历史启示：异常数据中的生物学突破契机
在生物医学领域，许多改变历史的重大发现并非源于精心设计的宏大实验，而是科学家在对海量数据的观察中捕捉到了“奇怪的细节”。例如，限制性内切酶最初是在细菌免疫系统中被发现的，用于切碎入侵病毒的DNA；Taq聚合酶则源自黄石公园温泉中的细菌，因其耐高温特性成为PCR技术的基石。而CRISPR技术更是经历了从“奇怪重复序列”到诺贝尔奖级基因编辑工具的漫长历程，其核心特征正是酶基因旁整齐排列的重复序列。这种结构在生物学家眼中具有极高的信号价值，往往预示着新的生物学机制。
“一个酶的基因旁边 有一串整齐的重复序列 这个画面本身就足够让人心跳加速”
2026年9月，Anthropic宣布其AI模型Claude在人类仅提供高层次提示的情况下，自主发现了一种名为阵列关联逆转录酶（ART）的新型酶系统。该系统隐藏在噬菌体DNA中，其结构特征与CRISPR阵列高度相似。这是Anthropic新成立的分子生物学实验室的首个公开成果，旨在验证通用AI模型能否系统化地加速从异常数据中发现新知识的流程。团队由具备CRISPR演化研究及基因疗法酶挖掘经验的专家组成，并在旧金山湾区建立了生物安全一级和二级的湿实验室。
自动化发现流程：多智能体协作与自主推理架构
为了验证AI在生物学挖掘中的潜力，研究团队构建了一套多智能体编排框架。底层运行基于Claude Code实例和Mythos 5模型，将研究简报拆解为多个分析阶段及小任务。每个任务由一对智能体负责：Worker负责制定计划并执行，Supervisor负责审核计划与结果。所有过程数据写入共享知识库，最终由Curator整理、Editor审稿。
“中间从数据检索到候选筛选再到初步分析 全部交给了Claude”
该自动化流程在无人干预下运行了21.5小时，消耗77个智能体小时和2.156亿token。具体执行数据如下：
| 步骤 | 数据处理量/任务数 | 关键产出 |
|---|---|---|
| 初始筛选 | 19.4亿个蛋白质簇 | 捞出约20万个逆转录酶簇，分为9大类 |
| 抽样分析 | 1.1万个位点 | 对3564个蛋白家族进行打分 |
| 深挖阶段 | 17个候选家族（后增加1个） | 最终确认3个新发现，其余判定为已知或错误 |
| 任务统计 | 119个总任务，949次会话 | 其中98个为智能体自主生成的新任务 |
值得注意的是，AI具备自我修正和放弃机制。在17个初始候选中，只有3个被确认为新发现，其余14个因注释错误或属于已知系统而被智能体自行剔除。这种自主派活与自我否定的能力，表明该流程并非僵化的流水线，而是具备动态调整能力的智能系统。
ART的发现历程：从“跑题”到确证的完整推理链
ART系统的发现过程极具戏剧性，它并非在预设的17个候选名单中产生，而是一次“跑题”后的意外收获。最初，一个Worker在调查逆转录酶家族时，发现其与巨型噬菌体RNA聚合酶亚基相邻。Worker判定这仅是基因排列的巧合，但在推理记录中补充了一个次要发现：AR9类巨型噬菌体携带独立的、类逆转录子的逆转录酶。
“L0050的侧翼序列太壮观了 我用肉眼就能看出一个串联重复阵列……”
Supervisor随后指令下一个Worker检查这些逆转录酶上游是否存在配套的非编码RNA。结果显示，ART相关序列的上游非编码区极短（中位数27碱基），远小于其近亲（940碱基）。Worker将上游序列直接读入上下文，发现了一段2900个碱基的原始DNA序列。模型在推理中表现出类似人类的兴奋与审慎：
- 初步观察：识别出串联重复阵列，类比类CRISPR或msDNA结构。
- 自我怀疑与文献检索：意识到噬菌体逆转录酶上游的重复阵列可能与已知的DRT9系统类似，引用了2024-25年的相关论文（如ApeA及张锋实验室的可编程RNA引导研究）。
- 定量验证：编写脚本计算重复单元，确认该位点包含14个16碱基的重复序列，间隔为100-200碱基。
- 新颖性确认：通过文献检索排除已知系统后，提交报告供人类审阅。
这一过程展示了AI在长文本阅读、逻辑推理及自我纠错方面的能力，其思维路径与人类博士生的研究流程高度相似。
技术解析：基因组视觉能力与传统挖掘工具的局限
Anthropic通过可解释性方法分析了Claude识别重复序列的内部机制。研究发现，Mythos 5模型中存在两个对重复序列敏感的信号。在阵列出现前信号安静，读到第三个重复单元时明显激活；若打乱碱基顺序，信号则熄灭。这种反应曲线与专门训练于DNA的基因组语言模型（如Evo 2, gLM2）一致，Anthropic称之为“Claude的基因组视觉”。
“一段纯字母组成的DNA序列 它说by eye 也就是用肉眼就能看出来”
传统基因组挖掘工具（如MinCED、CRISPRCasFinder）难以发现ART，原因在于其参数设定局限于典型CRISPR尺寸（间隔25-60碱基）。而ART的间隔长达120-220碱基，超出了传统工具的筛查范围。这揭示了现有挖掘方法的瓶颈：高度依赖预设特征，无法识别超出既定框架的异常。此外，对照实验显示，直接将DNA序列粘贴进上下文（而非作为文件读取）能显著提高识别率。Mythos 5在直接阅读长序列时，识别率达到96%，而使用文件形式时最低仅32%。这表明智能体在处理长文本数据时的注意力分配存在随机性，直接提供完整上下文至关重要。
ART系统特征与湿实验验证现状
ART主要存在于巨型噬菌体中，由三部分组成：逆转录酶、搭档基因及上游非编码重复序列。团队在数据库中找到了95个ART簇，其中28个带有可检测阵列。其结构特征如下：
- 重复单元：3-21个，每个中心含约15碱基回文结构。
- 间隔序列：120-220碱基，在亲缘噬菌体间保守。
- 逆转录酶：N端有约180个氨基酸的异常长头部，预测与搭档蛋白结合。
- 无Cas基因：位点附近未发现cas基因，区别于典型CRISPR系统。
湿实验验证方面： 1. 转录组分析：在葡萄球菌噬菌体SA1感染大肠杆菌的数据中，ART阵列产生的RNA占全部RNA的8%，并被切割成边界固定的短RNA片段。 2. 体外表达：在SA1 ART系统转入大肠杆菌后，也检测到类似的短RNA产物。
“ART可能是一种带RNA弹药库的逆转录子 普通逆转录子只配一条RNA ART则配了一整排”
团队假设ART可能通过不同的短RNA组合，形成多种复合物以响应不同信号。但报告明确指出：尚未证明逆转录酶活性、短RNA是否为底物，以及系统的具体生物学功能。湿实验仅确认了转录产物的存在，未涉及酶活性的生化验证。
学界反应与科学发现的边界探讨
对于这一发现，学界反响冷静且多元。张锋教授称赞AI参与科学发现的协作方式具有启发性，但对ART本身持谨慎态度，强调“值得研究”而非“下一个CRISPR”。他指出从发现到工具化需漫长验证，如CRISPR耗时26年才成为编辑工具。
“AI参与科学发现的方式 正在从辅助分析走向自主发现”
生物学家指出了几点关键局限： 1. 挖掘策略非首创：基于基因邻居的挖掘在2002年CRISPR研究中已成熟，发现异常序列并非最难部分。 2. 功能验证缺失：真正的科学突破在于阐明系统功能，而非仅发现序列异常。 3. 对照组缺失：应比较“AI vs 顶级专家”而非“AI vs 手动筛选”，且目前结果尚不足以构成完整论文。
Anthropic CEO达里奥·阿莫代伊认为，AI在生物学中的应用正遵循类似数学领域的指数增长曲线。虽然基础发现的加速不缩短临床试验时间，但能极大增加候选数量。他强调目前AI仅完成数据发现与假设提出，实验验证仍完全由人类执行。
结论
Claude发现ART系统标志着AI在科学探索中从“辅助工具”向“自主发现者”的角色转变。尽管ART的具体功能尚待验证，且与传统CRISPR相比仍处于早期阶段，但其发现过程证明了AI在处理海量基因组数据、识别非典型模式及执行复杂推理链方面的能力。这一突破的核心价值不在于立即产生新工具，而在于展示了AI如何填补人类注意力在指数级增长数据中的空白。未来，人机协作的模式将从“人操作AI”演变为“人类设定目标、AI自主探索并生成假设、人类实验验证”的新范式。然而，生物学发现的最终落脚点依然是湿实验，AI目前无法替代对机制的实证研究，但能显著加速从数据到假设的路径。