Wall Street-onderzoekers gebruikten Claude van Anthropic om medicijnkandidaten te ontwerpen, en de trade zit in het lab
Belangrijkste punten
- •Citrini Research gebruikte het Claude Science-model van Anthropic met een prompt van circa 35 pagina's om in enkele dagen ongeveer 180 kandidaat-moleculen voor schorpioen-tegenengif te produceren werk dat traditioneel normaal een jaar zou kosten.
- •Twist Bioscience synthetiseerde en testte 211 van de door AI ontworpen moleculen, waarvan er 17 succesvol aan de doeltoxines bonden een hitpercentage dat de eigen verwachtingen van Citrini overtrof.
- •In het rapport van 20 oktober 2026 betoogde Citrini dat sneller computationeel ontwerp de bottleneck van medicijnontdekking verschuift naar fysieke synthese, experimentele validatie en laboratoriuminfrastructuur.
- •Citrini noemde Charles River Laboratories, een contractonderzoeksorganisatie, en Revvity, een life sciences- en diagnostiekbedrijf, als topkeuzes die naar verwachting profiteren van stijgende vraag naar validatiediensten.
- •Het experiment betrof slechts één doelwit, en moleculen die aan toxines binden vereisen nog optimalisatie, veiligheidstests en klinische trials voordat ze patiënten bereiken.
Een Wall Street-onderzoeksbureau heeft een poging gewaagd aan medicijnontdekking, en het bracht een AI-model mee in plaats van een labjas.
Citrini Research gebruikte, in samenwerking met Anthropic, het Claude Science-model om te zoeken naar mogelijke kandidaten voor schorpioen-tegenengif. Het experiment leverde in enkele dagen ruwweg een jaar aan vroegstadium-ontwerpwerk op. Vervolgens produceerde het iets waar analisten nog meer om geven: een investeringsthese.
Van een prompt van 35 pagina's naar labresultaten
De analisten van Citrini voerden Claude Science een gedetailleerde prompt van circa 35 pagina's. Het model leverde ongeveer 180 kandidaat-moleculen op die gericht waren op het neutraliseren van schorpioengif.
Volgens de onderzoeksresultaten zou werk van die omvang met traditionele methoden normaal gesproken een jaar duren. Citrini perste het samen in een korte periode.
Daar kwam Twist Bioscience, een synthetische-biologiebedrijf, in beeld. Het lab synthetiseerde en testte 211 ontwerpen, waarvan er 17 succesvol aan de doeltoxines bonden.
Zeventien hits klinkt misschien niet als een overweldigend resultaat. In vroegstadium-medicijnontdekking, waar de meeste kandidaten falen, was het genoeg om de eigen verwachtingen van Citrini te overtreffen.
De bottleneck verschuift van software naar het lab
Op 20 oktober 2026 publiceerde Citrini een rapport met de lessen die het trok. De kern van het argument gaat minder over de AI zelf en meer over wat er gebeurt nadat de AI zijn werk heeft afgerond.
Als computationeel ontwerp dramatisch sneller wordt, verschuift het trage deel van het proces. De beperking is niet langer het bedenken van kandidaten; het wordt het testen ervan. Moleculen kunnen nu in softwartempo worden voorgesteld, maar synthese en validatie verlopen nog steeds in het tempo van het labwerk.
Het rapport van Citrini framt dit als een verschuiving in het verhaal rond medicontwikkeling. De aandacht verplaatst zich van computationele ontwerptools naar fysieke experimentele validatie en de laboratoriuminfrastructuur die dat ondersteunt. De these van het bedrijf is dat deze bedrijven naar verwachting een stijgende vraag naar validatiediensten zullen zien.
Het rapport noemde twee namen als topkeuzes: Charles River Laboratories International Inc., een contractonderzoeksorganisatie die preklinische en vroegstadium-tests uitvoert voor medicijnontwikkelaars, en Revvity Inc., een life sciences- en diagnostiekbedrijf dat onderzoek en labwerkstromen ondersteunt.
Onderdeel van een grotere pharma-push naar AI
Novo Nordisk, een van de grootste medicijnproducenten ter wereld, sloot in september 2026 een partnerschap met Anthropic, een deal die aangaf dat grote farmaceutische bedrijven AI-ondersteund onderzoek serieus nemen.
De Citrini-test voegt een ander soort datapunt toe. Het kwam van buiten de farmaceutische gevestigde orde, van analisten waarvan het dagelijkse werk het kiezen van aandelen is. Als een onderzoeksbureau gevalideerde binders kan genereren met een lange prompt en een AI-model, dan lijkt de drempel voor ontwerp in een vroeg stadium lager dan vroeger.
Wat dit betekent voor beleggers en de sector
De voor de hand liggende AI-trade is het kopen van bedrijven die de modellen bouwen. Het rapport van Citrini pleit voor een minder voor de hand liggende: het kopen van bedrijven die stroomafwaarts van de modellen zitten en het extra werk opnemen dat deze creëren.
Er zijn redenen om de verwachtingen gematigd te houden. Het resultaat van Citrini betreft één enkel doelwit, de toxines van schorpioen-tegenengif, en binding aan een toxine is een vroege mijlpaal. Het is een lange weg van een binder in een lab naar een behandeling in een ziekenhuis, en kandidaten die binden moeten nog door optimalisatie, veiligheidstests en klinische trials.
De bevindingen wijzen er ook op dat een sterkere nadruk op fysieke validatie de toeleveringsketen complexer maakt. Meer moleculen betekenen meer synthese, meer tests en meer coördinatie tussen ontwerpteams en laboratoria. Hoe de vraag naar synthese- en testcapaciteit zich vanaf hier ontwikkelt, kan als een vroege toets van de these uit het rapport dienen.
