三个门外汉、20万美元、300个Claude：他们把抗蝎毒从”药企专利”变成了”周末项目”

三个门外汉、20万美元、300个Claude：他们把抗蝎毒从”药企专利”变成了”周末项目”

先别急着为”AI设计出新药”欢呼——因为还没新药这回事。

但接下来这个故事，比”新药”更值得你仔细看看。

一个叫 Citrini Research 的投资研究机构——对，不是药企，不是生物科技公司，是搞投资研究的——花了3个月、20万美元、5个人（其中3个零生命科学背景），用 Claude 协调300多个Agent，设计出了能结合蝎毒的全新蛋白。

211个候选送进实验室，17个结合测试通过，覆盖4种高危蝎毒。最强的两个候选蛋白（Cn2-B1、Cn2-B2），与目标毒素的亲和力达到了低纳摩尔级别——在药物发现早期，”抓得这么紧”已经足够让研究人员认真对待。

写这东西不是为了给你们吹”AI要颠覆制药行业”的。我想说的是另一件事，一件比制药本身更值得注意的变化：

科学发现的入口，正在被重新设计。

一个投资问题，为什么最后落在试管里

故事的起点很有意思。

Citrini 团队想搞明白一个投资问题：AI制药到底走到哪一步了？市场上两派打架——有人说AI还没做出过真正重要的新药，有人说几年内重塑行业。对一家投资机构来说，这种分裂判断没法变成投资结论。

怎么办？一般投资机构的选择：找专家访谈、写研报、出行业图谱。

Citrini 的选择：那我们就亲自下场做一个。

5个人，20万美元预算，3个月。目标：用Claude设计一种真实可合成、可测试的新蛋白。

注意这个操作——他们不是派团队去跟投一个bio-tech项目，而是直接把”我们能不能也做”作为研究手段。这种资产管理的”吃自己做的饭”风格，在生物医药行业极其罕见。因为这行门槛太高了：蛋白结构、分子互作、表达系统、功能验证，每一个词背后都是十年以上的专业积累。

但从结果看，他们赌对了方向。

选蝎毒：一门被传统制药市场遗忘的生意

Citrini 没有上来就选蝎毒。他们列了筛选条件：实验验证要快、成本可控、问题本身依赖分子设计能力、有公共健康价值但长期缺少投入。

候选方向包括罕见儿童疾病、艰难梭菌感染、阻断芬太尼类似物、抗蜱方案。最后筛下来的是抗毒血清方向。

蛇毒之前已经有人用AI做过蛋白设计。Citrini 想要更新、更少被关注的目标——蝎毒。

数据上，这确实不是小众问题。全球每年约120万人被蝎子蜇伤，数千人死亡，儿童尤其危险。抗蝎毒血清现在还是传统生产方式：采集蝎毒、往马体内注毒、等马产生抗体、从马血里提纯。耗时长、成本高、依赖动物、供应不稳定。

但大药企不太会碰这类问题——市场不大，利润不够高。一个典型的”没人管但有人需要”的公共卫生缝隙。

Citrini 选了5种蝎毒神经毒素，覆盖墨西哥、巴西、北非和中东地区的主要毒种。最初目标很朴素：先做出能结合单一毒素的小蛋白。minibinder——比抗体小的”分子夹子”，理论上能通过合成生物学生产，适合AI设计。

35页提示词、300多个Agent、10000小时H100

这是整个故事里最值得看的部分。

Citrini 和 Anthropic 团队花大量时间设计提示词，最终整整35页——里面写了目标毒素、设计约束、评估工具、筛选规则、候选分配、实验室需求。这不是你印象中的”跟ChatGPT聊天”，这是一份给虚拟干实验团队的研究计划书。

然后流程跑起来了：

Claude 开始查文献、调工具、做结构预测、管理计算资源、筛选候选方案。它还在人类监督下给 Twist Bioscience 的科学家写邮件，询问某些融合蛋白和双特异性构型能不能制造。收到回复后，它再把供应商的制造约束写回设计流程。

这一点是真·突破。 真实的科研不只在论文和模型里——你要经过供应商、制造限制、实验排期、样品制备这些现实环节。大模型能把”跟实验室沟通”和”改设计”串在同一个工作流里，项目才有了”完整闭环”的样子。

数字账本：

– 算力：略多于10000小时H100 GPU – 算力费用：49997美元（比预算少花3美元，Claude还挺会省钱） – 实验费用：约15万美元（DNA合成、蛋白表达纯化、结合测试、可开发性评估） – 32小时设计阶段 → Claude生成超过31万个蛋白设计 → 筛出180个 → 再补充 → 最终211个送实验室

一个搞投资研究的团队，在屏幕上看到蛋白结构图时，”感觉很虚幻”。几天前还在做投资分析，几天后屏幕上已经有了一批全新的蛋白结构，旁边附着排序、理由、制造建议和实验提交材料。

211个送进去，17个阳性，4种毒素覆盖

实验室结果是这个案例最有说服力的部分。

211个送测设计中，17个达到预设结合标准，覆盖5种目标毒素中的4种。针对墨西哥蝎毒Cn2的两个候选（Cn2-B1、Cn2-B2），与目标毒素的结合达到了低纳摩尔级别——”抓得很紧”。

更重要的证据是竞争结合实验：已知有一种抗体片段LR可以中和Cn2毒素。实验显示，当LR先占住毒素后，Claude设计的蛋白与毒素的结合明显受限。说明什么？说明设计出的蛋白可能抓住了与LR相同的功能位点——不只是随便贴上去，而是贴到了”可能有用”的位置。

最难的”一把钥匙开五把锁”目标失败了——没有任何设计被证明能同时结合多种毒素。Claude 一开始就警告过”成功概率很低”。

猜猜我为什么喜欢这个失败？因为失败让整个故事从科幻变成了科学。 AI没有魔法般地跨过生物物理限制。它在单一靶标上交出阳性候选，在多靶标通用分子上撞了南墙。成功和失败都清楚地落在实验数据里。这种诚实，比任何营销稿都有说服力。

我真正想说的：入场的姿势变了

离真正的抗蝎毒治疗药物还有多远？很远。

目前这些蛋白只证明了”能结合毒素”。还需要功能实验（patch-clamp验证能否阻断离子通道），动物保护实验（剂量、起效速度、体内停留时间、安全性），制造放大和稳定性评估。每一步都可能被拦下来。

但这已经不重要了——不是因为蛋白本身能变成药，而是因为科学发现的入口方式被改变了。

一个5人团队、其中3个门外汉，20万美元，3个月。从”要不要投AI制药”这个投资问题出发，走到了”我们设计的新蛋白已经在试管里测出结合信号”。

这个路径在过去是不存在的。过去要进入蛋白从头设计，先要解决：计算生物学团队、结构生物学团队、分子生物学团队、CRO管理经验、以及至少几百万美元起步的时间和资本。现在，这些能力被拆解了——大模型负责理解目标、调度流程、整合文献、生成设计；外包实验室负责验证；人类团队负责设定问题、监督风险、判断方向。

不是”AI替代科学家”——是”专业能力变成工具链”。

Claude能写邮件问供应商能不能造某个构型，能读回复更改设计参数，能在64小时内生成31万个候选方案。工具在跑，但判断方向、设定验收标准、决定”失败够了该换路线”的，还是那几个搞投资的人。

这件事对AI制药行业的启示，比某个具体的蛋白设计数据重要得多：

> 未来的科学发现，参与者会更多元。药企和顶级实验室依然不可或缺。但越来越多的”带着具体问题、具体判断力”的团队——不管他们学的是什么专业——可以通过工具链进入科学工作流，提出被主流忽视的需求，快速形成可验证的结果。

过去，一个冷门疾病或边缘公共卫生问题，很难吸引大药企投入。现在，如果AI能降低早期探索成本，小团队就有机会先跑出实验信号，再吸引基金会、政府或产业资本接力。

说回我自己的判断

我不是在吹”AI制药已成熟”。恰恰相反——Citrini 的案例很清楚地说了一件事：AI可以帮你从零走到有实验验证的候选分子，但从那里到真的药，还有漫长的路。蛋白设计是研发链条上的一个环节，不是终点。

但这个案例最值钱的是另一句话：

“门外汉”进入科学发现的门槛，正在被系统性降低。

不是”不需要科学家了”，而是”更多的人可以参与提问、参与设计、参与验证”了。过去你要学十年才能坐上实验台，现在你可能需要学会的是：怎么给大模型写一份足够清晰的35页研究计划。

五年后回头看，这可能才是2026年最值得记住的变化——不是某家公司的股价涨了多少，而是一个搞投资研究的人用20万美元和三个月时间，证明了自己可以参与”设计新分子”这件事情。

而愿意把这种能力分享和开放出来的人，才是真正在下注未来。

—

*文章来源：华尔街见闻/36氪* *团队信息：Citrini Research — 独立投资研究机构* *蛋白设计平台：Claude (Anthropic)* *实验合作伙伴：Adaptyv Bio, Twist Bioscience* *论文/报告：尚未发表，已提供实验数据披露*