Anthropic udostępniło szczegółowy zestaw danych zawierający 1440 sztucznie zaprojektowanych miniprotein binderów przetestowanych przeciwko 16 różnym celom białkowym. Unikatowość tego zasobu polega na tym, że zawiera zarówno przewidywania obliczeniowe jak i rzeczywiste wyniki z eksperymentów przeprowadzonych przez dwa niezależne laboratoria, co pozwala na faktyczną walidację algorytmów projektowania białek.
Dane umożliwiają gruntowną ocenę, jak dobrze współczesne predyktory strukturalne - takie jak AlphaFold - identyfikują bindery, które rzeczywiście zadziałają w praktyce. Badacze analizują czy kombinowanie wielu predykcji poprawia dokładność, jak zmienia się skuteczność w zależności od rankingów projektów, oraz jak duża rozbieżność pochodzi ze samych testów laboratoryjnych. Równocześnie trenują target-aware classifier mający określić czy sygnały z modeli mogą niezawodnie przewidywać eksperimentalny sukces.
To badanie ma znaczenie dla całej branży projektowania białek opartego na AI, ponieważ mierzy przepaść między tym co przewidują algorytmy a tym co faktycznie działa w laboratorium. Wyniki mogą pokazać gdzie są słabe punkty dzisiejszych metod, jak ustalać budżety na testowanie eksperymentalne i czy należy bardziej ufać einzelnym modelom czy ich kombinacjom. Publiczny zestaw danych będzie służyć jako benchmark dla następnej generacji algorytmów projektowania białek.