Claude ontwierp eiwitten die het in een echt lab deden, bij 14 van de 15 doelwitten

Ik ben geen biochemicus. Als ik een grafiek zie met bindingsaffiniteiten kan ik hooguit zien welke balk hoger is. Toch bleef ik dinsdag hangen bij het onderzoek dat Anthropic publiceerde, en niet vanwege de eiwitten. Wat mij bezighoudt is de vorm van het experiment: een agent kreeg een opdracht, koos zelf welke gespecialiseerde modellen hij daarvoor installeerde en draaide, en de uitkomst is daarna door twee externe labs fysiek nagemaakt en gemeten.

Dat laatste is het punt. Bijna alles wat ik over agenten schrijf, en ook wat ik zelf met agenten bouw, wordt beoordeeld door de opdrachtgever zelf. Hier ligt de beoordeling bij een pipetteerrobot die niet weet dat er een taalmodel aan te pas kwam.

Wat er precies gebeurde

Op 18 augustus 2026 publiceerde Anthropic twee resultaten in één post. Het eerste gaat over eiwitontwerp, het tweede over analytische chemie.

Voor het eiwitdeel selecteerden ze 16 doelwitten, waaronder de complete BenchBB-set van Adaptyv Bio en twee doelwitten uit recente ontwerpwedstrijden die nog nauwelijks in trainingsdata kunnen zitten. Claude kreeg de opdracht om per doelwit 30 minibinders te ontwerpen: kleine eiwitten die zich vastklampen aan een groter eiwit. Dat vastklampen is hoe een groot deel van de medicijnen werkt.

De ontwerpen gingen naar Adaptyv Bio en Twist Bioscience. Die maakten ze fysiek en testten ze, onafhankelijk van Anthropic. Van de 16 doelwitten leverde er één geen bruikbare meting op omdat het doelwit zelf ging klonteren, dus er blijven er 15 over. Tegen 14 daarvan vond Claude werkende binders.

De modellen die het werk deden zijn Opus 4.8 en Mythos Preview, en dat gebeurde in Claude Science. Het chemiedeel liep op Opus 5, het model dat gewoon voor iedereen beschikbaar is.

De mechaniek: de agent bedient het gereedschap, hij vervangt het niet

Dit is het stuk dat in de samenvattingen wegvalt. Claude heeft geen eiwitten uit het niets gehallucineerd. Hij bediende de bestaande, open beschikbare ontwerp- en vouwmodellen die het vakgebied al gebruikt. Zoeken naar literatuur over het doelwit, kiezen wáár op het eiwit gebonden moet worden, de gespecialiseerde modellen installeren en draaien, kandidaten filteren, verbeteren, en uiteindelijk de dertig selecteren die naar het lab gaan.

Dat is precies de laag die tot nu toe een computationeel specialist vroeg. Niet het zware rekenwerk zelf, maar het orkestreren ervan: welke tool, in welke volgorde, met welke drempelwaarde, en wanneer je een tak laat vallen.

De opzet in cijfers:

De menselijke inbreng bestond volgens Anthropic uit het goedkeuren van verzoeken die Claude deed (netwerktoegang, code uitvoeren), het oplossen van infrastructuurproblemen buiten de ontwerpsessies om, en het bestellen van de ontwerpen bij de labs. De inhoudelijke prompt was wel mensenwerk: ongeveer 30.000 tokens aan protocol, geschreven door een expert, en die staat samen met de data open op Hugging Face.

De cijfers, ook de ongemakkelijke

• 354 werkende binders uit 1.320 ontwerpen met bruikbare metingen. Dat is 26,8 procent, en die deling heb ik zelf gemaakt. Anthropic noemt een bandbreedte van 22 tot 35 procent, afhankelijk van de opzet.
• In het veld is 10 tot 15 procent gebruikelijk. Dat cijfer komt uit Anthropics eigen afleiding op basis van proteinbase.com, niet uit een onafhankelijke meta-analyse.
• Per doelwit loopt de hitrate van 90 procent tot nul. Het gemiddelde verbergt dus een enorme spreiding.
• Tegen RBX1 haalde Mythos Preview 40 procent in single-target-modus, tegenover 3,7 procent bij de deelnemers aan de wedstrijd van Adaptyv Bio voor dat doelwit. Het beste ontwerp versloeg de winnaar daarvan, die uit 245 inzendingen kwam.
• Tegen MBP: nul van de 90. Maltose-bindend eiwit is groot, flexibel en glad, dus er is weinig om vast te pakken. Eén ontwerp gaf een zwak maar reproduceerbaar signaal, verder niets.
• Tegen BBF-14 drie binders, met bescheiden affiniteit. Dat is een β-vat dat zelf ooit computationeel ontworpen is, en het staat juist daarom in de benchmark.
• TNFα ging alleen goed bij Opus 4.8, niet bij Mythos Preview, terwijl dat laatste model over de hele linie sterker is. Anthropic schrijft er ronduit bij dat ze niet weten waarom.

Die laatste twee regels zijn voor mij interessanter dan de 26,8 procent. Een systeem dat op één lastig doelwit wél presteert met het kleinere model, zonder dat iemand kan uitleggen waarom, is geen systeem waar je een planning op bouwt.

Rohan Paul, die het technisch rapport doorspitte, noemt een uitsplitsing die ik in de blogpost niet terugvind: 35,1 procent in single-target-modus tegen 26,7 procent als de doelwitten een sessie deelden. Dat past binnen de bandbreedte die Anthropic noemt, maar ik heb het rapport zelf niet kunnen lezen (de PDF liet zich niet uitlezen), dus ik neem het over als zijn lezing en niet als geverifieerd feit. Datzelfde geldt voor zijn observatie dat het systeem niet betrouwbaar zelf doorheeft wanneer een campagne is mislukt: doelwitten die het niet haalden kregen vergelijkbare rekenkundige scores als doelwitten die het wel haalden.

Het tweede resultaat, dat minder aandacht kreeg

Naast het eiwitwerk kreeg Opus 5 de ruwe meetbestanden van een contractlab: een NMR-spectrum en een LC-MS-run, met een prompt van twee zinnen erbij. Geen uitleg van het bestandsformaat, want dat formaat is van de fabrikant en niet gedocumenteerd.

Claude zocht uit hoe de data gecodeerd was, controleerde zichzelf door de eigen totalen van het instrument over alle 2.664 scans te reproduceren, en leverde daarna wat een chemicus zou leveren: het scheidingsprofiel, de spectra, een zuiverheidstabel, de molecuulmassa, plus herbruikbare code om zulke bestanden te lezen. Zuiverheid 96,4 procent tegenover de 96,33 procent van het lab zelf. Doorlooptijd 23 en 19 minuten, terwijl het rapport van het lab vier dagen na de eerste meting binnenkwam.

Voor mijn werk is dit het relevantere resultaat. Het eiwitwerk draaide op modellen die niemand kan aanvragen. Dit draaide op het model dat in mijn eigen terminal zit.

De kanttekening

De standaard verschuift van “kan een expert dit” naar “kan een expert dit controleren”. Bij eiwitten is dat nog netjes geregeld, want het natte lab is een keiharde toets: het bindt of het bindt niet. Maar Anthropic zegt er zelf bij dat ze de hitrates en affiniteiten nog uitgebreider willen karakteriseren. De publicatie loopt dus voor op de definitieve meting, en dat is precies het patroon dat ik in mijn eigen vakgebied ook zie. Het genereren wordt sneller, het valideren niet, en in dat gat gaan mensen op het resultaat vertrouwen zonder dat er iets is nagemeten.

De verantwoordelijkheid landt bij de partij die het minste zicht heeft. Anthropic benoemt dat deze capaciteit tweeledig is en houdt eiwitontwerp daarom buiten de algemene toegang van Fable 5; het loopt via toegangsprogramma’s. Dat is een serieuze keuze en geen marketingzin. Maar het betekent ook dat de instantie die bepaalt wie dit mag gebruiken de aanbieder zelf is, niet een toezichthouder en niet het veld. Voor GovTech is dat een bekend ongemak: de poortwachter en de bouwer zijn dezelfde partij.

Er stroomt oordeelsvorming weg die eerst in de tussenstappen zat. Een computationeel bioloog die zelf zijn pipeline draait, ziet onderweg waar het misgaat. Als de agent 1.320 ontwerpen produceert en er zelf 30 per doelwit uitkiest, verdwijnt die tussentijdse blik. Dat het systeem juist bij mislukte campagnes niet doorheeft dat ze mislukt zijn, maakt dit concreet. Er is niemand meer die halverwege ingrijpt, en het systeem geeft zelf geen signaal dat het nodig is.

Wat ik er zelf mee doe

Niks met eiwitten. Wel met de vraagstelling. Ik gebruik dit als scherpste voorbeeld tot nu toe van iets waar ik in mijn eigen werk tegenaan loop: een agent die andere systemen bedient is een andere belofte dan een agent die zelf antwoorden geeft, en de kwaliteit zit in de orkestratie, niet in het eindmodel.

Waar ik het direct in doortrek is de verificatiekant. Bij mijn eigen agent-opstellingen laat ik een tweede agent gericht slopen wat de eerste bouwde, en dit onderzoek geeft daar een argument bij dat ik nog niet had: het systeem is slechter in het beoordelen van zijn eigen mislukking dan in het produceren van succes. Dat is geen tekortkoming die je met een betere prompt oplost. Je lost het op door de toets buiten het systeem te leggen, zoals Anthropic hier met twee externe labs deed.

En het chemiedeel gaat mee in mijn eigen praktijk: ruwe meetbestanden in een ongedocumenteerd formaat, met de opdracht eerst de eigen totalen te reproduceren voordat er iets geïnterpreteerd wordt. Die controle vooraf bepaalt of je de rest van het antwoord kunt vertrouwen.

Veelgestelde vragen

Betekent dit dat er nu AI-medicijnen aankomen?

Nee, en Anthropic zegt dat zelf het duidelijkst. Een binder is geen medicijn. Een sterk bindend molecuul ontwerpen is de eerste stap, en het ontwerpen van een medicijn is op zijn beurt maar één fase van de vele die nodig zijn om aan te tonen dat iets veilig en werkzaam is. Minibinders zijn bovendien geen gangbare medicijnvorm.

Kan ik dit zelf proberen?

Het eiwitdeel niet. Die capaciteiten zijn bewust niet algemeen beschikbaar en lopen via toegangsprogramma’s voor onderzoekers. De prompt en de data staan wel open op Hugging Face, dus je kunt de opzet lezen. Het chemiedeel draaide op Opus 5, dat wel gewoon beschikbaar is.

Waarom is 14 van de 15 indrukwekkender dan het klinkt?

Omdat de doelwitten expres lastig gekozen zijn, inclusief twee die nauwelijks in trainingsdata kunnen voorkomen, en omdat de test buiten het model plaatsvond. Het gaat niet om een benchmarkscore die het model zelf berekent, maar om moleculen die door twee externe partijen zijn gemaakt en gemeten.

Waar zit de grootste onzekerheid in deze cijfers?

In de spreiding en in de vergelijkingsbasis. Per doelwit loopt de hitrate van 90 tot 0 procent, dus een gemiddelde zegt weinig over het volgende doelwit. En het referentiecijfer van 10 tot 15 procent komt uit Anthropics eigen afleiding, niet uit een onafhankelijke bron.

Bronnen

• “How Claude is accelerating protein design and analytical chemistry”, Anthropic — 18 augustus 2026: anthropic.com
• Anthropic op X, draad met de aankondiging, de hitrates en de kanttekening dat binders geen medicijnen zijn — 19 augustus 2026: x.com/AnthropicAI
• Rohan Paul op X, samenvatting van het technisch rapport met de uitsplitsing per modus — 19 augustus 2026: x.com/rohanpaul_ai
• Prompts en data van de ontwerpcampagne, open gepubliceerd — geraadpleegd 19 augustus 2026: huggingface.co
• Technisch rapport eiwitontwerp (PDF) — geraadpleegd 19 augustus 2026: www-cdn.anthropic.com

Fact-check op 19 augustus 2026. Alle cijfers over doelwitten, hitrates, rekenbudget en de chemie-analyse komen uit de blogpost van Anthropic zelf en zijn daar gecontroleerd, niet overgenomen uit berichten erover. De 26,8 procent is mijn eigen deling van 354 door 1.320, een getal dat Anthropic in die vorm niet noemt. Twee dingen heb ik niet kunnen verifiëren. Het technisch rapport is een PDF die ik niet leesbaar kreeg, dus de uitsplitsing 35,1 tegen 26,7 procent per modus en de observatie dat het systeem eigen mislukkingen niet herkent, staan hier op gezag van Rohan Paul en niet op mijn eigen lezing. En de vergelijking met “10 tot 15 procent gebruikelijk in het veld” leunt op een afleiding die Anthropic zelf maakte op basis van proteinbase.com; ik heb geen onafhankelijke bron gevonden die dat bereik bevestigt. De metingen zijn uitgevoerd door Adaptyv Bio en Twist Bioscience, maar de rapportage erover komt van de partij die het model maakte.