Anthropic 生物实验室首份成果：Claude 自主发现类 CRISPR 的 ART 酶系统

Anthropic 的生命科学研究团队公布了一项早期成果：在科学家只给出一个高层级提示的前提下，Claude 自主发现了一个此前未被描述过的酶系统，其结构与 CRISPR 有相似之处。团队将它命名为 ART，即阵列相关逆转录酶（array-associated reverse transcriptases）。这也是 Anthropic 设立生物实验室之后，第一次把研究成果公开出来。

一个只给提示、不给方向的实验

在这项研究中，Anthropic 的科学家只做了一件事：写一句提示词，让 Claude 去庞大的 DNA 序列数据库里寻找有意思的新型逆转录酶。剩下的检索、判断和筛选全部交给 Claude 智能体完成。据团队披露，大约 950 个 Claude 智能体连续工作了 21 小时，消耗 2.1 亿 token，累计收集到 20 多万个逆转录酶。在此基础上，它们挑出 3,500 个新的候选系统，进一步收窄到 20 个最值得关注的候选，并逐一写出人类能读懂的分析报告。同样的工作量如果交给专业科研人员，通常需要几周甚至几个月。

逆转录酶（RT）是一类把 RNA 复制成 DNA 的酶。团队指出，这个酶本身在此前的研究中已经被识别过，它来自一种巨型噬菌体；Claude 的贡献在于，它似乎是第一个注意到这个系统关键特征的对象——旁边成阵列排列的非编码 DNA 序列，以及一个功能未知的附属蛋白。检索过程中，一个智能体在看到逆转录酶附近的原始 DNA 序列后直接写道：紧邻逆转录酶的这段 DNA 非常惊人，肉眼就能看到串联重复阵列，看起来像是一个类似 CRISPR 的重复阵列。

ART 由三部分组成

ART 主要存在于噬菌体（感染细菌的病毒）中，由三块构成：逆转录酶本身、紧挨着它的一个伙伴基因，以及一段间距均匀、长度很长的 DNA 重复序列阵列。这种重复序列的排布方式与 CRISPR 阵列相似——后者储存着一批不同的 RNA 序列，正是这些序列让 CRISPR-Cas 系统成为可编程的生物技术工具。

初步实验显示，ART 的阵列同样会被表达成一组各不相同的短 RNA，这提示该系统中可能存在类似的机制。不过，ART 的具体功能目前仍在研究之中。Anthropic 表示，理解 ART 主要功能的工作还在继续，之所以选择这么早公开，一是为了展示 Claude 的能力，二是让更广泛的科研社区了解他们正在做什么。相关的预印本已经放出，其中对细节有更完整的讨论。

CRISPR 基因组编辑的先驱之一、MIT 与 Broad Institute 教授张锋在读过预印本后评价说，这是 AI 智能体参与生物学发现的一个令人兴奋的例子，识别出与逆转录酶相关的 RNA 重复阵列确实很有意思，值得进一步研究；他希望这项工作能鼓励更多科学家去探索 AI 如何支持自己的研究。

为什么这类发现值得关注

历史上许多改变生物学与医学的发现，起点都是某位科学家在自然界海量的分子机器中注意到了某种异常。限制性内切酶、Taq 聚合酶、CRISPR 都走过这条路。Anthropic 团队想验证的问题是：通用 AI 模型能否把这种「注意到异常」的能力系统化、规模化。

从目前的结果看，ART 的意义更多在于研究范式，而不只是多了一个新酶。生成假设的成本正在被压缩到「用算力换发现」的程度，人类的角色相应转向筛选、判断和实验验证。如果「注意到自然界的异常」这一步真的可以规模化，基因组挖掘有可能迎来新一轮工具型发现。

另一条值得留意的线索是，模型公司亲自建起了湿实验室。Anthropic 的实验室位于湾区，外观与常规分子生物学实验室无异；其研究只涉及生物安全等级较低的 BSL-1 和 BSL-2，不处理能感染人类的病原体，所有实验操作都由人类科学家完成。团队也提到，他们尝试过用 AI 加速实验工作的项目，但这类做法不太适合分子生物学研究中那种临时、非标准化的流程。

在具体工作流上，团队经常让 Claude 去检索那些功能未知的蛋白质所对应的大量 DNA 序列。一个典型流程是：先对某个蛋白质家族做整体调查，由 Claude 阅读相关文献、用公开数据复现已有结果以检验方法；接着寻找不符合任何已知系统的家族成员或基因组邻近序列，为每个候选写一份简短、人类可读的报告，提出功能假设并说明支持证据；在后续分析中，Claude 会批判性地评估这些证据，大多数候选会在这一步被淘汰。一轮调查下来，可能只剩一个候选值得做实验，也可能一个都不剩。

候选通过评审后，团队会在实验室中验证：把蛋白在标准实验室菌株中表达，再从生化与结构层面进行表征，Claude 在这一步协助解读数据。他们使用的是 Claude Science 和 Claude Code，也就是任何科学家都能用到的工具，有时还会用自建的工具框架来并行调度多个 Claude 会话。

由于 Claude 产出假设的速度太快，假设本身也成了研究对象。一轮研究就可能产生几百到几千份候选报告，团队因此在追问：那些被判定值得测试的提案，和那些被搁置的提案之间，差别究竟在哪里。得到的结论会回过头写进给 Claude 的指令中，让它逐渐学会模仿团队自己的科学品味。

团队还介绍了自己的背景：成员长期研究不寻常的蛋白质，擅长用计算方法系统性地读取 DNA、解读其演化过程，并挑出值得进一步表征的生物系统。在加入 Anthropic 之前，他们的研究帮助人们更好地理解 CRISPR 系统的演化与调控，发现了可用于下一代细胞与基因疗法的新酶，也构建过用于加速识别 DNA 异常（例如人类致病变异）的工具。他们隶属于 Anthropic 的生命科学组织，与从事药物发现、以及训练 Claude 理解生物学与化学的团队并列。

Anthropic 表示，希望这项工作能向更广泛的科学界展示 AI 驱动假设生成的价值，并愿意与其他科学家合作，把这种方法扩展到基因组学及其他领域的更多问题上。如果有研究问题上的提案，他们欢迎联系。此外，生命科学验证计划（LSVP）为生命科学从业者提供 Claude Mythos、Opus 和 Sonnet 模型的访问权限，并配有对生物学相关工作更为宽松的一套安全措施。