北京时间周四凌晨，Anthropic 公布了一项由 Claude 参与完成的生物学研究成果。在人类科学家只给出宏观研究方向的情况下，Claude 通过检索海量基因组数据，发现了一组此前未被系统表征的酶结构，并将其命名为 ART（Array-associated Reverse Transcriptases，阵列关联逆转录酶）。这一系统具有与 CRISPR 类似的重复 DNA 序列结构，可能对应一种尚未被充分认识的生物学机制。
从 20 万个候选对象中筛出线索，Claude 承担大量探索性工作
按照 Anthropic 的说法，这项研究来自其分子生物学实验室，也是该实验室首个公开成果。整个筛选过程并非依赖单一模型问答，而是由约 950 个 Claude Agent 并行执行。它们在 21 小时内消耗约 2.1 亿 Token，对超过 20 万个逆转录酶相关序列展开分析，逐步将候选范围缩小到 3500 个系统，再进一步聚焦到 20 个重点对象，最终识别出 ART 这一特殊结构。
与传统意义上的“AI 辅助”相比，这一次模型承担的任务更接近科研流程前段。研究人员没有直接告诉 Claude 去寻找某个已知目标，也没有预先指定某段特殊 DNA 序列。Claude 需要自己分析不同逆转录酶家族，筛选异常现象，判断哪些对象值得继续追查，并在过程中调用数据搜索、序列分析、文献调查和候选筛选等多种能力。
- ART 主要存在于噬菌体中，即一类感染细菌的病毒，其基因组中仍有大量未被充分研究的基因和蛋白质。
- ART 系统包括逆转录酶、功能尚不明确的辅助蛋白，以及具有规律间隔的 DNA 重复序列阵列。
- 其中的单个组件此前已被发现，但它们之间的系统性关联此前未被完整认识。
ART 为何值得关注：结构类似 CRISPR，但功能仍未完全确认
ART 引起关注的原因，在于它的结构特征与 CRISPR 存在相似之处。CRISPR 通常由重复序列和间隔序列组成，可产生不同 RNA，并参与引导相关蛋白质识别目标。基于这一机制，CRISPR 成为现代基因编辑技术的重要基础。
Claude 在检查某种特殊逆转录酶附近的原始 DNA 序列时，发现其中存在排列规律的重复序列，并联想到 CRISPR 系统。随后，它继续统计重复序列数量、测量间隔、比较已知逆转录酶系统结构，并检索相关文献，确认此前是否已有类似报告。完成这些分析后，Claude 将这一对象作为值得研究的新系统提交给人类科学家审查。
Anthropic 表示，目前公开的一项关键实验结果是，ART 系统中的重复 DNA 阵列确实能够表达并产生一组不同的短 RNA。这说明该结构并非静止序列，而是具有实际生物学活动特征。不过，ART 的完整功能仍在研究中。它是否真的存在 RNA 参与的调控或引导机制，辅助蛋白具体承担什么任务，以及辅助蛋白是否会与逆转录酶和 RNA 协同工作，都还需要后续实验进一步回答。
AI 进入科研发现环节，但“提出假设”不等于“完成验证”
过去几年，AI 在生命科学领域已经多次展现价值。DeepMind 的 AlphaFold 因蛋白质结构预测获得 2024 年诺贝尔化学奖，帮助研究人员理解蛋白结构并设计新蛋白。但在那类应用中，AI 更多扮演的是工具角色。此次 Anthropic 披露的案例中，Claude 参与了寻找研究对象、筛选异常现象、判断研究价值和提出科学假设的过程，自主性更强。
这也带来新的问题：当模型能够大量生成科学假设时，哪些假设真正值得投入实验资源，成为更现实的挑战。Anthropic 表示，Claude 可能会生成数百甚至数千份候选研究报告，但大部分并不值得继续实验。因此，团队正在利用人类科学家反馈训练 Claude，让它逐渐学习人类研究者的判断方式。Anthropic 将这种能力称为“科学品味”。
Anthropic 创始人达里奥·阿莫迪（Dario Amodei）也在公开表态中延续了其对 AI 加速生物学的乐观判断。他提到，自己曾在《Machines of Loving Grace》中写道，AI 有潜力在 5-10 年内“治愈大多数疾病”。他认为这一目标听起来几乎不可能，但如果把 AI 应用到研究流程的每个阶段，并非完全没有可能。此次 Claude 的发现，被他视为证明 AI 可以帮助甚至驱动生物学发现的一步。
不过，从已公开信息看，ART 仍处于早期研究阶段。它展示出的类 CRISPR 结构，为核酸操作提供了新的想象空间；如果逆转录酶系统未来能够利用 RNA 识别特定目标，并以可控方式参与 DNA 合成，可能为遗传信息操作带来新路径。但目前它还没有被证明是一种可直接用于基因编辑的成熟系统。
这项成果的意义，不在于 AI 已经替代科学家完成闭环验证，而在于它显示出大模型可以在开放科研空间中承担初步探索、规模筛选和假设生成工作。对于基因组学、酶学研究和生物技术发现而言，这种能力有望把原本需要数周或数月的专家分析压缩到更短时间内。但真正进入应用层面之前，仍要经过实验室验证、机制解释和长期重复检验。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/claude-can-yu-fa-xian-yi-zhong-lei-crispr-de-xin-mei-xi
