Anthropic用950个AI智能体发现新型CRISPR样酶：AI参与科研的全新范式

当地时间9月23日，Anthropic宣布成立生命科学研究团队及实验室，同时公布了一项令人瞩目的早期成果：Claude模型在分析超过20万个逆转录酶（RT）序列后，发现了一种此前未被描述的酶系统，并将其命名为阵列相关逆转录酶（ART）。据官方介绍，约950个AI智能体在21小时内完成了这一发现，使用了约2.1亿个token的数据量。

这次发现为什么重要。新发现的酶系统具有CRISPR样特征——在基因序列中，这种酶的旁边有一长串重复的DNA，这种结构与CRISPR系统高度相似。而CRISPR系统正是当前基因编辑药物（如Casgevy）的基石。传统模式下，这类新酶的发掘往往需要数月甚至数年的实验筛选，而Anthropic让AI智能体并行处理海量生物数据集，自动完成序列聚类、结构预测、风险排除，快速锁定了具备基因剪切潜力的新型CRISPR样酶。

AI参与科研的方式变了。过去我们说AI for Science，更多是指AI作为工具辅助分析——AlphaFold预测蛋白质结构就是典型。而这次Anthropic的模式完全不同：研究团队只向Claude提供初始提示，并负责后续的实验室验证工作，发现的过程——梳理海量DNA序列、寻找特征模式、识别潜在酶系统——全部由AI智能体自主完成。AI不再只是读文献的助手，而是直接参与新生物元件的发现环节。

950个智能体协同是怎么运作的。在21小时的工作中，950个独立的AI智能体被并行部署，分别处理不同批次的数据，完成序列聚类、结构预测、风险排除等不同任务，然后把结果汇总给主智能体。这种多智能体并行处理的模式，本质上是在用AI的算力优势碾压传统人工筛选的速度极限。2.1亿个token的投入，换算成人工工作可能需要数年。

后续验证和展望。Anthropic表示，发现只是第一步，后续需要在实验室里验证ART酶系统是否真的具备基因编辑功能、效率和安全性如何。如果验证成功，它可能成为基因编辑工具箱的新成员，用于开发新的基因药物。更重要的是，这种AI驱动发现——实验室验证的闭环模式，可能成为未来生物学研究的标准流程。

对基因编辑领域的影响。当前主流的基因编辑工具是Cas9、Cas12a等CRISPR系统，它们在治疗遗传病上已经展现巨大潜力，但仍有局限性——脱靶效应、递送难度、PAM序列限制等。发现新的CRISPR样酶，意味着工具箱里可能多一种特性不同的剪刀，比如识别不同PAM序列、更小的体积便于递送、更高的编辑精度。任何一个新工具都可能打开新的治疗场景。

中国学者的同期进展。值得一提的是，就在Anthropic发布成果的同一周，国内在基因编辑领域也有重要进展：湖南师范大学翟宗昭团队在《自然》发表Lsp2长寿开关研究，关闭Lsp2可精准降低核糖体蛋白翻译并延长果蝇寿命；此前武汉大学殷昊团队把体内先导编辑效率提升到70%。中国团队在实验验证和临床转化上积累深厚，AI大厂在发现能力上跑在前面，两边的结合将是未来趋势。

写在最后。Anthropic这次成果的意义，不只是一项生物发现，更是AI参与科研的范式转变。当一个AI能在21小时里完成人类需要数年才能做完的筛选工作时，生物学研究的节奏将被彻底改变。未来，发现新酶的可能是AI，验证它们的依然是人。这种人与AI的协作模式，将定义下一个十年的生物医学研究。

ART酶系统的科学细节。阵列相关逆转录酶（Array-associated Reverse Transcriptase，ART）最引人注目的特征是它和CRISPR系统的相似性——在ART基因附近存在一长串重复的DNA序列。这种序列特征在Cas9、Cas12a等已知的CRISPR系统中非常典型，往往意味着存在一个可编程的核酸识别系统。Anthropic的研究人员在噬菌体DNA中发现了这种结构，说明它可能是自然界中一种尚未被充分认识的可编程酶系统。如果后续实验证实ART具备可编程的基因编辑能力，它将为基因治疗提供一个新的工具选项。

AI发现的可靠性如何保障。AI发现科学事实，最容易引发质疑的就是可靠性——AI会不会在数据里发现不存在的规律？Anthropic在研究中采取了保守的验证流程：AI智能体筛出的候选序列，全部经过人工复核；发现ART后，相关结论提交给独立的研究机构进行评估；后续的实验室验证由人类科学家主导，AI不参与最终结论的认定。这种人和AI分工的模式——AI负责快速筛选和提出假设，人类负责验证和确认——是目前最稳妥的AI科研协作范式。

对生物信息学从业者的启示。这项成果对生物信息学、计算生物学从业者是一个强烈的信号：掌握AI技术正在成为生物科研的基础能力。过去，生物信息学的工作流是人写代码、跑分析、解读结果；现在，AI智能体可以自主完成序列比对、结构预测、模式识别等大量中间步骤，人类科学家的工作重心从写代码转向设计研究问题、评估AI结果、设计验证实验。会写代码依然重要，但更关键的是知道让AI做什么、怎么判断AI做得对不对。

基因编辑领域的未来格局。CRISPR之后，科学家一直在寻找新的基因编辑工具：碱基编辑、先导编辑、Cas12f等小型化系统、转座子递送系统等，都在拓展基因编辑的边界。ART如果验证成功，将加入这个日益壮大的工具箱。不同的工具有不同的特性——有的编辑精度高、有的体积小便于递送、有的PAM序列要求宽松——更多工具意味着更多疾病场景可以被覆盖。基因治疗的未来，正是建立在这些工具的协同应用之上。