Anthropic a mis en ligne une nouvelle étude de cas sur son site de recherche, consacrée à l'utilisation de Claude pour la conception de protéines de liaison (binders) ciblant des neurotoxines produites par des scorpions. L'objectif de ce type de travail est d'identifier ou de générer des structures protéiques capables de se fixer sur une toxine et d'en neutraliser l'effet, une étape clé dans le développement de traitements comme les antivenins.
Ce projet s'inscrit dans une tendance plus large où les grands modèles de langage sont mobilisés non plus seulement pour générer du texte ou du code, mais pour assister des tâches de biologie computationnelle, notamment la modélisation et la conception de molécules. Plusieurs laboratoires, dont Anthropic, OpenAI et DeepMind, explorent depuis quelques années comment leurs modèles peuvent accélérer des étapes de recherche traditionnellement longues et coûteuses en laboratoire humide.
Les neurotoxines de scorpion sont des cibles d'intérêt car elles agissent sur les canaux ioniques du système nerveux, un mécanisme pertinent aussi bien pour la toxicologie que pour la recherche pharmaceutique plus large. Concevoir un binder efficace suppose de comprendre la structure tridimensionnelle de la toxine et de proposer des séquences protéiques susceptibles de s'y lier avec une affinité suffisante, un problème combinatoire que les outils de deep learning dédiés à la structure des protéines, comme AlphaFold ou RFdiffusion, ont contribué à rendre plus abordable.
L'annonce d'Anthropic reste à ce stade une démonstration de faisabilité plutôt qu'une avancée thérapeutique validée : il n'est pas précisé si les candidats générés par Claude ont été testés expérimentalement avec succès, ni à quel stade de validation ils se situent. Elle illustre néanmoins la stratégie de l'entreprise consistant à mettre en avant des usages scientifiques concrets de ses modèles, au-delà des applications conversationnelles, pour asseoir la pertinence de Claude dans des domaines à forte valeur ajoutée comme la biologie structurale.