Wall-Street-Forscher nutzten Claudes KI zur Entwicklung von Wirkstoffkandidaten – der Trade liegt im Labor
Wichtige Erkenntnisse
- •Citrini Research nutzte Anthrops Claude-Science-Modell mit einem rund 35-seitigen Prompt, um in wenigen Tagen etwa 180 Kandidatenmoleküle für ein Skorpion-Antivenom zu erzeugen – Arbeit, die mit traditionellen Methoden normalerweise ein Jahr dauern würde.
- •Twist Bioscience synthetisierte und testete 211 der KI-entworfenen Moleküle; 17 banden erfolgreich an die Zieltoxine – eine Trefferquote, die Citrinis eigene Erwartungen übertraf.
- •In seinem Bericht vom 20. Oktober 2026 argumentierte Citrini, dass schnelleres computergestütztes Design den Engpass der Wirkstoffforschung hin zu physischer Synthese, experimenteller Validierung und Laborinfrastruktur verschiebt.
- •Citrini benannte Charles River Laboratories, ein Auftragsforschungsinstitut, und Revvity, ein Life-Sciences- und Diagnostikunternehmen, als Top-Auswahl mit erwartetem Nutzen aus steigender Nachfrage nach Validierungsdiensten.
- •Das Experiment deckte nur ein einzelnes Ziel ab, und Moleküle, die an Toxine binden, benötigen vor dem Einsatz bei Patienten noch Optimierung, Sicherheitstests und klinische Studien.
Ein Wall-Street-Researchhaus hat sich an der Wirkstoffforschung versucht – und brachte ein KI-Modell statt eines Laborkittels mit.
Citrini Research nutzte in Zusammenarbeit mit Anthropic das Modell Claude Science, um nach potenziellen Kandidaten für ein Skorpion-Antivenom zu suchen. Das Experiment lieferte in wenigen Tagen grob das, was an früher Designarbeit normalerweise einem Jahr entspricht. Am Ende entstand zudem etwas, das Analysten noch mehr interessiert: eine Investmentthese.
Von einem 35-seitigen Prompt zu Laborergebnissen
Citrinis Analysten speisten in Claude Science einen detaillierten Prompt von rund 35 Seiten ein. Heraus kamen etwa 180 Kandidatenmoleküle, die darauf abzielen, Skorpiontoxine zu neutralisieren.
Laut den Forschungsergebnissen würde Arbeit dieses Umfangs mit traditionellen Methoden normalerweise ein Jahr dauern. Citrini komprimierte sie in ein kurzes Zeitfenster.
Hier kam Twist Bioscience, ein Synthetische-Biologie-Unternehmen, ins Spiel. Das Labor synthetisierte und testete 211 Designs, von denen 17 erfolgreich an die Zieltoxine banden.
Siebzehn Treffer klingen vielleicht nicht nach einem überragenden Ergebnis. In der frühen Wirkstoffforschung, in der die meisten Kandidaten scheitern, reichte es jedoch aus, um Citrinis eigene Erwartungen zu übertreffen.
Der Engpass verschiebt sich von der Software ins Labor
Am 20. Oktober 2026 veröffentlichte Citrini einen Bericht mit den Erkenntnissen. Das Kernargument bezieht sich weniger auf die KI selbst als auf das, was passiert, nachdem die KI ihre Arbeit abgeschlossen hat.
Wenn computergestütztes Design dramatisch schneller wird, verlagert sich der langsame Teil des Prozesses. Die Einschränkung liegt nicht mehr darin, Kandidaten zu finden – sie liegt im Testen. Moleküle können inzwischen mit Softwaregeschwindigkeit vorgeschlagen werden, doch ihre Synthese und Validierung erfolgt weiterhin im Tempo der Laborbank.
Citrinis Bericht rahmt dies als eine Verschiebung in der Geschichte der Wirkstoffentwicklung. Die Aufmerksamkeit wandert von computergestützten Design-Tools hin zur physischen experimentellen Validierung und der Laborinfrastruktur, die diese unterstützt. Die These des Hauses: Diese Unternehmen werden voraussichtlich eine steigende Nachfrage nach Validierungsdiensten verzeichnen.
Der Bericht hob zwei Namen als Top-Auswahl hervor: Charles River Laboratories International Inc., ein Auftragsfungsinstitut, das präklinische und frühphasige Tests für Wirkstoffentwickler durchführt, und Revvity Inc., ein Life-Sciences- und Diagnostikunternehmen für Forschungs- und Labor-Workflows.
Teil eines größeren Pharma-Vorstoßes in Richtung KI
Novo Nordisk, einer der größten Pharmakonzerne der Welt, schloss im September 2026 eine Partnerschaft mit Anthropic – ein Deal, der zeigte, dass große Pharmaunternehmen KI-gestützte Forschung ernst nehmen.
Der Citrini-Test liefert eine andere Art von Datenpunkt – aus Sicht außerhalb des Pharma-Establishments, von Analysten, deren Tagesgeschäft die Aktienauswahl ist. Wenn ein Researchhaus mit einem langen Prompt und einem KI-Modell validierte Binder erzeugen kann, sieht die Hürde für das frühe Design niedriger aus als früher.
Was das für Anleger und die Branche bedeutet
Der naheliegende KI-Trade ist der Kauf der Unternehmen, die die Modelle entwickeln. Citrinis Bericht plädiert für den weniger naheliegenden: den Kauf der Unternehmen, die sich stromabwärts der Modelle befinden und die zusätzliche Arbeit absorbieren, die diese schaffen.
Es gibt Gründe, die Erwartungen zu dämpfen. Das Citrini-Ergebnis deckt nur ein einzelnes Ziel ab, die Toxine des Skorpion-Antivenoms, und die Bindung an ein Toxin ist ein früher Meilenstein. Vom Binder im Labor bis zur Behandlung im Krankenhaus ist es ein weiter Weg, und Kandidaten, die binden, stehen noch vor Optimierung, Sicherheitstests und klinischen Studien.
Die Ergebnisse weisen zudem darauf hin, dass eine stärkere Gewichtung der physischen Validierung die Lieferkette komplexer macht. Mehr Moleküle bedeuten mehr Synthese, mehr Tests und mehr Abstimmung zwischen Design-Teams und Laboren. Wie sich die Nachfrage nach Synthese- und Testkapazitäten entwickelt, könnte ein früher Test für die These des Berichts sein.
