Anthropic ve Adaptyv Bio, 5.000 yapay zekâ tasarımı proteyi laboratuvarda test edecek yarışma başlattı

Anthropic ve Adaptyv Bio, 5.000'den fazla yapay zekâ ile tasarlanmış proteyi otomatik ıslak laboratuvarlarda deneysel doğrulamadan geçirecek, ortak sponsorlu bir protein tasarımı yarışması başlattı. Duyuruyla ilgili bir dev.to habrine göre program, Claude destekli biyoloji modellerini, laboratuvar testlerini, bulut bilişimi ve doğrudan fonlamayı tek bir uçtan uca hatta birleştiriyor ve beş seçili protein tasarımı sorununa odaklanacak.

Katılımcılar ne elde ediyor

Destek paketi, bu tür bir yarışma için alışılmadık derecede kapsamlı. dev.to, Anthropic'in Claude ve biyomoleküler modelleme hakkındaki güncellemesine dayanarak, uygun ekiplerin şu olanaklara kavuşabileceğini bildiriyor:

• Yapay zekâ destekli tasarım çalışması için 1 milyon dolara varan Claude kredisi.

• Adaptyv Bio üzerinden deneysel doğrulama için ek fon.

• Hesaplama çalışmaları için 250.000 dolara varan Modal compute kredisi.

• Twist Bioscience tarafından sağlanan DNA sentezi.

• Girişimden sonra açık kaynak olarak paylaşılacak optimize biyoloji modellerine erişim.

Erişim otomatik değil, başvuru şartına bağlı: aday katılımcılar başvurmak zorunda ve Anthropic yarışmayı, daha geniş kapsamlı Life Sciences Verification Program'ının bir parçası olarak konumlandırıyor.

Önceki sonuçlar üzerine inşa ediliyor

Yarışma, iki şirketin önceki iş birliğini genişletiyor. Ağustos 2026 tarihli bir vaka çalışmasında Adaptyv Bio, Claude destekli protein tasarım kampanyalarını otomatik ıslak laboratuvarında test etti ve 1.320 tasarımdan 354 binder rapor etti; bu, kabaca yüzde 26,8'lik bir isabet oranı. dev.to habri, 14 hedef için binder bulunduğunu söylüyor; ancak kampanyayı bir yerde 16 hedefi kapsayarak, başka bir yerde ise "15'in 14'ü" olarak nitelendiriyor.

Bu rakamlar, yeni yarışmanın değil, önceki bir kampanyanın şirket tarafından açıklanan sonuçları; yeni yarışmanın sonuçları henüz bildirilmedi. Ama bu rakamlar ortakların ölçek büyütme gerekçesini açıklıyor: yeni program, önceki vaka çalışamasına kıyasla kabaca dört kat fazla tasarımı doğrulamayı, üstelik bunları beş zorlu soruna odaklayarak hedefliyor.

Tasarla-test et döngüsünü kapatmak

Duyurunun dikkat çekici yanı yalnızca modele erişim değil, yarattığı kapalı döngü. Tasarımlar Claude ile hesaplamalı olarak önerilebilir, Twist Bioscience tarafından DNA olarak sentezlenebilir ve Adaptyv'nin laboratuvarında ölçülebilir. Protein mühendisliği sonuçta deneysel kanıta göre başarılı ya da başarısız olur ve ıslak laboratuvar doğrulaması, umut veren hesaplamalı bir öngörü ile gerçekten işe yarayan bir molekül arasındaki farkı ortaya çıkarır. 5.000'den fazla tasarım ölçeğinde program, iş akışının sorunlar arasındaki aktarımının ne kadar iyi çalıştığına dair, herhangi bir duyurudan çok daha bilgilendirici bir tablo üretmelidir.

Daha küçük biyoteknoloji ekipleri ve akademik laboratuvarlar için paket, yapay zekâ destekli biyoloji projelerini genellikle durduran aşamaları ele alıyor: ölçekli model kullanımı, sentez kapasitesi ve laboratuvar iterasyonu. Daha hızlı bir tasarla-test et-öğren döngüsü, bu tür ekiplerin sıralı bir manuel iş akışına kıyasla çok daha fazla hipotezi değerlendirmesini sağlayabilir ve açık kaynak taahhüdü, ortaya çıkan modelleri özgün katılımcıların ötesine taşıyabilir.

Açık sorular

Yayınlanan bilgiler, dev.to'nun da belirttiği gibi bazı noktaları belirsiz bırakıyor: katılımcı seçim ölçütleri, zaman çizelgeleri, yarışma çıktılarının mülkiyet koşulları ve her zorluk için nihai değerlendirme metrikleri. Ayrıca bir kredi paketi, bitmiş bir ilaç keşfi ya da protein mühendisliği platformu değildir. Ne kadar bilişim gücü sunulursa sunulsun, alan uzmanlığı, özenli deneysel tasarım ve biyolojik doğrulama vazgeçilmez olmaya devam ediyor.

Neden önemli

Yarışma, ölçülebilir bir bilimsel iş akışının içinde genel amaçlı yapay zekânın somut bir sınaması. Anthropic ve Adaptyv, Claude'u araştırmacıların ya da laboratuvar altyapısının yerine geçen bir şey olarak konumlandırmak yerine, çıktılarının laboratuvar kanıtıyla sınandığı bir hattın içine yerleştiriyor; böylece nihai sonuçlar, çabanın gerçek ölçüsü haline geliyor. Önceki kampanyaya benzer isabet oranları yeni ölçekte de tutarsa, bu durum yapay zekâ destekli protein tasarımını pratik bir mühendislik aracı olarak savunmayı güçlendirir; tutmazsa, hesaplamalı öneri ile laboratuvar sonucu arasındaki mesafe asıl konu haline gelir. Her iki durumda da binlerce deneysel olarak doğrulanmış tasarım, iddiaların çoğunlukla yalnızca hesaplamaya dayandığı bir alana gerçek kanıt katacak ve açık kaynaklanan modeller, daha küçük laboratuvarların nadiren kendileri inşa edebildiği araçlara erişimi genişletebilecek.