Claude ya diseña proteínas y automatiza análisis químicos que antes requerían semanas de trabajo especializado

Anthropic presentó este martes nuevos resultados que muestran hasta qué punto sus modelos de inteligencia artificial pueden avanzar desde la generación de texto hacia tareas científicas complejas. La compañía informó que Claude logró diseñar proteínas capaces de unirse a distintos objetivos biológicos y que también pudo procesar análisis químicos a partir de archivos brutos de laboratorio, reduciendo drásticamente tiempos que habitualmente requieren trabajo especializado.

Nota relacionada: Anthropic monta un laboratorio biológico en San Francisco para llevar la IA a la investigación médica

En una campaña experimental de diseño de proteínas, Claude trabajó sobre 15 objetivos y consiguió diseñar moléculas que se unían correctamente a 14 de ellos. Las pruebas fueron realizadas de forma independiente por Adaptyv Bio y Twist Bioscience. Según Anthropic, entre el 22% y el 35% de los diseños resultaron ser proteínas capaces de unirse a sus objetivos, frente a una tasa de entre 10% y 15% que la compañía considera habitual en campañas de diseño de proteínas.

El resultado es especialmente llamativo por el grado de autonomía alcanzado. Anthropic afirma que Claude recibió acceso a herramientas especializadas, modelos de diseño y plegamiento de proteínas, recursos científicos y capacidad de cómputo, y luego ejecutó de manera autónoma las distintas etapas de la campaña. El sistema eligió regiones de los objetivos, generó estructuras y secuencias, realizó rondas de optimización computacional y seleccionó candidatos para ser enviados a validación experimental. En total produjo 354 aglutinantes de proteínas a partir de 1.320 diseños.

La segunda demostración corresponde a la química analítica. Claude Opus 5 recibió archivos sin procesar provenientes de instrumentos de laboratorio para realizar análisis mediante resonancia magnética nuclear (NMR) y cromatografía líquida-espectrometría de masas (LC-MS). Sin utilizar el software del fabricante ni la intervención de un operador, procesó ambos estudios en paralelo y entregó los resultados en 23 y 19 minutos, respectivamente. Sus mediciones coincidieron con las del laboratorio en los parámetros principales, incluida una pureza calculada de 96,4%, frente al 96,33% obtenido por el laboratorio.

Anthropic señala que el análisis rutinario de estos datos puede implicar tareas manuales y demoras mucho mayores. En el caso presentado, el informe final del laboratorio llegó cuatro días después de la primera medición, mientras Claude produjo su análisis y un informe durante la misma sesión.

Pero el anuncio también muestra los límites actuales. Los resultados experimentales todavía requieren validación humana y de laboratorio, y Anthropic aclara que diseñar un aglutinante proteico es solamente una de las primeras etapas de un posible desarrollo farmacéutico. La compañía tampoco presenta estos sistemas como sustitutos completos de los científicos, sino como herramientas capaces de automatizar partes importantes de procesos que hasta ahora dependían de especialistas.

El avance también tiene una dimensión de seguridad. Anthropic reconoce que estas capacidades científicas son de doble uso: pueden acelerar el desarrollo de tratamientos y descubrimientos fundamentales, pero también podrían utilizarse con fines peligrosos. Por esa razón, la empresa mantiene restringidas algunas capacidades biológicas de sus modelos más avanzados mientras desarrolla mecanismos de acceso controlado.

La importancia del anuncio va más allá de Claude. La inteligencia artificial empieza a intervenir no solo en la interpretación de información científica, sino también en etapas activas del proceso de investigación: diseñar candidatos, ejecutar herramientas especializadas, analizar resultados y decidir los siguientes pasos. La frontera, en otras palabras, comienza a desplazarse desde una IA que ayuda a los científicos hacia sistemas capaces de ejecutar partes cada vez más amplias del trabajo científico por sí mismos.