Alcune aziende stanno iniziando a usare Claude, il modello di intelligenza artificiale di Anthropic, anche per progettare anticorpi e terapie CAR-T. Anthropic ha presentato i primi risultati il 27 ottobre 2026, insieme a sei aziende farmaceutiche e biotecnologiche. I partner stanno usando Claude per progettare anticorpi e terapie CAR-T, per ottimizzare la documentazione regolatoria e per altre attività legate alla ricerca e sviluppo di farmaci. Lo scrive ANSA.
I progetti riguardano diversi aspetti del processo di sviluppo, dalla progettazione di proteine terapeutiche alla preparazione dei documenti regolatori. Alcuni dei lavori presentati, come i nuovi recettori CAR-T, sono ancora in fase preclinica e devono essere validati su modelli animali e successivamente sull'uomo. Anthropic sottolinea che si tratta di "lavoro iniziale e in gran parte preclinico".
Di cosa si tratta
Le aziende coinvolte hanno usato Claude per affrontare diverse fasi dello sviluppo di un farmaco: dalla scelta del bersaglio molecolare alla progettazione di anticorpi, fino alla pianificazione dei trial clinici e alla documentazione regolatoria. I partner hanno condiviso i loro dati con Anthropic per far valutare i risultati in modo indipendente. I progetti riguardano tre aree principali: anticorpi e proteine, terapie CAR-T e documentazione regolatoria.
Anticorpi e proteine
- Generate Biomedicines: progettazione di un recettore per una terapia CAR-T. Il design migliore misura 45 aminoacidi contro i 154 del recettore usato in clinica e viene espresso fino a 12 volte di più nelle cellule. Risultati solo in vitro, nessun dato su animali.
- Divergence Labs: progettazione di circa 35.000 anticorpi in un mese, con 20 anticorpi in grado di rimuovere le IgE. Scoperta precoce, test in laboratorio.
- BigHat Biosciences: ottimizzazione di circa 1.010 varianti in 10 settimane, con un anticorpo che si lega al bersaglio oltre 10 volte più forte rispetto al punto di partenza. Laboratorio, report aziendale.
Terapie CAR-T
- Enveda: revisione dei documenti di lotto ridotta dell'89%. Studio esplorativo su 4 registri.
- Bristol Myers Squibb: valutazione dei piani di sperimentazione di un farmaco in fase precoce. Uso interno, nessun dato pubblicato.
- Mithril Medicine: sviluppo per distrofia muscolare, dall'idea ai risultati nei topi in meno di 18 mesi. Preclinico su animali.
Documentazione
- Enveda: revisione dei documenti di lotto ridotta dell'89%. Studio esplorativo su 4 registri.
- Bristol Myers Squibb: valutazione dei piani di sperimentazione di un farmaco in fase precoce. Uso interno, nessun dato pubblicato.
Migliorare la terapia CAR-T
La terapia CAR-T consiste nel prelevare i linfociti T di un paziente, modificarli in laboratorio per farli attaccare a una proteina bersaglio e reinfonderli nel paziente. Il problema è che la terapia funziona bene per alcuni tumori del sangue, ma meno per altri. Anthropic ha sviluppato insieme a Generate Biomedicines un recettore CAR chiamato GBM-1, progettato per essere più piccolo, più stabile e più espresso.
Il design migliore misura 45 aminoacidi contro i 154 del recettore usato in clinica, è circa il 70% più corto e viene espresso fino a 12 volte di più nelle cellule. In laboratorio, le cellule CAR-T che lo esprimono hanno ucciso cellule di mieloma con maggiore efficienza e sono rimaste attive fino al tredicesimo giorno, contro il quarto delle cellule che esprimevano il recettore clinico. La piccola dimensione rende il recettore più facile da inserire nei vettori virali usati per trasportarlo nelle cellule.
Tra i contro, gli esperimenti sono solo in vitro, su cellule di due donatori, e il meccanismo che rende il recettore migliore resta da chiarire. Inoltre, i modelli linguistici hanno previsto male i design, mentre un modello di proteine ha funzionato meglio. L'obiettivo dichiarato è portare la CAR-T sui tumori solidi.
La documentazione
Alla documentazione regolatoria è dedicato fino al 75% del tempo dei chimici, secondo i dati di Enveda. Anthropic ha sviluppato un sistema chiamato Enveda Batch Review Assistant, addestrato su 4 registri di lotto. Il sistema ha letto 1.061 pagine di registri di lotto per 4 farmaci sperimentali e ha segnalato 11 problemi, aggiungendo 7 problemi che non erano stati notati dai revisori umani.

