启用 Claude 的蛋白质结合剂设计在 TREM2 项目中展现出具有意义的实验信号，证明了 AI 辅助生物技术开发工具的进步。在一次黑客松活动中，包括 Claude Sonnet 4.6 在内的自主 AI 代理提交了结合剂设计方案，并在湿实验室中进行测试。该集体 AI 设计组合的结合剂命中率为 34.3%，其中 35 个设计方案中有 12 个与 TREM2 结合。这一结果与先前引用的启用 Claude 的设计工作范围一致。然而，该数据代表的是六个代理的综合表现，而非 Claude Sonnet 4.6 单独的表现。人类设计者的命中率为 38.5%，65 个设计方案中有 25 个与 TREM2 结合。虽然人类设计产生了更高亲和力的结合剂，但 AI 生成的结合剂也表现出高亲和力。该实验表明，AI 代理能够产生可用于实验的候选分子，而不仅仅是理论构想。至关重要的是，湿实验室验证对于评估结合结果仍然必不可少。TREM2 项目表明，AI 驱动的工作流可以参与从设计到测试的闭环，从而产生湿实验室结果。然而，单一靶点和较短的项目周期并不能确立其在多样化靶点上的性能，也无法解决安全性与有效性等关键问题。尽管 AI 可能简化候选分子生成，但其本身并不能加速临床开发周期或降低相关风险。随着此类工作流的成熟，治理与科学问责制至关重要。