Claude を活用したタンパク質バインダー設計は、TREM2 キャンペーンにおいて意味のある実験的シグナルを示し、AI 支援型バイオテクノロジー ツールの進歩を実証しました。ハッカソンでは、Claude Sonnet 4.6 を含む自律型 AI エージェントがバインダー設計を提出し、ウェットラボでテストされました。AI が共同で設計したセットは 34.3% のバインダーヒット率を達成し、35 件中 12 件のデザインが TREM2 に結合しました。この結果は、以前引用された Claude を活用した設計作業の範囲と一致しています。ただし、この数値は 6 つのエージェントの総合的なパフォーマンスを表しており、Claude Sonnet 4.6 単独のものではありません。人間のデザイナーは 38.5% とわずかに高いヒット率を達成し、65 件中 25 件のデザインが TREM2 に結合しました。人間のデザインはより高い親和性のバインダーを生み出しましたが、AI によって生成されたバインダーも高い親和性を示しました。この実験は、AI エージェントが理論的なアイデアだけでなく、実用的な実験候補を生成できることを強調しています。極めて重要なのは、結合結果を評価するためにウェットラボでの検証が依然として不可欠であるということです。TREM2 キャンペーンは、AI 主導のワークフローが設計からテストまでのループに参加し、ウェットラボでの成果につながることを実証しています。しかし、単一のターゲットと短いキャンペーン期間では、多様なターゲット全体でのパフォーマンスを確立したり、安全性や有効性などの重要な側面に対処したりすることはできません。AI は候補生成を合理化するかもしれませんが、臨床開発のタイムラインを本質的に加速したり、関連するリスクを軽減したりするものではありません。これらのワークフローが成熟するにつれて、ガバナンスと科学的説明責任は引き続き最重要となります。