Anthropic ให้ Claude ออกแบบโปรตีนจับพิษแมงป่อง แล็บทดสอบ 211 แบบ จับได้ 17 แบบ

แมงป่องต่อยคนราว 1.2 ล้านครั้งต่อปีทั่วโลก และมีผู้เสียชีวิตกว่า 3,250 คน ส่วนใหญ่เป็นเด็กในพื้นที่ที่เข้าถึงการรักษาได้ยาก ยาแก้พิษที่มีอยู่ทำจากการรีดพิษแมงป่องนับพันตัวไปฉีดกระตุ้นม้า แล้วดึงภูมิคุ้มกันจากเลือดม้ามาใช้ ซึ่งใช้เวลาเป็นเดือนและมักกันพิษได้เพียงไม่กี่ชนิด คำถามคือเทคโนโลยีใหม่จะเข้ามาช่วยตรงนี้ได้ไหม

เมื่อ 20 ต.ค. 2026 ทีมวิทยาศาสตร์ของ Anthropic เผยแพร่รายงานว่าได้ลองให้โมเดลวิจัยภายในของ Claude ออกแบบ "โปรตีนจับเป้า" (minibinder) โปรตีนชิ้นเล็กที่ทำหน้าที่เกาะติดพิษของแมงป่อง เป้าหมายคือพิษต่อระบบประสาท 5 ชนิดจากแมงป่องในเม็กซิโก บราซิล แอฟริกาเหนือ และตะวันออกกลาง แนวคิดคือถ้าโปรตีนเกาะพิษไว้ได้ พิษก็อาจออกฤทธิ์ไม่ได้ นี่เป็นทิศทางหนึ่งที่อาจนำไปสู่ยาแก้พิษในอนาคต

จุดที่น่าสนใจคือ Claude ทำงานแทบอัตโนมัติในช่วง 24 ชั่วโมงแรก ก่อนทีมงานจะป้อนคำสั่งเสริมอีกไม่กี่ครั้ง รวมเวลาตั้งแต่เริ่มจนได้รายชื่อแบบสุดท้ายคือ 64 ชั่วโมง มันสร้างแบบโปรตีนออกมาราว 318,000 แบบ แล้วคัดมาส่งห้องแล็บพันธมิตรสองแห่งไปทดสอบจริงรวม 211 แบบ ผลคือมี 17 แบบที่ "จับพิษได้" ตามเกณฑ์ที่ตั้งไว้ หรือราว 1 ใน 12 ของที่ทดสอบ ถือเป็นตัวอย่างที่จับต้องได้ว่า AI เข้ามาช่วยงานวิทยาศาสตร์ชีวภาพได้ถึงระดับไหน

แต่ทีมวิจัยย้ำชัดเจนว่า "เราไม่ได้อ้างว่าสร้างยาแก้พิษได้" สิ่งที่วัดได้คือโปรตีนเกาะติดพิษในหลอดทดลองเท่านั้น และพิษที่ใช้ทดสอบเป็นพิษที่เพาะในแล็บจากยีนของพิษ (recombinant) ไม่ใช่พิษที่สกัดจากตัวแมงป่องจริง ที่สำคัญคือยังไม่มีการทดสอบว่าโปรตีนเหล่านี้หยุดฤทธิ์พิษในเซลล์หรือปกป้องสัตว์ทดลองได้หรือไม่ การ "เกาะติด" เป็นเพียงด่านแรกเท่านั้น

Anthropic เป็นผู้สร้างโมเดลที่ใช้ในงานนี้เอง แต่การทดสอบในแล็บทำโดยบริษัทรับจ้างวิจัยภายนอกสองแห่ง และมีผู้เชี่ยวชาญนอกองค์กรอีกสองคนช่วยตรวจทาน ด้านล่างนี้คือรายละเอียดว่าเกณฑ์ "จับได้" คืออะไร ใครทำอะไรบ้าง ทำไมแบบที่ออกแบบให้จับพิษหลายชนิดพร้อมกันถึงไม่ผ่าน และระยะทางจากผลในแล็บถึงยาจริงยังอีกไกลแค่ไหน

สรุปประเด็นสำคัญ

• AI ออกแบบ มนุษย์กำกับ แล็บทดสอบ: โมเดลวิจัยภายในของ Claude สร้างแบบโปรตีนจับพิษแมงป่องราว 318,000 แบบในเวลา 64 ชั่วโมง ทีม Anthropic คัดส่งทดสอบจริง 211 แบบ และมี 17 แบบผ่านเกณฑ์การจับพิษ
• ยังไม่ใช่ยาแก้พิษ: ทดสอบเฉพาะการ "เกาะติด" พิษที่เพาะในแล็บ (recombinant) ยังไม่ทดสอบว่าหยุดฤทธิ์พิษในเซลล์หรือในสัตว์ได้ ทีมวิจัยระบุเองว่า "เราไม่ได้อ้างว่าสร้างยาแก้พิษได้"
• จับหลายพิษพร้อมกันยังไม่สำเร็จ: ในบรรดา 211 แบบ มี 151 แบบที่ตั้งใจออกแบบให้จับพิษมากกว่าหนึ่งชนิด (ในนั้น 91 แบบเล็งพิษครบทั้งห้าชนิด) แต่ไม่มีแบบใดผ่านเกณฑ์สำหรับพิษเกินหนึ่งชนิด
• ข้อมูลเปิดให้ตรวจสอบ: Anthropic เผยแพร่ข้อมูลทั้ง 211 แบบ โครงสร้างที่ทำนายไว้ คะแนน และผลทดลองบน Hugging Face

งานนี้ทำอะไร และวัดผลอย่างไร

Anthropic ตั้งโจทย์ว่าจะดูว่า Claude ช่วยคนที่ไม่ใช่ผู้เชี่ยวชาญแต่ตั้งใจจริง ให้ลงมือแก้ปัญหาสุขภาพของจริงได้แค่ไหน โจทย์ที่เลือกคือออกแบบโปรตีนจับเป้าสำหรับพิษต่อระบบประสาทของแมงป่อง 5 ชนิด ได้แก่ Cn2 (เม็กซิโก), Ts1 (บราซิล), AaH I และ AaH II (แอฟริกาเหนือ) และ LqhIII (ตะวันออกกลาง) โดย Claude เป็นผู้เลือกโครงสร้างพิษเหล่านี้จากฐานข้อมูลสาธารณะ

แบบโปรตีนที่ส่งทดสอบแบ่งเป็น 60 แบบที่เล็งพิษชนิดเดียว (ชนิดละ 12 แบบ) และอีก 151 แบบที่ตั้งใจให้จับพิษหลายชนิดพร้อมกัน การวัดผลใช้เทคนิควัดการจับโปรตีนในห้องแล็บ โดยบริษัทรับจ้างวิจัยสองแห่งคือ Adaptyv Bio และ Twist Bioscience

เกณฑ์ว่า "จับได้" เข้มงวดพอสมควร แบบหนึ่งจะนับว่าผ่านก็ต่อเมื่อให้ผลจับพิษในทุกรอบการทดสอบ ค่าความแน่นของการจับต้องถึงเกณฑ์ที่กำหนด และต้องไม่ไปเกาะกับโปรตีนของมนุษย์อีกตัวที่ใช้เป็นตัวตรวจว่าโปรตีนนั้น "เหนียวติดมั่ว" กับอะไรก็ได้หรือไม่ ผลสุดท้ายคือ 17 แบบจาก 211 แบบผ่านเกณฑ์ แยกเป็นพิษ Cn2 จำนวน 7 แบบ, AaH II จำนวน 4 แบบ, AaH I จำนวน 4 แบบ และ LqhIII จำนวน 2 แบบ เฉพาะกลุ่มที่เล็งพิษชนิดเดียว มี 11 จาก 60 แบบที่ผ่าน (ราว 18%) ซึ่งทีมวิจัยบอกว่าเป็นอัตราปกติของงานออกแบบโปรตีน

ทำไมการ "จับพิษ" ยังไม่เท่ากับ "แก้พิษ"

นี่คือจุดที่ต้องระวังที่สุด การทดลองนี้วัดเพียงว่าโปรตีนที่ออกแบบไปเกาะติดกับพิษได้หรือไม่ ซึ่งต่างจากการพิสูจน์ว่ามัน "หยุด" พิษไม่ให้ทำร้ายร่างกาย ทีมวิจัยเขียนตรง ๆ ว่า "เรายังไม่ได้ทดสอบโปรตีนที่จับแน่นที่สุดของเรา คือ Cn2-B1 และ Cn2-B2 ในสภาพแวดล้อมระดับเซลล์หรือในสัตว์ที่มีชีวิต"

นอกจากนี้พิษที่ใช้ทดสอบเป็นพิษลูกผสมที่เพาะในแล็บจากยีนของพิษแต่ละชนิด ไม่ใช่พิษที่สกัดจากตัวแมงป่องโดยตรง ผลจึงใช้ได้กับพิษแบบที่เพาะในแล็บเท่านั้น Susana Vázquez Torres นักวิจัยจากสเปนที่ช่วยตรวจทานงานนี้ให้ความเห็นว่าทุกวันนี้ "การจับให้ติดไม่ใช่คอขวดหลักอีกต่อไป" แต่ "ความท้าทายเหมือนเดิมคือการเปลี่ยนโปรตีนเหล่านั้นให้กลายเป็นยาที่ปลอดภัย ราคาเข้าถึงได้ และกระจายไปถึงคนหมู่มาก"

พูดง่าย ๆ คือจากผลในหลอดทดลองถึงยาที่ใช้ได้จริง ยังต้องผ่านอีกหลายด่าน ทั้งการทดสอบในเซลล์ ในสัตว์ ความปลอดภัย ความคงตัว ต้นทุน การผลิต และการขึ้นทะเบียน ซึ่งต้องอาศัยความร่วมมือของแพทย์ ผู้ให้ทุน และผู้กำหนดนโยบายอีกมาก

ทำไมแบบที่จับหลายพิษพร้อมกันถึงไม่ผ่าน

ประเด็นที่น่าสนใจอีกข้อคือ จากแบบที่ตั้งใจออกแบบให้จับพิษหลายชนิดพร้อมกัน ไม่มีแบบใดผ่านเกณฑ์สำหรับพิษเกินหนึ่งชนิดเลย ทั้งที่ยาแก้พิษในอุดมคติควรกันพิษได้หลายชนิดในเข็มเดียว ทีมวิจัยบอกว่ายังไม่แน่ใจสาเหตุ อาจเป็นเพราะวิธีป้อนคำสั่ง ข้อจำกัดของเครื่องมือที่ใช้ออกแบบ หรือเป็นเรื่องที่ยากในเชิงชีววิทยาเอง

สำหรับแบบที่จับแน่นที่สุดสองแบบคือ Cn2-B1 และ Cn2-B2 การทดลองชี้ว่ามันไปเกาะที่ตำแหน่งใกล้เคียงกับแอนติบอดีตัวหนึ่งที่เคยมีรายงานว่าลบล้างพิษ Cn2 ในหนูทดลองได้ ซึ่งเป็นสัญญาณที่ชวนให้ศึกษาต่อ แต่ก็ยังเป็นเพียงข้อสังเกตจากการทดลองจับในแล็บ ไม่ใช่การพิสูจน์ว่ากันพิษได้ในสิ่งมีชีวิต

ใครทำอะไรบ้าง และเป็นกลางแค่ไหน

Anthropic เป็นผู้สร้างโมเดล Claude ที่ใช้ในงานนี้ และเป็นผู้เผยแพร่รายงานเอง จึงเป็นผู้มีส่วนได้ส่วนเสียกับผลลัพธ์ อย่างไรก็ตาม การทดสอบจริงในแล็บทำโดยบริษัทภายนอกสองแห่ง (Adaptyv Bio และ Twist Bioscience) โดยใช้ระบบเพาะโปรตีนคนละแบบกัน และงานนี้ผ่านการตรวจทานจากผู้เชี่ยวชาญนอกองค์กรสองคน คือ Susana Vázquez Torres และ Timothy P. Jenkins จากมหาวิทยาลัยเทคนิคแห่งเดนมาร์ก พร้อมเปิดข้อมูลทั้งหมดให้ตรวจสอบได้

ยังไม่มีการตรวจทานโดยผู้ทรงคุณวุฒิในวารสารวิชาการ (peer review) และยังไม่มีการทดสอบในเซลล์หรือสัตว์ ReadEval จึงให้ความน่าเชื่อถือระดับ "พอใช้อ้างอิงได้": วิธีการและเกณฑ์ชัดเจน มีแล็บอิสระสองแห่งยืนยันผลและเปิดข้อมูลสาธารณะ แต่ผู้สร้างโมเดลเป็นผู้ทำการทดลองเอง และผลยังเป็นเพียงการจับติดในหลอดทดลอง

ส่วนนี้ใช้ได้กับคนไทยไหม

ข่าวนี้เป็นงานวิจัยในต่างประเทศ ยังไม่มีผลิตภัณฑ์หรือยาที่เกี่ยวข้องให้ผู้อ่านในไทยต้องทำอะไร และ ReadEval ยืนยันไม่ได้ว่างานนี้จะนำไปสู่ยาแก้พิษแมงป่องที่ใช้ในไทยหรือไม่ ประโยชน์สำหรับผู้อ่านทั่วไปคือได้เห็นตัวอย่างรูปธรรมว่า AI ถูกนำมาช่วยงานออกแบบโปรตีนได้ถึงระดับใด และได้เห็นด้วยว่าระยะทางจากผลทดลองเบื้องต้นถึงยาที่ใช้รักษาคนได้จริงยังอีกยาวไกล