3 Monate, 5 „fachfremde Laien“, ein Budget von 200.000 US-Dollar, mit Unterstützung von Claude hat das als „virales Forschungsinstitut“ bekannte Citrini das „skorpiongiftneutrale Protein“ entwickelt.

Ein Team aus 5 Personen, 200.000 US-Dollar und 3 Monate: Eine Investmentforschungsinstitution hat mithilfe von KI etwas erreicht, was früher ausschließlich spezialisierten Pharmaunternehmen vorbehalten war – ein neues Protein zu entwerfen, das an Skorpiongift bindet, und zwar von Grund auf. 211 Kandidatenmoleküle wurden ins Labor geschickt, 17 bestanden die Bindungstests und deckten 4 hochriskante Skorpiongifte ab. Dies ist das echte Ergebnis, das Claude nach der Koordination von mehr als 300 Agenten und dem Verbrauch von über 10.000 Stunden H100-Rechenleistung geliefert hat. Die Hürden für die KI-gestützte Pharmazeutische Forschung werden neu definiert: Der Zugang zur wissenschaftlichen Entdeckung öffnet sich auch für Laien.

Eine vernachlässigte Branche, eine Gruppe von Laien, ein 35-seitiges Prompt, 10.000 Stunden H100, eine Laborrechnung, 211 Proteinentwürfe, 17 positive Ergebnisse.

Die Geschichte beginnt mit einer Investitionsfrage und endet bei einem neuen Protein im Reagenzglas.

Das „Internet-berühmte Forschungsinstitut“ Citrini Research wollte ursprünglich eine Investitionsfrage klären: Wie weit ist die KI-gestützte Pharmazeutische Forschung eigentlich schon fortgeschritten?

In den letzten Jahren hat die Lebenswissenschafts- und Gesundheitsbranche eine deutliche Abkühlung erlebt. Die Dividende der Pandemie schwindet, das Finanzierungsumfeld verschärft sich, die Bewertungen auf dem Sekundärmarkt gehen zurück und die Akteure auf dem Primärmarkt agieren vorsichtig. Im Vergleich dazu sind KI-Infrastruktur, Halbleiter und die Rechenleistungskette zu beliebteren Themen geworden. Die Biomedizin-Branche, die einst von Kapital verfolgt wurde, wirkt nun etwas verlassen.

Doch genau hier sieht Citrini die Chance: Wenn eine vom Markt vernachlässigte Branche tatsächlich durch KI-Tools umgestaltet wird, könnten die Wachstumserwartungen unterschätzt werden.

Das Problem ist, dass niemand ihnen eine einheitliche Antwort geben kann. Fragt man Wissenschaftler, sagen einige, dass KI noch nie ein wirklich wichtiges neues Medikament hervorgebracht hat; andere sind der Meinung, dass KI das Arzneimittelforschungssystem innerhalb weniger Jahre umgestalten wird. Für eine Investmentforschungsinstitution lassen sich diese geteilten Urteile kaum zu Investitionsentscheidungen umwandeln.

Also beschlossen sie, selbst Hand anzulegen.

Das Team bestand nur aus 5 Personen, von denen 3 fast keinen Hintergrund in den Lebenswissenschaften hatten, die anderen 2 nur wenig einschlägige Erfahrung und keine Veteranen in der Arzneimittelforschung waren. Das Budget betrug 200.000 US-Dollar, die Zeitspanne 3 Monate. Sie setzten sich ein scheinbar riskantes Ziel: Mithilfe von Claude ein neues Protein zu entwerfen, das tatsächlich synthetisierbar und testbar ist.

Wenn die Laborergebnisse nachweisen können, dass es das Ziel wirksam bindet, reicht allein dieser erste Schritt, um eines zu belegen: Die Hürden für KI for Science sinken, und Laien erhalten nun die Möglichkeit, auf die hochspezialisierten wissenschaftlichen Entdeckungsprozesse zuzugreifen, die früher nur wenigen vorbehalten waren.

Warum richtet sich ein Investmentteam auf Skorpiongift?

Citrini hat anfangs nicht direkt Skorpiongift ausgewählt. Zuerst stellten sie mehrere Auswahlkriterien auf: Die experimentelle Überprüfung muss schnell und die Kosten kontrollierbar sein; das Problem selbst muss von der Fähigkeit zur Molekülgestaltung abhängen; idealerweise hat es zudem einen praktischen Wert für die öffentliche Gesundheit und wird gleichzeitig seit langem unterfinanziert.

Zu den Kandidatenrichtungen gehörten seltene Kinderkrankheiten, Clostridioides-difficile-Infektionen, „Impfstoffe“, die starke Fentanyl-Analoga blockieren, und Zeckenabwehrmaßnahmen zur Verringerung des Risikos von Borreliose. Die zuletzt übrig gebliebene Richtung war das Gegengift.

Im Bereich Schlangengift gab es bereits früher Fälle von KI-gestütztem Proteindesign. Citrini suchte nach einem neueren, weniger beachteten Ziel und lenkte den Blick auf Skorpiongift.

Skorpionstiche sind kein Randproblem. Weltweit werden jährlich etwa 1,2 Millionen Menschen von Skorpionen gestochen, Tausende sterben, Kinder sind besonders gefährdet. In vielen Hochrisikogebieten sind die medizinischen Ressourcen begrenzt, die Preise für Gegengifte sind hoch und die Versorgung ist instabil.

Die herkömmliche Herstellung von Gegengiften gegen Skorpiongift ist sehr traditionell: Man sammelt Skorpiongift, injiziert kontrollierte Dosen davon in Pferde, wartet darauf, dass die Pferde Antikörper produzieren, und extrahiert und reinigt sie dann aus dem Blutplasma. Der Prozess ist zeitaufwändig, teuer und abhängig von Tieren.

Citrini wollte einen neuen Weg ausprobieren: Ein kleines Protein direkt zu entwerfen, das wie eine „molekulare Klammer“ die Neurotoxine im Skorpiongift packt. Diese kleinen Proteine werden Minibinder genannt, sind kleiner als Antikörper und können theoretisch durch Synthetische Biologie hergestellt werden. Für ein Team mit begrenztem Budget und begrenzter Zeit liegt das Proteindesign näher an den aktuellen Fähigkeitsgrenzen der KI.

Schließlich wählten sie 5 Neurotoxine aus Skorpiongift aus, die repräsentative Toxine in Regionen wie Mexiko, Brasilien, Nordafrika und dem Nahen Osten abdecken. Das ursprüngliche Ziel war einfach: Zuerst Proteine zu entwerfen, die ein einzelnes Toxin binden. Wenn das In-vitro-Experiment nachweisen kann, dass es „festhalten kann“, ist das bereits ein wichtiges Signal.

Anschließend stellte das Team eine schwierigere Aufgabe: Kann ein einzelnes Molekül entworfen werden, das gleichzeitig 5 Toxine bindet?

Claude wies sie darauf hin, dass die Erfolgsaussichten sehr gering sind. Obwohl die 5 Toxine alle zu den Neurotoxinen des Skorpiongifts gehören, unterscheiden sie sich in ihrer Oberflächenstruktur, ihren Schlüsselstellen, ihrer Ladungsverteilung und ihrer räumlichen Konformation. Ein kleines Protein so zu gestalten, dass es gleichzeitig mehrere Ziele trifft, ist vergleichbar mit einem Schlüssel, der fünf Schlösser mit unterschiedlichen Strukturen öffnet.

Das Team beschloss trotzdem, es zu versuchen.

Dieser Schritt hat eine symbolische Bedeutung. KI kann Laien den Zugang zum Proteindesign ermöglichen, aber die Schwierigkeit der Lebenswissenschaften verschwindet nicht automatisch, nur weil die Prompts länger werden.

35-seitige Prompts, mehr als 300 Agenten, 10.000 Stunden H100

Bevor es richtig losging, verbrachten Citrini und das Anthropic-Team viel Zeit damit, die Prompts zu entwerfen. Das endgültige Prompt war etwa 35 Seiten lang und beschrieb klar die Zieltoxine, Designbeschränkungen, Bewertungswerkzeuge, Auswahlregeln, Kandidatenzuweisungen und alle für das Labor erforderlichen Informationen.

Das ähnelte nicht mehr einem normalen Chat, sondern eher einem Forschungsvorschlag, der an ein „virtuelles Team für Trockenexperimente“ übergeben wird.

Anschließend übernahm Claude den Großteil des rechnergestützten Designprozesses: Literatur durchsuchen, Werkzeuge anpassen, Strukturvorhersagen durchführen, Rechenressourcen verwalten und Kandidatenlösungen auswählen. Es schrieb zudem unter menschlicher Aufsicht E-Mails an die Wissenschaftler von Twist Bioscience, um zu fragen, ob bestimmte Fusionsproteine und bispezifische Konfigurationen hergestellt werden können. Nach Erhalt der Antworten schrieb Claude die Herstellungsbeschränkungen des Anbieters zurück in den Designprozess und setzte die Arbeit fort.

Dieser Punkt ist entscheidend. Echte wissenschaftliche Forschung existiert nie nur in Papieren und Modellen, sondern durchläuft auch praktische Schritte wie Anbieter, Herstellungsbeschränkungen, Versuchsplanung und Probenvorbereitung. Nur wenn Claude diese Informationen verknüpfen kann, erhält das Projekt das Aussehen eines vollständigen Arbeitsablaufs.

Laut Angaben von Citrini wurden für die gesamte Designaktivität etwas mehr als 10.000 Stunden H100-GPU verwendet. Die Kosten für die Rechenleistung beliefen sich auf 49.997 US-Dollar, Claude hat sogar 3 US-Dollar weniger als das Budget ausgegeben. Die anschließenden Versuchskosten für DNA-Synthese, Proteinexpression und -reinigung, Bindungstests und Bewertungen der Entwicklungsfähigkeit beliefen sich auf fast 150.000 US-Dollar. Das Budget von 200.000 US-Dollar wurde fast vollständig ausgeschöpft.

In der 64-stündigen Designphase generierte Claude mehr als 310.000 Proteinentwürfe und filterte 180 davon aus. Nach vier nachfolgenden Runden ergänzten Menschen und Claude eine weitere Gruppe von Kandidaten, und schließlich wurden 211 Lösungen zur Synthese und Prüfung ins Labor geschickt.

Das Citrini-Team erinnerte sich später, dass es sich sehr unwirklich anfühlte, als es die Proteinstrukturdiagramme zum ersten Mal auf dem Bildschirm sah. Einige Tage zuvor arbeiteten sie noch an Investmentforschungen; wenige Tage später erschienen auf dem Bildschirm eine Reihe von noch nie dagewesenen Proteinstrukturen, neben ihnen Sortierungen, Begründungen, Herstellungsvorschläge und Materialien für die Experimenteinreichung.

Das ist genau der greifbarste Wandel im Bereich KI for Science. Fachliche Fähigkeiten werden zunehmend in eine Werkzeugkette zerlegt: Große Sprachmodelle sind für das Verständnis der Ziele, die Koordination von Prozessen, die Integration von Literatur und die Generierung von Entwürfen zuständig; externe Labore übernehmen die Überprüfung; Menschen sind für die Festlegung von Problemen, die Überwachung von Risiken und die Beurteilung der Richtung verantwortlich.

211 Proteine ins Labor geschickt, 17 positive Ergebnisse, 4 von 5 Toxinen abgedeckt

Selbst die schönsten Strukturdiagramme im Computer zählen nicht als wissenschaftliches Ergebnis. Citrini schickte die Kandidatenlösungen an Adaptyv Bio und Twist Bioscience, um DNA-Synthese, Proteinexpression und -reinigung sowie Bindungstests durchzuführen. Die Versuchsergebnisse zeigten:

Von den 211 getesteten Entwürfen erreichten 17 die voreingestellten Bindungsstandards und deckten 4 von 5 Toxinen ab.

Unter ihnen zeigten die Kandidaten gegen das mexikanische Skorpiongift Cn2 die herausragendste Leistung. Die beiden Entwürfe Cn2-B1 und Cn2-B2 binden das Zieltoxin sehr stark, mit einer Affinität im niedrigen nanomolaren Bereich. Einfach ausgedrückt bedeutet das, dass sie es „sehr fest packen“. In der frühen Phase der Wirkstoffentdeckung reicht diese Art von Affinität bereits aus, um die Forscher dazu zu bringen, sie ernst zu nehmen.

Das Team führte zudem kompetitive Bindungsexperimente durch. Es ist bekannt, dass ein Antikörperfragment namens LR das Cn2-Toxin neutralisieren kann. Die Experimente zeigten, dass wenn LR das Toxin zuerst besetzt, die Bindung des von Claude entworfenen Proteins an das Toxin deutlich beeinträchtigt wird. Dies deutet darauf hin, dass Cn2-B1 und Cn2-B2 möglicherweise dieselbe oder eine benachbarte Position wie LR erfassen.

Das ist sehr wichtig. Die eigentliche Aufgabe eines Proteins gegen Skorpiongift darf nicht nur darin bestehen, das Toxin an einer beliebigen Stelle zu haften, sondern es soll vorzugsweise den Schlüsselbereich blockieren, in dem das Toxin mit den Natriumkanälen von Nervenzellen interagiert. Das Kompetitionsexperiment liefert zumindest einen positiven Hinweis: Die von Claude entworfenen Proteine erfassen möglicherweise eine Position mit funktioneller Bedeutung.

Gleichzeitig scheiterte das schwierigste Ziel, „alle fünf Toxine auf einmal zu erfassen“. Kein einziger Entwurf konnte nachweisen, dass er mehrere Toxine gleichzeitig bindet. Die ursprüngliche Risikowarnung von Claude hat sich bestätigt.

Dieses Ergebnis macht den Fall umso glaubwürdiger. KI hat nicht auf magische Weise alle biophysikalischen Beschränkungen überwunden. Sie lieferte experimentell positive Kandidaten bei einzelnen Zielen und stieß bei universellen Molekülen für mehrere Ziele an Grenzen. Erfolg und Misserfolg spiegeln sich klar in den experimentellen Daten wider.

Noch kein Medikament, aber eine Hürde überwunden

Bisher haben diese Proteine nur bewiesen, dass sie „das Toxin binden können“. Sie haben noch nicht bewiesen, dass sie das Toxin neutralisieren, noch dass sie Zellen, Tiere oder Menschen schützen können.

Der nächste Schritt erfordert Funktionsexperimente. Zum Beispiel muss zuerst bestätigt werden, dass das Toxin tatsächlich die Ionenkanäle von Zellen stört, bevor Methoden wie Patch-Clamp verwendet werden, um zu testen, ob diese Proteine die Wirkung des Toxins blockieren oder umkehren können. Erst danach können Tierversuche zum Schutz durchgeführt werden, um Dosierung, Wirkgeschwindigkeit, Verweildauer im Körper, Sicherheit, Immunreaktionen und Herstellungsstabilität zu bewerten.

Mit anderen Worten: Es ist noch ein langer Weg bis zu einem wirklich einsetzbaren Behandlungsmittel gegen Skorpiongift.

Aber der Wert dieses Experiments ist bereits sichtbar: Eine Gruppe von Menschen mit fast keinem Hintergrund in der Arzneimittelforschung kann mit Hilfe von KI-Tools, externen Experimenten und sicheren Rahmenwerken von Experten ausgehend von einer Investitionsfrage bis zu dem Sch