Claude가 단백질 설계와 분석화학 연구를 가속화하는 방법

요약: 이번 글에서는 Claude가 생명과학 연구자들의 연구 속도를 높이는 데 어떻게 기여하는지 보여주는 두 가지 결과를 소개합니다. 첫 번째는 단백질 결합제(protein binder)를 처음부터 설계하는 능력을 테스트한 사례입니다. 단백질 기반 신약 개발의 핵심 단계인 이 작업은 전통적으로 전문가가 표적 하나당 수 주에서 수 개월을 투자해야 했습니다. Claude(Mythos Preview 및 Opus 4.8)는 15개 표적에 대한 단백질 결합제를 설계했으며, 그 중 14개에서 성공했습니다. 설계 방식에 따라 개별 설계물의 결합 성공률은 22%에서 35% 사이로, 현재 단백질 설계 캠페인의 일반적인 수치인 10~15%를 웃돌았습니다. 가장 우수한 설계물 중 일부는 기존에 발표된 최고 결과보다 수 배 높은 결합력을 보였습니다. 두 번째는 Claude가 화학 분석을 가속화할 수 있는지 평가한 사례입니다. 일반 공개 모델인 Claude Opus 5에 NMR 및 LC-MS 데이터를 제공했습니다. 이 데이터는 화학자들이 다루는 화합물의 동일성과 순도를 확인하는 데 활용하는 분석 정보입니다. Claude는 수탁 실험실의 원본 파일과 두 문장짜리 프롬프트만으로 각각 23분, 19분 만에 분석 결과를 산출했으며, 수소 개수와 순도(96.4% 대 96.33%) 모두 실험실 자체 분석과 일치했습니다. 이 두 사례는 복잡한 과학 연구를 진전시키는 데 필요한 시간과 전문적인 계산 역량을 Claude가 어떻게 줄여줄 수 있는지를 잘 보여줍니다.

지난 몇 달 사이 AI가 이끄는 과학적 발견의 속도가 빨라지고 있습니다. 이러한 발견들은 대부분 비교적 빠르게 검증할 수 있는 분야에서 이루어졌습니다. 예를 들어 수학 분야에서는 에이전트들이 미해결 문제들을 풀기 시작했습니다. 수십 년간 난제로 남아 있던 에르되시(Erdős) 문제들이 매달 수 개씩 풀리고 있으며, 최근에는 Claude가 리만 제타 함수(Riemann zeta function)의 오랜 하한값을 개선한 성과도 공개했습니다.

AI 모델은 생명과학처럼 결과 검증이 복잡하고 비용이 많이 드는 실험 분야에서도 연구 진전을 앞당기기 시작했습니다. 이번 글에서는 Claude의 과학적 역량을 검토한 두 가지 실험 결과를 소개합니다. 첫 번째는 단백질 설계 캠페인에서 Claude의 성능을 분석한 결과로, 다양한 표적에 대해 Claude가 최고 수준의 인간 전문가에 필적하거나 그를 능가하는 단백질 결합제를 설계할 수 있음을 보여줍니다. 두 번째는 Claude Opus 5가 분석화학 과제를 어떻게 수행했는지에 관한 것으로, 일반 공개 모델도 반복적이고 시간이 많이 소요되는 연구의 일상적인 부분을 충분히 지원할 수 있음을 보여줍니다.

아래에서 설명할 단백질 설계 및 분석화학 과제는 신약 개발 초기 단계를 구성하는 일부 작업을 대표합니다. 이 단계를 가속화하는 것은 신약 개발 전 과정을 단축하려는 저희의 훨씬 더 큰 노력의 일환으로, 핵심 과학 역량의 개선보다 정책 및 운영상의 병목 현상 해소와 관련된 부분이 더 많습니다.

오늘 공개하는 결과는 Mythos 모델과 Opus 모델을 조합해 얻은 것입니다. 현재 가장 강력한 모델에서는 생명과학 연구 과제가 제한되어 있지만, 과학자 대상 액세스 프로그램 출시를 최우선 과제 중 하나로 추진하고 있으며, 조만간 관련 소식을 전할 수 있을 것으로 기대합니다. 그 전까지는 Opus 5가 일반 공개 모델 중 가장 뛰어난 성능을 제공합니다.

Claude, 단백질을 설계하다

Claude Mythos 5를 발표하면서, 신약 설계 과정의 일부를 가속화하기 위해 해당 모델을 활용하는 실험을 진행 중이라고 밝혔습니다. 이 작업의 연장선에서, 다양한 단백질 표적에 대한 미니결합제(minibinder) 설계 능력을 집중적으로 검토해왔습니다. 미니결합제란 표적 단백질에 강하게 달라붙도록 설계된 소형 단백질입니다. 결합(binding)은 현대 의약품의 상당수가 작동하는 원리로, 약물이 표적에 부착해 이를 억제하거나 활성화하거나 특정 물질을 전달합니다. 새로운 결합제를 처음부터 설계하는 de novo 설계는 역사적으로 단백질 엔지니어들이 표적 하나당 수 개월에 걸쳐 계산, 최적화, 스크리닝을 반복해야 하는 작업이었습니다.

최근 몇 년 사이, 단백질을 설계하고 결합 가능성이 높은 후보를 순위별로 추리는 머신러닝 모델들이 등장하면서 단백질 설계 과정이 크게 빨라졌습니다. 하지만 이런 모델들도 여전히 계산 전문가가 며칠, 때로는 수 주에 걸쳐 복잡한 작업을 직접 조율해야 합니다. 또한 Claude와 같은 범용 추론 모델이 전문가와 비전문가 모두의 계산적 단백질 설계를 보다 효율적으로 지원할 수 있다 해도, 실제 화합물·약물·생물학적 물질을 물리적으로 검증하는 습식 실험실(wet lab) 단계는 여전히 수 주가 걸립니다.

이제 첫 번째 실험의 습식 실험실 데이터를 확보했습니다. 이 실험은 Claude Opus 4.8과 Mythos Preview를 활용해 15개 표적을 대상으로 한 다중 설계 캠페인입니다. 외부 평가 기관인 Adaptyv Bio와 Twist Bioscience가 독립적으로 Claude의 설계물을 제작하고 실험실에서 검증한 결과, 15개 표적 중 14개에서 결합제 설계에 성공했습니다. 여기에는 적어도 6개 표적에 대한 고친화도 결합제¹와, 적어도 4개 표적에서 기존 보고된 최고 친화도에 필적하거나 이를 뛰어넘는 결합제가 포함됩니다. 친화도란 단백질이 표적에 얼마나 강하게 결합하는지를 나타내는 지표로, 고친화도 결합제는 낮은 용량에서도 약물 효과를 발휘해 부작용 위험을 줄이고 제조 비용을 낮추기 때문에 치료 효과를 내는 데 일반적으로 필수적입니다.

48시간 세션에서 모든 표적을 동시에 설계했을 때, Mythos Preview와 Opus 4.8의 전체 히트율(설계물 중 실제로 결합하는 비율)은 각각 26.7%와 22.6%였습니다. 현재 단백질 설계 캠페인에서 일반적인 히트율은 10~15% 수준입니다.²

다중 표적 설계 능력을 검증한 후, 단일 표적에 집중할 경우 성능이 향상되는지도 확인하고자 했습니다. 이는 단백질 엔지니어들이 일반적으로 취하는 접근 방식과도 부합합니다. 실제로, 복수의 24시간 세션을 통해 각 표적을 별도로 설계한 단일 표적 방식에서 Mythos Preview의 전체 히트율은 35.1%로 높아졌습니다.

이번 캠페인은 초기 프롬프트(링크)에서 Claude에게 제공한 정보 외에 인간의 개입을 최소화한 상태에서 진행되었습니다.³ 단백질 설계 전문가들이 중간 결과에 대해 적극적으로 피드백을 제공하며 Claude를 직접 이끈다면, 이 방식은 훨씬 더 강력한 결과를 낼 수 있을 것으로 기대합니다.

캠페인 진행 과정

단백질 설계 캠페인은 단백질 설계 벤치마크에서 흔히 활용되는 복수의 표적⁴을 선정하는 것에서 출발했으며, Adaptyv Bio의 BenchBB 전체가 포함되었습니다. 이 표적들은 광범위하게 연구된 만큼, 발표된 히트율 및 친화도와 결과를 직접 비교할 수 있습니다. 또한 Claude가 훈련 데이터나 온라인 검색에서 기존 성공 사례를 참조하지 않고 설계할 수 있는지 확인하기 위해, Adaptyv Bio의 최신 경진대회 출제 신규 표적인 15-PGDH와 GDF-8도 두 개의 신규 표적으로 선정했습니다(모든 표적에 대해 Claude의 설계물이 독창적인지 확인하도록 요구했습니다).

이후 Claude Science에서 이 표적들에 대한 단백질 결합제 설계를 Claude에게 지시했습니다. 이를 위해 두 가지 방식을 적용했습니다. 첫 번째는 다중 표적 방식으로, 하나의 Claude Science 세션에서 모든 표적을 동시에 설계하는 방식입니다. 두 번째는 단일 표적 방식으로, 세션마다 하나의 표적을 다루되 모든 표적의 세션을 병렬로 진행했습니다.

다중 표적 방식에서는 Opus 4.8과 Mythos Preview 모두 48시간의 실행 시간과 최대 12,500 NVIDIA H100 시간의 컴퓨팅 자원을 활용해 특화된 단백질 설계 및 폴딩 모델을 구동했습니다. 단일 표적 방식에서는 Mythos Preview를 활용했으며, 각 표적당 24시간의 실행 시간과 최대 2,500 NVIDIA H100 시간의 컴퓨팅 자원을 배정했습니다.⁵

일반적인 단백질 설계 캠페인에서 활용할 수 있는 자원을 모사하기 위해, Claude에게 다음과 같은 환경을 제공했습니다:

1. 에이전트 컨텍스트에 함께 포함된 방대한 단백질 설계 프롬프트⁶;
2. 인터넷 접속 및 단백질 설계 관련 논문 등 각종 자료 코퍼스;
3. Google Drive, Slack, Gmail, BioRxiv 커넥터;
4. 특화된 단백질 설계 및 폴딩 모델 구동을 위한 GPU 접근권;
5. 허용 시간 내 토큰 및 서브 에이전트 예산 무제한, 고속 모드 활성화.

프롬프트를 제공한 후에는 모델이 자율적으로 작업을 수행하도록 두었습니다. 캠페인 시작 이후에는 과학적, 기술적, 운영적 지침을 일절 추가로 제공하지 않았습니다.

저희의 개입은 네트워크 접근 요청 등에 대한 승인 부여와 세션이 정상적으로 진행되는지 인프라 모니터링에 국한되었습니다. 인간 운영자가 수 주를 투자해야 하는 결합제 설계의 모든 작업을 Claude가 직접 수행했습니다. 구체적으로는 각 단백질 표적에서 설계를 공략할 부위를 선정하고, 구조 설계·서열 설계·코폴딩 모델(단백질의 구조를 결합 파트너와 함께 한 번에 예측하는 모델)을 여러 종류 조율해 후보 구조와 서열을 생성하고, 여러 차례의 in silico 최적화를 거치며, 발현·용해성·결합력을 갖춘 독창적이고 다양한 후보를 계산적으로 선별했습니다.

15개 표적 각각에 대해 Claude에게 단백질 결합제 30개를 설계하도록 요청했습니다. Claude는 해당 분야에서 이미 활용 중인 공개 전문 단백질 설계 및 코폴딩 모델들을 직접 운용해 이를 수행했습니다. 이렇게 설계된 결합제들은 Adaptyv Bio와 Twist Bioscience에 전달되어 검증이 이루어졌습니다.

표적별 Claude 성능

이번 캠페인을 통해 총 1,320개의 설계물에서 15개 표적 중 14개 표적에 대한 결합제 354개를 확보했습니다. 이는 공개된 de novo 단백질 설계 데이터베이스에 상당한 기여를 더하는 규모입니다. 예를 들어 현재 가장 큰 두 컬렉션인 proteinbase.com과 Overath 등이 정리한 컬렉션은 40개 표적에 대한 5,700개 설계물 중 약 770개의 결합제로 구성되어 있습니다. 아래에서는 Claude의 역량을 잘 보여주는 세 가지 사례와 한계를 드러내는 한 가지 사례를 소개합니다. 더 자세한 내용은 기술 보고서(링크)에서 확인할 수 있습니다.

Adaptyv Bio 단백질 설계 경진대회 참가자 수준을 뛰어넘은 Claude

Adaptyv Bio가 경진대회를 개최한 표적들에 대해, Claude는 히트율과 친화도 모두에서 최상위 참가자 수준에 필적하거나 이를 넘어서는 성능을 보였습니다. RBX1(특정 조절 단백질의 표적 분해를 유도하는 소형 단백질)을 대상으로 단일 표적 방식을 적용한 Mythos Preview는 40%의 히트율을 달성했습니다. 이는 참가자들의 평균 히트율인 3.7%를 크게 웃도는 수치입니다. 최상위 설계물은 고친화도 결합제로, 245개의 출품작 중 우승 설계물을 능가하는 성능을 보였습니다.

Claude, 도전적이고 치료적으로 중요한 표적인 TNFα에 대한 종간 교차 반응성 결합제를 설계하다

흥미롭게도, 여러 전문가 그룹이 고전했던 표적인 TNFα에서는 Mythos Preview가 아닌 Opus 4.8이 성과를 냈습니다. TNFα는 면역계가 분비하는 신호 단백질로 염증 반응을 유발하며, 이를 차단하는 것이 역대 가장 큰 영향을 미친 의약품 중 하나인 Humira를 비롯한 여러 약물의 치료 원리입니다. TNFα는 두 단백질이 맞닿아 형성하는 홈 속의 결합 부위를 공략해야 하는 다량체 구조 때문에 설계 난이도가 특히 높습니다. Mythos Preview는 이 표적에서 성과를 내지 못했지만, Opus 4.8은 인간, 시노몰구스 원숭이, 마우스의 TNFα 모두에 결합하는 종간 교차 반응성 결합제를 포함해 여러 결합제를 설계했습니다. 동물 실험을 진행하는 데 있어 이러한 교차 반응성은 매우 중요합니다. Opus 4.8은 이 표적에서 성공했지만 Mythos Preview는 그렇지 못한 이유는 아직 명확히 밝히지 못했습니다. 저희는 모델의 역량을 전반적으로 평가합니다. 단백질 설계 자체의 복잡성을 고려하면, 전반적으로 더 높은 역량을 갖춘 모델이라도 특정 영역에서는 전반적으로 덜 뛰어난 모델에 밀릴 수 있다는 것은 놀라운 일이 아닙니다.

β-시트를 포함한 다양한 구조의 결합제를 설계한 Claude

계산적으로 설계된 결합제의 대부분은 코일 형태의 단백질 2차 구조인 α-나선 다발로 이루어져 있습니다. β-시트는 아미노산 사슬이 나란히 늘어선 구조로, 설계가 더 어렵고 잘못 접히거나 단백질 분자들이 분리된 상태로 올바르게 접히지 않고 서로 엉겨 붙는 응집이 발생하기 쉽습니다. Claude는 β-가닥 비율이 20% 이상인 결합제를 6개 표적에 걸쳐 총 15개 설계하는 데 성공했으며, 이는 단백질 구조에 대한 추론 능력을 잘 보여줍니다.

일부 표적에서 어려움을 겪은 Claude

BBF-14와 말토오스 결합 단백질(Maltose-Binding Protein, MBP) 등 일부 표적은 Claude에게도 여전히 난제였습니다. BBF-14는 자연계에 존재하지 않는 β-배럴 형태의 단백질로, 그 자체가 de novo 설계된 단백질입니다. 바로 이 독창성 때문에 결합제 설계 벤치마크로 활용됩니다. MBP 역시 구조적으로 매우 까다로운 표적입니다. MBP는 크고 유연한 세균 단백질로, 매끄럽고 친수성인 표면을 가지고 있어 실험실 시약으로는 유용하지만, 결합제가 달라붙을 자리가 거의 없습니다. Claude는 BBF-14에 대해 각 설계 방식마다 하나씩, 서로 다른 백본에 기반한 독립적인 결합제 3개를 설계하는 데는 성공했으나, 친화도는 준마이크로몰에서 마이크로몰 수준으로 낮았습니다. MBP의 경우 90개 설계물 중 표적에 결합했다고 확인된 것은 하나도 없었으며, 단 하나만이 재현 가능한 약한 결합 신호를 보였습니다.

이번 설계 캠페인에서 Claude의 성능을 보다 정확히 파악하기 위해, 히트율과 친화도 측정값을 보다 심층적으로 확인하는 추가 분석을 실험 후 진행할 예정입니다. 현재는 이 캠페인에서 사용한 프롬프트와 in vitro 및 in silico 데이터 전체를 공개합니다.⁷

에이전틱 생물학적 발견의 이중 사용 가능성

AI 모델의 자율 연구 역량이 고도화될수록 인간 치료제 개발과 기초 과학 발견이 가속화될 것은 분명합니다. 그러나 이러한 역량은 이중 사용 가능성을 동시에 지닙니다. 강력한 안전장치 없이는 악의적 행위자가 생물무기 개발 등 위험한 연구에 악용할 수 있습니다. 신뢰할 수 있는 액세스 프로그램을 통해 이 역량을 안전하게 제공하기 위한 작업을 진행하는 동안, 단백질 설계와 기타 이중 사용 가능성이 있는 연구 생물학 역량은 Claude Fable 5에서 일반 공개가 제한됩니다. 단, 아래에서 확인할 수 있듯이 Opus 클래스 모델들은 놀라운 과학적 성과를 이미 보여주고 있습니다.

Claude, 분석화학 워크플로를 수행하다

단백질 결합제 캠페인이 새로운 분자를 설계하는 능력을 시험했다면, 두 번째 실험은 이미 합성된 분자의 측정 데이터를 해석하는 능력을 검증했습니다. 화합물 분석은 까다로운 작업입니다. 단백질 설계와 마찬가지로, 측정·분석·반복을 여러 차례 수행해야 합니다. 예컨대 화학자가 새로운 분자를 합성할 때마다 의도한 분자가 맞는지, 그리고 순도는 어떤지를 확인해야 합니다. 이는 주로 핵자기공명(NMR) 분광법으로 이루어집니다. NMR 스펙트럼은 분자 내 수소 원자 혹은 동등한 수소 원자 집단에 각각 대응하는 일련의 피크로 구성됩니다. 피크의 위치는 각 수소 원자가 무엇에 결합되어 있는지를, 피크의 크기는 해당 피크가 나타내는 수소의 개수를 보여줍니다. 구조 확인은 합성화학에서 가장 시간이 많이 소요되는 단계 중 하나로, 화학자가 스펙트럼의 각 피크를 제안된 구조 속 원자와 일일이 대조해야 합니다.

또 다른 분석 기법인 액체 크로마토그래피-질량 분석법(LC-MS)은 주로 순도 평가에 활용됩니다. 시료를 컬럼을 통과시켜 개별 성분으로 분리한 후, 자외선 흡광도를 기반으로 각 성분의 양을 측정하고, 이어서 각 성분의 분자량을 측정합니다. 두 기법 모두 기기 측정 자체는 불과 몇 분이면 충분합니다(일반적인 양성자 NMR 스펙트럼은 2~3분, LC-MS 실행은 약 10분). 실제로 시간이 걸리는 것은 결과를 분석하는 과정입니다. NMR과 LC-MS 측정이 끝나면 각 기기는 제조사 고유 형식의 원본 파일을 생성하며, 이를 열기 위해서는 해당 제조사(또는 다른 전문) 소프트웨어가 필요합니다.⁸

이처럼 이 파일들을 처리하고 해석하는 작업이 얼마나 번거로운지를 고려해, Claude Opus 5와 같은 일반 공개 모델이 이 과제를 어떻게 수행하는지 확인해보고자 했습니다.⁹ 수탁 실험실의 일상적인 품질 관리 시료에 대한 원본 파일과 짧은 일반 언어 프롬프트¹⁰만을 제공하고, 전용 소프트웨어나 별도 운영자 없이 진행한 결과, Claude는 Claude Science 내에서 NMR과 LC-MS 결과를 병렬로 처리해 각각 23분, 19분 만에 완성된 분석 결과를 내놓았습니다. 피크별 수소 개수는 실험실 결과와 0.08 ¹H 이내로 일치했으며, 순도는 96.4%로 측정되어 실험실의 96.33%와 거의 동일했습니다.

NMR 데이터의 경우, Claude는 기기의 원본 데이터를 보정된 스펙트럼으로 변환하고 18개 피크와 각 피크의 수소 개수를 담은 표를 작성했습니다. 이어서 화학자가 하듯 질소나 산소에 결합되어 있을 가능성이 높은 4개의 넓은 피크에 표시를 달았습니다. 그런 다음 표준 확인 절차를 제안했습니다. NMR 시료에 중수(heavy water)를 첨가하면 해당 수소가 치환되어 피크가 줄어들거나 사라집니다(실험실에서도 독립적으로 초기 측정 사흘 후 동일한 확인 실험을 진행했습니다). Claude는 중수 실험의 원본 파일을 받아 데이터 변화를 정량화했으며, 첫 번째 해석의 과대평가를 발견해 스스로 수정했습니다. 처음에는 표시한 피크 4개가 모두 사라졌다고 보고했지만, 자체 검토 결과 실제로 사라진 것은 2개뿐임을 확인했습니다. 최종적으로 실험실 담당자와 동일한 결론에 도달했습니다.

LC-MS 기기 파일은 문서화되지 않은 제조사 고유 형식을 사용합니다. Claude는 데이터 인코딩 방식을 파악한 후, 실제 분석에 앞서 전체 2,664개 스캔에 대한 기기 자체 기록 합계를 재현함으로써 파일을 올바르게 읽었음을 확인했습니다. 이어서 화학자가 기대하는 모든 결과물을 제공했습니다. 분리 트레이스, 질량 및 자외선 스펙트럼, 순도 표, 화합물 분자량, 해당 형식의 파일을 읽기 위한 재사용 가능한 코드, 그리고 결과의 신뢰성에 관한 자체 주의사항(예: 이 종류의 기기는 질량을 정수 단위로만 제공한다는 점 등)이 포함되었습니다.

일반적으로 화학자는 이 모든 분석을 수작업으로 수행합니다. 치료적으로 유의미한 소분자 시료 하나당 통상 30분에서 1시간이 소요됩니다(해당 실험실 기록에 따르면 NMR 스펙트럼당 직접 처리 시간은 약 2분이며, LC-MS 보고서는 시료를 기기에 올린 후 약 2시간 뒤에 완성됩니다). Claude Science는 두 파일을 병렬로 처리해 25분 이내에 분석과 해석을 모두 마쳤습니다. 또한 그 시간 안에 서면 보고서까지 작성했습니다. 반면 해당 실험실의 최종 보고서는 첫 스펙트럼 측정 이후 4일 만에 완성되었는데, 이는 시료를 하나씩 분석하고 그 사이에 다른 업무가 끼어드는 일반적인 상황을 고려하면 매우 표준적인 소요 시간입니다.

효율 향상 외에도, Claude의 분석 과정에서 일정 수준의 과학적 판단력이 드러났습니다. 가령 수탁 실험실이 독립적으로 진행한 것과 동일한 후속 실험을 Claude 스스로 제안했다는 점이 특히 주목할 만합니다. 모델이 계속 발전함에 따라 Claude의 과학적 판단력도 더욱 날카로워질 것으로 기대합니다.

Claude Science에서 직접 시험해보고 싶다면, 원본 NMR 또는 LC-MS 파일을 Claude에 제공하고 화합물의 동일성과 순도를 확인해달라고 요청해보세요.

결론

위의 두 사례는 AI 모델이 생명과학 연구에서 요구되는 전문성, 비용, 시간을 줄임으로써 연구를 가속화할 수 있음을 잘 보여줍니다. 화학 분야에서는 Claude가 그동안 화학자들이 수작업으로 해온 분석을 자동화하고 있습니다. 단백질 설계 분야에서는 최소한의 입력만으로 결합제 설계 캠페인을 처음부터 끝까지 수행해, 기존에 발표된 최고 수준의 설계물에 필적하거나 이를 뛰어넘는 결과물을 내놓고 있습니다.

단백질 미니결합제는 아직 표준적인 치료 방식으로 자리 잡지 못했으며, 단클론 항체나 저분자 화합물 같은 일반적인 의약품 방식에서도 고친화도 결합제 설계는 신약 후보 물질을 만드는 과정의 첫 단계에 불과합니다. 그러나 저희는 이 연구를 핵심적인 토대로 보고 있으며, Claude가 모든 의약품 방식에 걸쳐 개발 전 과정을 처음부터 끝까지 수행할 수 있도록 확장해나가고 있습니다.

추가 자료

위에서 설명한 결과에 대한 기술적 세부 사항과 더 자세한 정보를 담은 문서 목록입니다:

• 단백질 설계 캠페인 프롬프트 및 데이터;
• 단백질 설계 기술 보고서;
• 화학 분석 기술 보고서.

각주

1. 평형 해리 상수(KD)가 단자리 나노몰 이하인 결합제(KD < 10 nM)를 고친화도 결합제로 분류합니다.
2. de novo 단백질 결합제의 전체 히트율은 https://proteinbase.com/의 데이터를 기반으로 산출했습니다.
3. 여기에는 Claude의 특정 요청(예: 네트워크 접근 요청, 코드 실행 요청)에 대한 승인, 단백질 설계 세션 외부의 인프라 문제 해결, 생성된 설계물의 실험적 검증을 위한 주문 등이 포함됩니다.
4. 총 16개 표적을 선정했으며(해당하는 경우 기본 종은 인간으로 설정했습니다). 알파벳 순으로 나열하면 다음과 같습니다: 15-PGDH, BBF-14, BHRF1, Cas9, EGFR, GDF-8 (잠재형), GDF-8 (성숙형), IL-7Rα, 말토오스 결합 단백질(MBP), 니파 바이러스 당단백질 G, PD-L1, RBX1, TNFα, TREM2, TrkA, VEGF-A. 총 16개 표적 중 15개에 대한 결과를 제시하며, GDF-8 (성숙형)은 표적 응집 및 비특이적 점착성으로 인해 실험 데이터가 불확실하게 나와 제외했습니다.
5. 15-PGDH와 잠재형 GDF-8은 다중 표적 방식에서 제외했습니다. Opus 4.8은 TNFα, 잠재형 GDF-8, 성숙형 GDF-8 세 가지 표적에 대해 단일 표적 방식으로 실행했습니다.
6. 약 30,000 토큰으로 구성되었으며, 여기에서 공유합니다.
7. 프롬프트, 설계된 단백질 복합체의 계산 모델, 실험 데이터는 모두 여기에서 확인할 수 있습니다.
8. NMR의 경우 분광기가 기록한 원본 신호("자유 유도 감쇠(free induction decay)"), LC-MS의 경우 기기의 이진 실행 파일입니다. 두 파일 모두 원본 독점 기기 파일입니다.
9. 표준 소프트웨어 대비 NMR 데이터 분석에서 Claude의 성능을 다룬 연구를 이전에 공개한 바 있습니다.
10. NMR 프롬프트 전문: "i have a raw 1H FID: process it: FT, phase, baseline-correct. show me the spectrum. then pick peaks and integrate: give me a table with δ (ppm), multiplicity, J (Hz), and integral." LC-MS 프롬프트: "Process the raw LCMS file: extract chromatograms and mass spectra, and summarize with figures."