کلاد در مسیر ساخت دارو: پیشرفت‌های اولیه، درس‌ها و چشم‌انداز آینده

توسعه دارو فرآیندی طولانی، پرهزینه و سرشار از عدم قطعیت است. از شناسایی هدف مولکولی تا طراحی و بهینه‌سازی مولکول، تولید در مقیاس، تدوین مدارک Regulatory و طراحی کارآزمایی بالینی، هر مرحله می‌تواند سال‌ها زمان ببرد و موانع متعددی بر سر راه داشته باشد. در این میان، هوش مصنوعی نه به عنوان یک راه‌حل جادویی، بلکه به عنوان ابزاری برای حضور در تمامی این مراحل مطرح می‌شود.

آنتروپیک (Anthropic) در تاریخ ۲۷ اکتبر ۲۰۲۶ گزارشی منتشر کرد که نشان می‌دهد تیم علوم زیستی این شرکت در ماه‌های گذشته با شش سازمان فعال در حوزه توسعه دارو همکاری عمیق تحقیقاتی داشته است. این سازمان‌ها عبارتند از BigHat Biosciences، Bristol Myers Squibb، Divergence Labs، Enveda، Generate Biomedicines و The Column Group. آنتروپیک همچنین تلاش‌های خود برای کشف دارو را آغاز کرده است .

هدف این گزارش، نه ارائه وعده‌های بزرگ، بلکه نمایش گام‌های اولیه و واقعی در استفاده از مدل زبانی Claude برای تسریع بخش‌های مختلف زنجیره توسعه دارو است. بیشتر این نتایج در مرحله پیش‌بالینی (Preclinical) قرار دارند و هنوز به آزمون‌های انسانی نرسیده‌اند .

خلاصه سریع

• استفاده آنتروپیک از هوش مصنوعی نه تنها در طراحی مولکول بلکه در تمام مراحل توسعه دارو 

• تولید ۳۵,۰۰۰ طرح آنتی‌بادی برای آلرژی غذایی در یک ماه

• کاهش ۸۹ درصدی زمان بازبینی اسناد تولید دارو

• تدوین پیش‌نویس مدارک رگولاتوری در ۴ ساعت به جای ۳ ماه

• نتایج عمدتاً خودگزارشی و در مرحله پیش‌بالینی هستند

۱. کاربردهای Claude در مراحل مختلف توسعه دارو

۱.۱. مهندسی مدالیته: بازطراحی CAR T-Cell برای تومورهای جامد

شرکت Generate Biomedicines بر افزایش کارایی درمان CAR T-Cell تمرکز دارد. این درمان برای سرطان‌های خونی مؤثر بوده و هدف آن گسترش به تومورهای جامد است. برای این کار، آن‌ها باید بخشی از دستورالعمل‌های ژنتیکی را کوتاه‌تر کنند تا فضای لازم برای دستورالعمل‌های اضافی فراهم شود.

شش دانشمند از Claude Code برای پیشنهاد طرح‌های جدید استفاده کردند. یکی از طرح‌ها حدود ۷۰ درصد کوتاه‌تر از نسخه استاندارد بود. در آزمایش‌های آزمایشگاهی، این طرح نه تنها کارآمدتر بود، بلکه سلول‌های ایمنی توانستند حدود ۱۰ برابر بیشتر گیرنده تولید کنند، سلول‌های تومور را کارآمدتر از بین ببرند و برای مدت طولانی‌تری فعال بمانند .

۱.۲. تولید Hit: طراحی آنتی‌بادی برای درمان آلرژی غذایی

Divergence Labs روی رویکردی نوین برای درمان آلرژی غذایی کار می‌کند. مولکول IgE عامل واکنش آلرژیک است و بخشی از آن به سلول‌های ایمنی متصل و بخشی در خون شناور است. داروهای استاندارد معمولاً IgE circulating در خون را خنثی می‌کنند، اما Divergence می‌خواهد IgE را به طور کامل از سلول‌های ایمنی جدا کند. این کار نیازمند طراحی دقیق یک دارو با دو “بازو” است: یکی برای اتصال محکم به IgE و دیگری برای جدا کردن آن از سلول.

Claude اهداف Divergence را به یک طرح طراحی دقیق تبدیل کرد و سپس تقریباً به طور مستقل حدود ۳۵,۰۰۰ طرح آنتی‌بادی را در حدود یک ماه تولید کرد. در آزمایش‌های اولیه، برای هر دو بازو “Hit” پیدا شد: سه طرح قادر به اتصال به IgE و ۲۰ طرح قادر به جدا کردن آن بودند. سه طرح از این ۲۰ طرح appeared to جدا کردن IgE را بهتر از داروی استاندارد انجام دهند . گام بعدی ساخت دارویی است که این دو عملکرد را ترکیب کند.

۱.۳. بهینه‌سازی Lead: بهبود همزمان اتصال، پایداری و جلوگیری از تجمع

BigHat Biosciences هوش مصنوعی را با آزمایشگاه خودکار ترکیب می‌کند تا داروهای بالقوه (Leads) را بهبود بخشد. این داروها باید به هدف خود محکم متصل شوند، در طول تولید و ذخیره‌سازی پایدار بمانند و از به هم چسبیدن (Clumping) جلوگیری کنند.

دانشمندان BigHat و یک محقق آنتروپیک با Claude کار کردند تا این سه ویژگی را در دو Lead (هر دو قطعات آنتی‌بادی) بهبود بخشند. Claude که به سیستم داده‌های آزمایشگاهی BigHat (Reccy) متصل بود، تغییراتی را برای هر مولکول پیشنهاد داد و آزمایشگاه BigHat حدود ۱,۰۱۰ واریانت را در حدود ۱۰ هفته ساخت و آزمایش کرد. در میانه کار، تیم مشکوک شد که معیارهای استاندارد پایداری حرارتی و Clumping گمراه‌کننده هستند. Claude و محقق داده‌های خام را دوباره تحلیل کردند و معیارهای متفاوتی را پیشنهاد دادند. در مقایسه با نسخه‌های اصلی، بهترین نسخه‌ها بیش از ۱۰ برابر محکم‌تر متصل شدند، Lead هدفمند برای سرطان ۱۸ درجه سانتی‌گراد بالاتر در محلول پایدار ماند و Lead برای داروهای با اثر طولانی‌تر بیش از ۱۰۰ برابر کندتر Clump شد .

۱.۴. تولید و مدارک Regulatory: کاهش ۸۹ درصدی زمان بازبینی

در Enveda، شیمی‌دانان تولید تا ۷۵ درصد از وقت خود را صرف کارهای کاغذی می‌کردند. برای انجام کارآزمایی‌های بالینی، شرکت‌ها باید سوابق نشان‌دهنده ساخت هر دسته از داروی جدید مطابق با استانداردهای کیفیت سخت‌گیرانه را داشته باشند و درخواست‌هایی را به مراجع Regulatory ارسال کنند.

Enveda سیستمی ساخت که تمام اسناد تولید را به Claude متصل می‌کرد و به Claude اجازه می‌داد هر مشکل احتمالی را علامت‌گذاری کند. در آزمایش‌های روی ۱,۰۶۱ صفحه مستندات، Claude تمام ۱۱ موردی را که بازبینان انسانی پیدا کرده بودند، شناسایی کرد—و هفت مورد را که آن‌ها از دست داده بودند نیز علامت‌گذاری کرد. این روش زمان بازبینی انسانی را ۸۹ درصد کاهش داد، از بیش از ۲۵ ساعت به کمتر از سه ساعت .

به طور جداگانه، Claude پیش‌نویس اولیه دو سند Regulatory مهم را نوشت. یکی از آن‌ها چهار ساعت طول کشید، در حالی که نوشتن دستی آن حدود سه ماه زمان می‌برد. برای دیگری، فرآیند بازبینی انسانی استاندارد Enveda فقط یک خطای جزئی پیدا کرد .

۱.۵. برنامه‌ریزی کارآزمایی بالینی: همکاری با Bristol Myers Squibb

Bristol Myers Squibb (BMS) از Claude برای ارزیابی برنامه‌های یک داروی مرحله اولیه در کارآزمایی‌های بالینی و برآورد احتمال موفقیت آن‌ها استفاده می‌کند. Michael Pourdehnad، معاون ارشد و رئیس توسعه بالینی اولیه در BMS، در این باره می‌گوید:

«ما از Claude در مرحله کارآزمایی بالینی برای تحلیل داده‌های اختصاصی، ایجاد یک برنامه مطالعه بالینی و سنجش شانس موفقیت مطالعه استفاده می‌کنیم. از یک پرامپت واحد، Claude یک تحلیل اولیه قوی تولید کرد که به ارزیابی گزینه‌های مختلف توسعه کمک کرد، کاری که در غیر این صورت روزها طول می‌کشید» .

آنتروپیک و BMS قصد دارند این همکاری را در سال ۲۰۲۷ گسترش دهند تا پتانسیل آن برای افزایش احتمال موفقیت در توسعه اولیه را بررسی کنند .

۱.۶. ایجاد شرکت و مدل عملیاتی جدید: The Column Group و Pleiades

The Column Group (TCG) در حال تأسیس شرکت جدیدی به نام Pleiades است که از Claude برای اجرای برنامه‌های دارویی بیشتر و پیچیده‌تر از حد معمول برای یک تیم کوچک استفاده خواهد کرد. اولین “مهارت” Claude در این شرکت به ارزیابی این موضوع کمک می‌کند که آیا یک هدف دارویی ارزش دنبال کردن دارد یا خیر، و روی ۴۵ جفت هدف-بیماری ارزیابی شده است . این مدل، در صورت موفقیت، می‌تواند الگویی برای کاهش سرباز علمی و عملیاتی مورد نیاز برای اداره یک شرکت زیست‌فناوری و هدایت سرمایه‌گذاری به سمت مشکلات دشوارتر در پزشکی باشد.

۲. تلاش داخلی آنتروپیک: Mithril Medicine و مسیر تا کارآزمایی انسانی

آنتروپیک شرکت Mithril Medicine را خریداری کرده است، یک شرکت تک‌نفره که توسط Cody Tranbarger اداره می‌شد و روی درمان دو نوع نادر از دیستروفی عضلانی کار می‌کرد. Tranbarger از Claude برای سازماندهی قراردادها، لجستیک و آزمایش‌ها با ۱۱ آزمایشگاه خارجی استفاده کرد و بسیاری از جنبه‌های دیگر عملیات Mithril را به Claude سپرد.

نتیجه این بود که Mithril یک درمان بالقوه برای یکی از انواع دیستروفی عضلانی را از یک ایده به نتایج امیدوارکننده در موش‌ها در کمتر از ۱۸ ماه رساند. اگر این نامزدهای دارویی همچنان پابرجا بمانند، آنتروپیک انتظار دارد دارو در اواخر سال ۲۰۲۸ آماده شروع کارآزمایی‌های بالینی انسانی باشد .

۳. محدودیت‌ها و آنچه هنوز تأیید نشده است

با وجود نتایج قابل توجه، چند نکته مهم را نباید نادیده گرفت:

اول، مرحله پیش‌بالینی: تقریباً تمام نتایج گزارش‌شده در مرحله پیش‌بالینی هستند. داروها هنوز در انسان آزمایش نشده‌اند و اثبات ایمنی و اثربخشی در انسان، مسیری طولانی و پرخطر است .

دوم، خودگزارشی بودن داده‌ها: داده‌های ارائه‌شده از آزمایشگاه‌های خود شرکت‌ها یا شرکای آن‌هاست و هنوز به طور مستقل تأیید نشده است. آنتروپیک خود اشاره می‌کند که این کارها در مراحل اولیه قرار دارند .

سوم، محدودیت در برخی اهداف: در گزارش‌های قبلی آنتروپیک درباره طراحی پروتئین، اشاره شده بود که Claude در برابر برخی اهداف (مانند پروتئین MBP با سطح صاف و آب‌دوست) عملکرد ضعیفی داشت و هیچ‌یک از ۹۰ طرح نتوانست به هدف متصل شود . این نشان می‌دهد که مدل هنوز در همه انواع اهداف مولکولی به بلوغ نرسیده است.

۴. گام‌های بعدی: از پیش‌بالینی به بالینی و فراتر از آن

آنتروپیک برنامه دارد تا نقش Claude را به مراحل کارآزمایی بالینی گسترش دهد و با سازمان‌هایی که برنامه‌های توسعه دارویی آن‌ها در مرحله بالینی قرار دارند، همکاری کند. این شرکت همچنین ابزارهایی برای حمایت از جامعه علمی ارائه کرده است:

• Claude Science: یک محیط کاری هوش مصنوعی برای محققان .

• اعتبار Claude برای دانشمندان علوم زیستی .

• برنامه تأیید علوم زیستی (Life Sciences Verification Program): به سازمان‌های مورد اعتماد اجازه می‌دهد از قدرتمندترین مدل‌های آنتروپیک با نسخه‌های بازتر تدابیر ایمنی استفاده کنند .

• فراخوان باز برای محققان مهمان در حوزه علوم زیستی .

نتیجه‌گیری

گزارش آنتروپیک نشان می‌دهد که هوش مصنوعی در توسعه دارو از مرحله “ایده‌های جذاب” به مرحله “کاربردهای واقعی و قابل اندازه‌گیری” وارد شده است. Claude در وظایفی از طراحی مولکول و بهینه‌سازی آنتی‌بادی گرفته تا بازبینی اسناد تولید و برنامه‌ریزی کارآزمایی بالینی، توانسته است زمان و هزینه را به طور محسوسی کاهش دهد. با این حال، این نتایج هنوز در مراحل اولیه و عمدتاً پیش‌بالینی هستند و راه طولانی تا اثبات اثربخشی در انسان باقی است.

نکته مهم برای فعالان حوزه زیست‌فناوری و سرمایه‌گذاران این است که ارزش واقعی هوش مصنوعی در توسعه دارو، نه فقط در “طراحی هوشمندتر مولکول”، بلکه در حذف گلوگاه‌های توزیع‌شده در سراسر فرآیند—از آزمایشگاه تا Regulatory—نهفته است. آنتروپیک با ورود به خود فرآیند توسعه دارو (از طریق Mithril Medicine) و همکاری با شرکت‌هایی در مراحل مختلف، در حال آزمودن این فرضیه است که AI می‌تواند همزمان با کاهش بار عملیاتی، فضای بیشتری برای تمرکز بر علم فراهم کند.

پرسش‌های متداول

آیا Claude جایگزین دانشمندان شده است؟

خیر. در تمام موارد گزارش‌شده، انسان‌ها نقش نظارت، تصمیم‌گیری نهایی و اعتبارسنجی را داشته‌اند. Claude به عنوان ابزاری برای تولید طرح‌ها، تحلیل داده‌ها و خودکارسازی وظایف تکراری عمل کرده است.

آیا این داروها به بازار خواهند رسید؟

هنوز مشخص نیست. بیشتر آن‌ها در مرحله پیش‌بالینی هستند. حتی اگر نتایج امیدوارکننده باشد، مسیر تا تأیید Regulatory و ورود به بازار سال‌ها طول می‌کشد و احتمال شکست وجود دارد.

آیا داده‌ها مستقل تأیید شده‌اند؟

خیر. داده‌های اصلی از شرکت‌های همکار و آنتروپیک است. آنتروپیک گزارش‌های فنی و پیش‌چاپ‌هایی را برای شفافیت منتشر کرده، اما تأیید مستقل هنوز انجام نشده است.

آیا Claude در همه انواع داروها کار می‌کند؟

خیر. گزارش‌های قبلی نشان داده‌اند که Claude در برخی اهداف مولکولی دشوار (مانند پروتئین‌های با سطح صاف) عملکرد ضعیفی داشته است. تنوع اهداف و مدالیته‌ها همچنان یک چالش است.

چگونه می‌توان با آنتروپیک همکاری کرد؟

آنتروپیک فراخوانی برای محققان مهمان در حوزه علوم زیستی باز کرده و از سازمان‌های فعال در کشف دارو برای همکاری دعوت می‌کند. اطلاعات بیشتر در وبلاگ تحقیقاتی آنتروپیک موجود است .

منابع

Anthropic. “Early progress on accelerating drug development with Claude.” Anthropic Research, 27 Oct. 2026, https://www.anthropic.com/research/early-progress-drug-development

INSIDE. “AI 研發製藥！Anthropic 公布藥物開發初期成果，與 6 家機構合作並啟動自家藥物探索.” INSIDE, 27 Oct. 2026, https://www.inside.com.tw/article/42752-anthropic-early-progress-drug-development-claude-six-partners

India Today. “Anthropic speeds up drug discovery as Claude spots issues humans miss, cuts review time by 89%.” India Today, 27 Oct. 2026, https://www.indiatoday.in/technology/news/story/anthropic-speeds-up-drug-discovery-as-claude-spots-issues-humans-miss-cuts-review-time-by-89-3026594-2026-10-28

DD India. “Anthropic uses Claude to generate 35,000 antibody designs for food allergy treatment, targets faster drug development.” DD India, 27 Oct. 2026, https://ddindia.co.in/2026/10/anthropic-uses-claude-to-generate-35000-antibody-designs-for-food-allergy-treatment-targets-faster-drug-development/

Anthropic. “Claude accelerates protein design and analytical chemistry.” Anthropic Research, 17 Aug. 2026, https://www.anthropic.com/research/Claude-accelerates-protein-design