Claude รันแคมเปญออกแบบโปรตีนเองทั้ง 48 ชั่วโมง — 354 จาก 1,320 ดีไซน์จับเป้าได้จริงในหลอดทดลอง และเครื่องมือทุกตัวที่มันใช้เป็นโอเพนซอร์ส

18 สิงหาคม 2026 Anthropic เผยแพร่รายงานสองฉบับจากทีม Claude Science ฉบับหลักชื่อ “Autonomous de novo protein binder design with Claude” เนื้อหาคือการทดลองที่ตอบคำถามตรง ๆ ข้อเดียว: ถ้าเอาความรู้ทั้งหมดของการทำแคมเปญออกแบบโปรตีนมาเขียนเป็น prompt เดียว แล้วปล่อยให้เอเจนต์รันเองโดยมนุษย์ไม่แตะการตัดสินใจใด ๆ เลย มันจะได้โปรตีนที่จับเป้าจริงหรือไม่

คำตอบที่วัดได้จากหลอดทดลองคือ 354 จาก 1,320 ดีไซน์จับเป้าได้จริง — hit rate 27% ในขณะที่ค่าปกติของแคมเปญออกแบบโปรตีนทุกวันนี้อยู่ที่ 10–15% และสำหรับนักพัฒนาเอเจนต์ รายละเอียดที่มีค่าที่สุดในรายงานนี้ไม่ใช่ตัวเลขชีววิทยา แต่คือคำอธิบายว่า prompt ยาว 16,000 คำนั้นประกอบด้วยอะไรบ้าง

ขอบเขตของ “อัตโนมัติ” ในการทดลองนี้ชัดผิดปกติ

รายงานระบุขอบเขตไว้แบบที่ไม่ค่อยเห็นในงานสาย agentic science: มนุษย์ทำแค่ ตอนต้นกับตอนท้าย เท่านั้น

ตอนต้น ผู้ควบคุมหนึ่งคนเตรียมของให้ Claude — บัญชี GPU บนคลาวด์ (Modal) ที่มีงบและเพดานคอนเทนเนอร์กำหนดไว้, connector ไปยัง Slack, Google Drive, Gmail และ bioRxiv, allowlist ของโดเมนที่ยิงออกได้, credential ของเครื่องมือ และคลังเอกสารอ้างอิงแบบออฟไลน์ จากนั้นโหลด protocol prompt เป็น system prompt ส่งข้อความ kickoff แล้วปล่อยให้รัน ตอนท้าย มนุษย์เป็นคนสั่งสังเคราะห์และตีความผลการวัด

ระหว่างนั้นทั้งหมดเป็นของ Claude: ค้นชีววิทยาของเป้าหมายแต่ละตัว, เลือกว่าจะโมเดลบริเวณไหนของโปรตีนเป้าหมายและจะจับ epitope ไหน, เลือกว่าจะใช้เครื่องมือ backbone generation กับ sequence design ตัวไหนในสัดส่วนเท่าไร, คัดดีไซน์ที่ซ้ำกันหรือคล้ายโปรตีนที่มีอยู่แล้วออกก่อนเผา compute, ตรวจว่า ranking score ของตัวเองยังจำ binder ที่รู้จักได้, รันรอบ optimization เพิ่มเมื่อคิดว่าคุ้ม แล้วส่งดีไซน์ 30 ตัวต่อเป้าหมายพร้อมบันทึกการตัดสินใจ

จุดที่ควรสังเกตเป็นพิเศษ: ไม่มีเครื่องมือตัวไหนถูกติดตั้งไว้ให้ล่วงหน้าเลย prompt สั่งให้ Claude build เครื่องมือแต่ละตัวจาก public repo ขึ้นเป็น container image เองและ validate ให้เสร็จภายในชั่วโมงแรกของแคมเปญ

Claude Opus 4.8 (ตั้ง reasoning effort สูงสุด) และ Claude Mythos Preview (ตั้งระดับ high) รันสองรูปแบบ — แบบ multi-target 48 ชั่วโมงยิง 14 เป้าหมายพร้อมกัน งบ 50,000 ดอลลาร์ต่อแคมเปญ และแบบ single-target 24 ชั่วโมงต่อเป้าหมาย งบ 10,000 ดอลลาร์

ตัวเลขที่มาจาก CRO อิสระสองเจ้า ไม่ใช่จากซิลิคอน

จุดที่ทำให้รายงานนี้หนักกว่างาน agentic science ทั่วไปคือทุกดีไซน์ถูกสังเคราะห์จริง ตามที่ส่งมาเป๊ะ ๆ โดย CRO อิสระสองเจ้า (Adaptyv Bio และ Twist Bioscience) แล้ววัดการจับจริง

• เป้าหมายตั้งต้น 16 ตัว หนึ่งตัว (mature GDF-8 dimer) จับตัวเป็นก้อนในสภาวะทดสอบจนอ่านผลไม่ได้ที่ CRO ทั้งสองเจ้า จึงตัดดีไซน์ 120 ตัวของมันออก เหลือ 1,320 ดีไซน์บน 15 เป้าหมาย
• Claude ออกแบบ binder ได้สำเร็จบน 14 จาก 15 เป้าหมาย
• 354/1,320 จับได้ = 27% และถ้าดูเฉพาะดีไซน์ที่ Claude จัดอันดับเป็นที่ 1 ของแต่ละเป้าหมายในแต่ละแคมเปญ 49% จับได้
• multi-target 48 ชั่วโมง: Mythos Preview 26.7%, Opus 4.8 22.6% — single-target 24 ชั่วโมง: Mythos Preview 35.1%
• cross-species เป็นเป้าหมายรองใน prompt แต่ 130 จาก 233 binder ที่ถูกทดสอบกับ ortholog ของหนูก็จับได้ด้วย

ผลที่ตรงประเด็นที่สุดคือ RBX1 ซึ่งเพิ่งเป็นโจทย์ของการแข่งขันออกแบบแบบเปิด ในการแข่งนั้นมีดีไซน์ de novo 245 ตัว จับได้ 9 ตัว ส่วน Claude ส่ง 90 ตัว จับได้ 28 ตัว และตัวที่แน่นที่สุดมีค่า K_D ที่ 3.9 nM เทียบกับ 45 nM ของผู้ชนะการแข่งขันที่ถูกสังเคราะห์ใหม่และวัดบนเพลตเดียวกัน — คือเทียบกันในเงื่อนไขเดียวกันจริง ๆ ไม่ใช่เทียบตัวเลขข้ามรายงาน

ฝั่งที่ล้มเหลวก็รายงานตรง: Claude แทบทำอะไรกับ maltose-binding protein (MBP) ไม่ได้เลยจาก 90 ดีไซน์ และได้ binder ต่อ BBF-14 (β-barrel ที่ถูกออกแบบขึ้นมาเอง) แค่ 3 ตัวที่ affinity ธรรมดา

สองในสามของ prompt ไม่ใช่ชีววิทยา — และนี่คือบทเรียนสำหรับคนสร้างเอเจนต์

นี่คือประโยคที่คนทำ agent harness ควรอ่านซ้ำ รายงานระบุว่า protocol prompt ยาวราว 16,000 คำ และ ประมาณหนึ่งในสามเท่านั้นที่เป็นคำแนะนำเชิงวิทยาศาสตร์ (วัตถุประสงค์ของแคมเปญ, สเปกของเป้าหมายแต่ละตัวโดยระบุแค่ชื่อ/UniProt accession/สิ่งมีชีวิต/oligomeric state, ทิศทางว่าควรมองพื้นผิวที่มีความหมายทางชีววิทยา, และรายการอ่านประกอบ)

สองในสามที่เหลือคือสิ่งที่ทำให้ความอัตโนมัติระดับนี้อยู่รอด — รายงานเรียงไว้สี่อย่าง:

1. จะ pace งบ GPU ที่ตายตัวกับเวลาบนนาฬิกาอย่างไร — ไม่ใช่ “ทำให้ดีที่สุด” แต่คือกติกาว่าเมื่อไรควรเผา compute เมื่อไรควรหยุด
2. จะกระจายงานให้ทีม sub-agent สองชั้นและกำกับมันอย่างไร
3. จะ verify ผลก่อนรายงานอย่างไร
4. เมื่อไรถึงควรรายงาน

และส่วนสี่ข้อนี้ถูก iterate ผ่านแคมเปญทดสอบจนกว่า Claude จะรันได้ต่อเนื่อง 24–48 ชั่วโมงและใช้งบครบตามที่ตั้งใจ แล้วจึง freeze ไว้ ก่อนรันแคมเปญที่รายงานผลจริง

พูดอีกอย่างคือ: ความรู้เชิงโดเมนเป็นแค่หนึ่งในสามของงาน อีกสองในสามคือ pacing, delegation, verification — ซึ่งเป็นปัญหาเดียวกันเป๊ะกับที่ทีมสร้าง coding agent, research agent หรือ ops agent เจอทุกวัน

อีกชิ้นที่ควรเก็บไว้: ranking score ที่ Claude ใช้คัดดีไซน์ก่อนสั่งสังเคราะห์ ไม่ได้มาจากการเดา — มันคือ ensemble ของ ESMFold2, ESMFold2-Fast และ Protenix v2 ที่ให้คะแนนด้วย ipSAE_min แล้ว z-score รวมกัน ซึ่งบนชุดข้อมูล benchmark สาธารณะทำ macro-AP ได้ 0.66 เทียบกับ 0.55 ของ AlphaFold3 คือมี “ตัวกรองที่พิสูจน์แล้ว” อยู่ในลูปก่อนถึงขั้นตอนที่แพง

การทดลองที่สอง: อ่านไฟล์ดิบจากเครื่องมือแล็บโดยไม่ใช้ซอฟต์แวร์ของผู้ผลิต

รายงานฉบับที่สองใช้ Claude Opus 5 ตัวที่ใช้งานทั่วไปได้แล้ว ป้อนไฟล์ดิบจากเครื่อง NMR และ LC-MS ให้ โดยไม่ให้ซอฟต์แวร์ของผู้ผลิตเครื่อง Claude ถอดรหัสรูปแบบไฟล์กรรมสิทธิ์เอง วิเคราะห์สเปกตรัม ระบุองค์ประกอบ และประเมินความบริสุทธิ์

ผล: NMR ใช้เวลา 23 นาที ได้จำนวนไฮโดรเจนตรงกับที่แล็บวัดภายใน 0.08 ¹H — LC-MS ใช้เวลา 19 นาที ได้ความบริสุทธิ์ 96.4% เทียบกับ 96.33% ที่แล็บวัด และยังเสนอการทดลองต่อไปตรงกับที่แล็บตัดสินใจเองโดยอิสระ ของแถมที่มีประโยชน์กว่าตัวเลขคือ โค้ดที่นำกลับมาใช้ซ้ำได้สำหรับอ่านไฟล์รูปแบบกรรมสิทธิ์นั้น งานแบบนี้ปกติกินเวลาครึ่งชั่วโมงถึงหนึ่งชั่วโมงต่อตัวอย่าง

ของที่ปล่อยจริง และเส้นที่ Anthropic ขีดไว้

Anthropic ปล่อย prompt ทั้งหมด, computational model ของดีไซน์ทั้ง 1,440 ตัว และข้อมูลการจับของ 1,320 ตัวที่วัดได้เชื่อถือได้ เป็น dataset สาธารณะบน Hugging Face พร้อมรายงานเทคนิคทั้งสองฉบับ — เจตนาชัดว่าอยากให้เป็นทั้ง protocol ที่ทำซ้ำได้และ benchmark ของวงการ

พร้อมกันนั้นก็ขีดเส้นไว้ด้วย: รายงานระบุตรง ๆ ว่าความสามารถแบบนี้เป็น dual-use และหากไม่มีมาตรการความปลอดภัยที่แน่นพอ มันช่วยให้ผู้ไม่หวังดีทำวิจัยอันตรายอย่างการพัฒนาอาวุธชีวภาพได้ ความสามารถด้านการออกแบบโปรตีนจึงยังถูกจำกัดไว้ใน Claude Fable 5 และ Anthropic บอกว่าจะเปิดโครงการ trusted access ให้นักวิทยาศาสตร์แทน

มุมมอง AI Curator

ประโยคที่สำคัญที่สุดในรายงานนี้คือ “เครื่องมือทุกตัวที่ Claude ใช้เป็นโอเพนซอร์ส” ไม่ใช่ตัวเลข 27%

ลองแยกต้นทุนของสิ่งที่เกิดขึ้นดู: แคมเปญ single-target ราคา 10,000 ดอลลาร์บน GPU คลาวด์ ใช้เวลา 24 ชั่วโมง ใช้ ESMFold2, Protenix, RFdiffusion, BindCraft, BoltzGen — ของที่ดาวน์โหลดได้ทั้งหมด บวกกับ prompt ที่ตอนนี้เผยแพร่แล้ว แปลว่าชิ้นส่วนที่หายไปสำหรับแล็บทั่วโลกไม่ใช่โมเดลลับ ไม่ใช่ข้อมูลลับ แต่คือ โมเดลภาษาที่รันงานยาว 24–48 ชั่วโมงโดยไม่หลุด — ซึ่งเป็นสิ่งเดียวในสมการนี้ที่ยังปิดอยู่ และเป็นสิ่งเดียวที่ Anthropic ควบคุมได้ผ่านการจำกัดความสามารถในรุ่นที่ปล่อย

สำหรับไทยและ SEA นี่คือประเด็นที่ควรอ่านสองรอบ ที่ผ่านมาเหตุผลที่แล็บชีวสารสนเทศในภูมิภาคไม่ทำ de novo binder design ไม่ใช่เพราะไม่มีเครื่องมือ แต่เพราะแคมเปญหนึ่งต้องการคนที่รู้ทั้งชีววิทยาของเป้าหมาย, structural modeling, และวิธี orchestrate เครื่องมือกับ GPU พร้อมกัน — คนแบบนั้นในประเทศมีไม่กี่คนและถูกแย่งตัว ผลลัพธ์นี้บอกว่าส่วนที่ขาดแคลนที่สุดถูกแทนด้วย prompt ที่เผยแพร่แล้วได้ในระดับหนึ่ง ต้นทุนที่เหลือคือ CRO ที่สังเคราะห์และวัดได้จริง ซึ่งเป็นโครงสร้างพื้นฐานทางกายภาพที่ภูมิภาคเรายังต้องส่งออกไปทำที่อื่น นี่จึงเป็นจุดที่นโยบายวิทยาศาสตร์ควรลงทุนมากกว่าการซื้อ GPU เพิ่ม

แต่บทเรียนที่นำไปใช้ได้พรุ่งนี้เลยสำหรับคนไทยที่สร้างเอเจนต์ คือสัดส่วน 1:2 ของ prompt นั้น ทีมส่วนใหญ่ที่ผมเห็นเขียน system prompt แล้วใส่ความรู้โดเมนลงไป 90% แล้วจบด้วย “ทำให้ดีที่สุด” ผลคือเอเจนต์ที่ทำงาน 20 นาทีแรกได้ดีแล้วหลุดหลังจากนั้น รายงานนี้บอกว่าทีมที่ทำให้เอเจนต์อยู่ได้ 48 ชั่วโมงใช้พื้นที่ prompt สองในสามไปกับเรื่องน่าเบื่อ — กติกาการใช้งบ, การแบ่งงานให้ sub-agent สองชั้น, การ verify ก่อนรายงาน, และเงื่อนไขว่าเมื่อไรถึงพอ — และ iterate ส่วนนั้นจนนิ่งแล้ว freeze ก่อนเก็บผลจริง นั่นคือกระบวนการวิศวกรรม ไม่ใช่การเขียนคำสั่ง

ข้อควรระวังสุดท้าย: อย่าอ่านตัวเลข 27% เป็นคำสัญญา รายงานเปิดเผยเองว่ามีเป้าหมายที่ล้มสนิท (MBP จาก 90 ดีไซน์ได้ศูนย์) และมีอีกตัวที่ได้แค่ 3 ตัวแบบ affinity ธรรมดา ความสามารถแบบนี้ยัง กระจายตัวไม่เท่ากันตามชนิดของเป้าหมาย ซึ่งเป็นลักษณะเดียวกับที่เราเห็นในเอเจนต์เขียนโค้ด — เก่งมากในงานที่มีรูปแบบใกล้เคียงกับสิ่งที่เคยเห็น และเงียบสนิทเมื่อเจอของที่ไม่เหมือนใคร การที่ Anthropic รายงานเป้าหมายที่ล้มไว้ในรายงานเดียวกับตัวเลขที่ดีที่สุด คือมาตรฐานที่รายงาน agentic benchmark ควรถือ และเป็นสิ่งที่ยังหาได้ยากในปีนี้

แหล่งข่าว

• How Claude is accelerating protein design and analytical chemistry — Anthropic Research (18 ส.ค. 2026)
• Autonomous de novo protein binder design with Claude — รายงานเทคนิค (PDF)
• Anthropic/claude-protein-binder-design — prompt, ดีไซน์ และข้อมูลการจับบน Hugging Face
• Anthropic says any lab can now let a language model agent run the whole protein design stack — The Decoder