記事に含まれる研究成果・数値はAnthropicおよびAdaptyv Bioが公表した情報に基づく。タンパク質設計の結果は実験条件に依存するため、すべての状況に同等の成果が得られるとは限らない。AI創薬技術は発展途上であり、本記事は投資・医療上の判断の根拠に使用しないこと。