Claude 21小时自主发现CRISPR-like新酶系统

"我们没有看到过这种排列"

2026年9月23日，Anthropic发布了一条来自其内部生命科学小组的消息：他们在DNA数据库里让Claude做了一件以前只有人类学者才做的事——自主发现了一个全新的酶系统，命名为ART（Array-Associated Reverse Transcriptase）。

整个过程没有人类逐个序列翻阅。Anthropic给Claude下达了一条初始提示词后，约950个Agent自动开始并行作业。它们在超过20万个逆转录酶（RT）家族序列中审查原始DNA链，花费了21小时，消耗了约2.1亿Tokens的计算资源，最终从3500个精炼候选中筛出Top 20提交人工检验。

其中排名第一的结果就是一个此前从未被文献记录过的酶系统。它的特征很奇特：在一段逆转录酶的基因旁边，存在着一串由数千碱基组成的规律间隔的DNA重复阵列。这与CRISPR-Cas9系统中核心的CRISPR阵列结构高度相似。而CRISPR正是过去十余年全球最耀眼的基因编辑工具，背后支撑着数百亿美元的生物医药市场。

"我们没有看到过这种排列。"Anthropic在声明中写道。

"不是工具，是合作者"

过去几年，AI在科学领域的应用通常停留在一个角色：加速器。AlphaFold预测蛋白质结构、生成式AI帮忙设计分子、机器学习筛选化合物库——所有这些工作的共同点是人类先提出问题和假设，AI负责快速处理海量数据。

Claude这次的表现不同。它的Agent并非被动接受任务然后检索，而是主动挑选"有趣的"序列簇、判断排列模式是否异常、交叉比对已知文献确认特征组合未被报道，最后输出一份包含功能性推测的结构化报告。Anthropic团队仅做了初始设定和后端支持，从序列分析到假说构建完全由Agent闭环完成。

MIT Broad Institute的冯张（Feng Zhang）教授已在预印本平台对该成果进行了学术评论，认为这一发现展示了"AI在基因组尺度上自主识别新颖生物结构的潜力"。一位参与AI for Science项目的研究员评价道："这更像是一个科研合作者的第一次完整产出，而不是助手递上一份整理好的表格。"

这意味着什么？意味着AI正在跨越"数据处理"到"知识生产"的临界点。在生物学这个极其依赖试错和经验积累的学科里，机器不再只是算得快的计算器，而是开始具备了基于庞大先验知识库进行模式识别并提出假说的能力。

算法扫一遍，相当于几年的工作量？

要理解这件事的分量，先看一组对比。

CRISPR系统的发现和最终获得诺贝尔奖，经历了长达十余年的基础生物学研究——从细菌免疫机制的偶然观察到Cas9蛋白功能的确认，再到基因编辑工具的标准化应用。在这条路径上，每一轮"发现"都需要数月到数年的实验验证周期，动辄消耗数百万美元的试剂和人员开支。

Claude这次的发现虽然处于极早期阶段，但它展示了一种全新的工作流：人类设定研究方向和框架 → AI大规模并行扫描 → 自动生成假说 → 人类实验室验证。

从成本角度看，2.1亿Tokens的调用在当前API定价下对应几百到一千多美元不等，加上运行950个Agent的算力基础设施分摊。这笔计算的边际成本，远低于雇佣一队博士后做相同数据挖掘任务的人力成本——关键是后者还需要至少数月甚至数年的积累期，因为人不能同时阅读20万个序列。

但这只是第一笔账。更大的不确定性在于：这个酶系统到底有什么用？

功能未明：离制药还有多远？

Anthropic坦诚承认："We don't yet know its function."

实验室目前仅在标准细菌模型中对ART蛋白完成了表达和生化表征，证实它确实会产生一组短RNA分子（这与CRISPR系统在发挥作用前先将DNA阵列转录为RNA的逻辑相似），但它在宿主细胞中具体做什么、能否像CRISPR那样被编程用于基因编辑、以及它旁边的伴侣基因发挥什么作用，全部仍是空白。

后续还需要更深层的体内活体验证，当前仅达到BSL-1/BSL-2的低风险分子生物学实验级别。这意味着一件事：距离这项发现真正影响任何一款药物的研发进度，至少在现有公开信息下需要数年周期。

不过，Anthropic已经同步启动了Life Sciences Verification Program (LSVP)——一个面向生物科技公司和合作机构的验证通道，允许外部科研团队对AI发现的候选靶标进行独立验证实验。该机制的设计逻辑是将"AI发现"和"湿实验验证"拆分给各自擅长的环节，从而缩短从假说到临床前研究的中间周期。

如果这种流水线模式被证明有效，它对制药行业的冲击不会是渐进式的，而是指数级的——因为每一轮"AI扫描→假说生成→实验验证"循环完成后，下一次扫描可以在此基础上迭代，形成自我增强的发现飞轮。

值得跟踪的三个指标

如果你关注AI驱动生物科技这条赛道，以下三个信号最值得持续追踪：

1. ART酶的后续功能验证结果——这是整个事件从"有趣的技术演示"变为"真正的产业变量"的关键门槛。重点关注是否有独立第三方实验室复现并发表初步功能数据。

2. LSVP计划的签约数量和验证周期——如果有药企或Biotech通过该通道验证了其他AI发现的候选靶标并在短期内取得积极结果，将证明这条AI-for-discovery流水线具备商业可行性。

3. 同类公司是否在跟进类似架构——DeepMind、Insilico Medicine等已深耕AI生物领域的玩家是否会调整策略，从"AI辅助筛选"转向"AI自主发现"。一旦多家巨头同步押注同一种工作流，产业拐点就可能到来。

本文引用的所有数据和核心事实均来源于Anthropic官方于2026年9月23日发布的新闻稿及技术说明材料，相关实验验证仍处于早期研究阶段，具体功能和商业化前景尚待进一步确认。