Anthropic Claudeによる酵素発見はCRISPRに似ているが、機能は依然として不明
Anthropicによると、Claudeは約950回のエージェントセッションを通じて21時間にわたり生物学データを探索し、これまで未特性化だった酵素システムを自律的に発見した。Anthropic Claudeによるこの酵素発見は、重要な構造的側面でCRISPRに似ているものの、遺伝子を編集することを示した実験はまだない。
この違いは、興味深い科学的手掛かりと、一部の初期見出しが示唆したツールとの間を分けるものだ。Anthropicはこのシステムを、array-associated reverse transcriptases、すなわちARTと呼んでいる。研究者らは、細菌に感染するウイルスであるバクテリオファージにおいて、反復DNA配列のアレイの隣に逆転写酵素遺伝子を見つけた。
この結果は、2026年春に設立されたライフサイエンス研究グループによるAnthropic初の公開発見でもある。また、汎用AIエージェントが生物学的な異常を見つけ、それを追究し、実験に値する候補を科学者に渡せるかという、より大きな命題も試している。Claudeは一度この試験を通過したが、その後の10回のキャンペーン再実行では、決定的なアレイを再発見できなかった。
AnthropicのClaudeによる酵素発見で実際に見つかったもの
Claudeが見つけたのは新しい生物学的配置であり、機能するCRISPRの代替品ではない。
Anthropicは2026年9月23日、新たなベイエリアの分子生物学研究所とともにこの結果を発表した。同社の酵素システムに関する発表によれば、同研究所ではリスクの低いBSL-1およびBSL-2の作業を扱う。すべての物理的実験は人間の科学者が実施する。
計算キャンペーンは、高レベルの研究ブリーフから始まった。Claudeには、異例の逆転写酵素システムを探索するよう指示された。逆転写酵素、すなわちRTは、RNAをDNAへとコピーする酵素である。
エージェントは198,000以上のRTクラスターを構築し、数千の近傍タンパク質ファミリーを調べた。AnthropicのART技術報告書によると、キャンペーン全体では949回のエージェントセッションで2億1,560万トークンを消費した。経過時間は21.5時間で、エージェント時間の合計は77時間だった。
Anthropicの公開要約では、これらの数値をおよそ200,000件のRT、950のエージェント、2億1,000万トークンとして丸めている。これらは探索の規模を示す数値である。950人の独立したAI科学者が同時に問題を調査したことを示すものではない。
「エージェント」とは、研究用ハーネスを介して協調するモデルセッションを指す。あるセッションがタスクを計画し、別のセッションがそれをレビューし、いずれもフォローアップタスクを開くことができる。この構造により、科学者が途中の判断をすべて指示せずとも、Claudeは複数の枝を探索できた。
当初のブリーフは、逆転写酵素の隣に位置する新たなパートナー遺伝子に焦点を当てていた。Claudeは3,564のタンパク質ファミリーを候補パートナーとして評価し、その後、より詳細な調査を行った。レビューを経て、これまで報告されていなかったRT関連性が3件残った。
ARTはさらに異例の経路で浮上した。あるエージェントは、巨大なゲノムを持つバクテリオファージであるジャンボファージに関連する逆転写酵素系統を調査した。予想されたタンパク質の関連性には説得力がなかったが、エージェントは周辺のゲノム領域の探索を続けた。
エージェントは生の上流DNAを作業コンテキストに読み込み、タンデム反復アレイに気づいた。ある座位には、16ヌクレオチドの反復配列が14コピー含まれ、その間はおよそ100〜200ヌクレオチドの固有配列で隔てられていた。
この配置は、CRISPRシステムも可変配列で隔てられた反復DNAを利用するため、CRISPRを想起させた。細胞はこうしたアレイをより小さなRNAへと転写し、それがCRISPR関連タンパク質を一致する遺伝物質へ導くことがある。
Anthropicの研究所での実験では、ARTアレイも明確な短鎖RNAへ転写されることが分かった。あるStaphylococcusバクテリオファージのデータセットでは、感染15分後にアレイ由来RNAがファージRNAの最大8％に達した。
研究者らは、培養ファージと予測されたウイルス配列にまたがる95の異なるART関連RTクラスターを特定した。そのうち28には、上流に検出可能な反復アレイが存在した。このシステムは通常、逆転写酵素、隣接するパートナー遺伝子、等間隔に並んだDNA反復配列のアレイという3要素で構成されていた。
これらの観察は、ARTがこれまで未特性化だった生物学的システムだという主張を支持する。しかし、このシステムが何をするのかは明らかにしない。Anthropicの研究者らは、逆転写酵素が活性を持つこと、短鎖RNAを基質として使うこと、あるいはARTが他の遺伝配列を標的とすることを示していない。
そのため、最も興味深い可能性は実証済みではなく、なお開かれたままだ。ARTは別のプログラム可能な分子システムを表すかもしれないし、CRISPRに似たその構造は、ファージ内でまったく異なる役割を果たしているかもしれない。
CRISPRとの比較が重要な理由
この比較が重要なのは、CRISPRも当初は機能不明の反復パターンとして始まったからであり、ARTがすでに遺伝子編集を行うからではない。
科学者が後にCRISPRとなるものに初めて遭遇したのは、1987年にEscherichia coliの遺伝子を調べていたときだった。彼らは見慣れない反復DNA配列の連なりに気づいたが、その機能は理解していなかった。最初のCRISPR配列90183-4)は、研究者がこれらの反復配列を微生物の免疫と結び付ける何年も前に報告されている。
CRISPRという用語は2002年に登場した。その後の研究により、細菌と古細菌は反復配列の間にウイルス遺伝物質の断片を保存していることが明らかになった。これらの領域からコピーされたRNAは、関連タンパク質が一致する侵入者を認識し攻撃するのを助ける。
研究者らは最終的に、この仕組みをプログラム可能なゲノム編集に応用した。歴史的な教訓は、すべての反復アレイがバイオテクノロジーのプラットフォームになるということではない。奇妙なゲノムパターンが、その重要性が何年もの実験研究の後に初めて明らかになる分子機構を示すことがある、という点にある。
ARTはこの視覚的な文法の一部を共有する。その反復ユニットは可変配列で隔てられ、アレイは短鎖RNAを生み出す。こうした特徴は、RNAが別の分子活性を誘導またはプログラムするかを調べる根拠になる。
一方で、いくつかの違いは直接的な同一視を弱める。技術報告書では、確立されたCRISPRシステムの中核タンパク質をコードする近傍cas遺伝子は見つからなかった。ARTのスペーサーは近縁ファージ間でも保存されているように見えるのに対し、CRISPRスペーサーは通常、微生物が異なるウイルスに遭遇するにつれて変化する。
ARTは、既知のCRISPR関連ヌクレアーゼではなく逆転写酵素を中心に構築されている。ヌクレアーゼは核酸を切断するのに対し、逆転写酵素はRNAをDNAへコピーする。この違いは、ARTが馴染み深いCRISPRツールと同じように動作せずに、ゲノム改変に関与し得ることを意味する。
CRISPRゲノム編集の開発に貢献したBroad InstituteおよびMITの研究者であるFeng Zhangは、Anthropicの発表前にプレプリントをレビューした。彼は、逆転写酵素に関連するRNA反復アレイは真に興味深く、さらなる調査に値すると述べた。
この反応は発見の科学的関心を裏付ける。しかし、独立した実験的確認に相当するものではない。ARTの機能やプログラム可能性を確立する証拠を、外部の研究所はまだ公表していない。
したがって、この比較は研究の地図として捉えるのが最も適切だ。CRISPRは、ARTの反復由来RNAが標的をコードするのか、酵素を誘導するのか、情報を記録するのかを科学者が問う理由を与える。答えを与えるものではない。
別の研究グループは、別の逆転写酵素ファミリーの隣に非コードRNAアレイが存在することを報告している。そのゲノムマイニングのプレプリントでは、専用に構築したゲノム言語モデルを用いて、関連する構造パターンを特定した。
この並行した研究が重要なのは、反復配列と結び付いた逆転写酵素が単発の偶然ではない可能性を示すからだ。類似した構造は、おそらく繰り返し現れる生物学的問題を解決するために、複数回進化した可能性がある。
同じ証拠は、Anthropicの主張をより特異なものではなくする。AI支援によるゲノムマイニングは、すでに不明瞭な非コード要素とそれに関連するタンパク質へ応用されていた。Claudeの貢献は、一つのゲノム課題向けに設計されたシステムではなく、汎用モデルとエージェントハーネスを使った点にもある。
Anthropic Claudeによるこの酵素発見が説得力を持つのは、モデルが反復配列を探すよう指示されずに、決定的なアレイに気づいたように見えるからだ。研究ブリーフはRTパートナー遺伝子を標的としており、エージェントは当初退けられた手掛かりを追った後にアレイを調査した。
これは科学におけるセレンディピティに似ている。研究者が一つの関係を探し、異常を見つけ、方向を変えるというものだ。AIがこのパターンを信頼性高く生み出せるかは、成功した一つの記録が人間らしく聞こえるかどうかより、今や重要な問題となっている。
本当の争点は、信頼できる発見か偶然の注目か
Anthropicの最も強い成果はClaudeが異常を認識したことであり、最大の弱点はシステムが正しい場所をほとんど見られなかったことにある。
発見キャンペーンは、限定的ではあるものの意味のある意味で自律的だった。研究者が最初のブリーフを提供した後、ハーネスは21時間以上にわたり人間の介入なしで稼働した。Claudeはタスクを整理し、計算探索を構築し、弱い候補を退け、フォローアップ調査を開始した。
成功したエージェントに、反復配列アレイを調べるよう指示した科学者はいなかった。モデルは独自に上流配列を読み込み、パターンを記述し、分析コードを書き、既知のシステムと構造を比較し、人間のレビュー用レポートを作成した。
これは論文を要約したり、馴染み深い実験を提案したりする以上のものだ。このシステムは、広い目的から、元のタスクに指定されていなかった観察へと進んだ。
しかしAnthropicは、最初の発見後に同じキャンペーンを10回再実行した。そのどれもアレイを再発見しなかった。
いくつかの再実行ではART関連配列が抽出され、そのうち2回では該当する系統が調査された。それでもエージェントは、反復配列を含む上流DNA領域を読み込めなかった。Claudeは特徴を認識できたが、ワークフローはその特徴を一貫してモデルに提示できなかった。
この違いは、「自律的発見」をどう解釈すべきかを変える。成功した実行は、モデルに有用なパターン認識能力と追究能力があることを示す。10回の失敗は、周辺のエージェントシステムがまだ信頼できる網羅性を生み出せないことを示している。
Anthropicは、認識能力と探索行動を切り分けるため、より統制されたテストも実施した。研究者らは7つのClaudeモデルに、5段階の詳細さでART関連の入力を与えた。入力はプロンプト内に直接配置するか、ファイルとツールを通じて提供した。
最も強力なモデルは、関連配列を直接コンテキストに置いた場合、少なくとも90％の試行でアレイを特定した。モデルがツールを通じて配列を見つけ読み取る必要がある場合、性能は低下した。一部の条件では、認識率は32％まで下がった。
ファイルベースの試行の39％では、モデルは200ヌクレオチド以上の連続した配列を一度も読まなかった。そのため、複数の反復ユニットを認識するには生配列の閲覧量が少なすぎた。
ボトルネックは、単に生物学的推論ではなかった。自由度の高いワークフロー内での注意管理だった。
エージェントには、時間、コンテキスト、計算リソースに限りがある。どのファイルを開くか、どの領域を調べるか、どの異常に追加タスクを割くべきかを決めなければならない。有能なモデルであっても、ツールが決定的な証拠を要約によって取り除いてしまえば、発見を見逃す可能性がある。
これは、AI科学にとってより実践的なベンチマークを生み出す。役に立つ発見システムは、研究者が目の前に置いたパターンを特定するだけでは不十分だ。広大な探索空間を繰り返し進み、適切な証拠を調べる判断を下せなければならない。
従来の科学ソフトウェアは、しばしば決定論的なパイプラインでこの問題を扱う。研究者は、反復配列、タンパク質ドメイン、保存された近傍領域、進化的関係を探すための明示的な検索条件を定義する。こうした手法は範囲が限定される一方で、一貫して動作する。
汎用AIエージェントには別の利点がある。文献レビュー、コード生成、配列解析、仮説形成、文章による解釈を組み合わせられる。また、結果が当初の予想と矛盾した場合には、方向転換もできる。
その代償はばらつきだ。同じ指示を受けても、2回の実行が異なる分岐をたどることがある。あるセッションは生のDNAを調べる一方、別のセッションは要約を受け入れて先へ進むかもしれない。
したがってAnthropicの結果は、AI研究所と科学ソフトウェア開発者の双方に課題を突きつけている。汎用エージェントは、より再現性を高めなければならない。専門ツールは、生の証拠を失うことなく、エージェントが選択・連携しやすいものになる必要がある。
より強力なシステムは、両方のアプローチを組み合わせるだろう。決定論的なチェックによって、エージェントに最低限の配列ウィンドウを確認させ、反復検出ソフトウェアを実行させ、中間的な証拠を保存させられる。言語モデルはその後、仮説の選択と予想外の結果の関連付けに集中できる。
これは生物学以外における優れたナレッジワークにも似ている。AIシステムは、ソース資料を保持し、基礎となる記録を調べ、タスクをまたいで知見を結び付けられると、より優れた分析を生み出す。構造化されたAI knowledge baseは専門家の判断を置き換えられないが、決定的な証拠が要約の中で消えてしまう可能性を減らせる。
Anthropicにとって、今や重要なのはさらに大規模なエージェント数ではなく信頼性だ。11件のキャンペーンにまたがる1件の成功を再現可能な成果へと変えられれば、スウォームを拡大するよりはるかに強く自律研究の有用性を示せる。
ウェットラボは主張を絞り込むが、決着はつけない
物理的な実験により、アレイがRNAを産生することは確認されたが、酵素の活性や生物学的目的は確立されていない。
AI生物学に関する発表では、しばしば3つの別個の成果が曖昧にされる。仮説を生成すること、観察可能な特徴を検証すること、有用な機能を証明することだ。AnthropicはARTについて、最初の2段階の一部を完了している。
計算キャンペーンはゲノム上の配置を特定し、それが一つのシステムを表すと提案した。次に人間の科学者が、その反復アレイが発現しているかを検証した。明確な短鎖RNA産物が検出され、アレイが活発な生物学的プロセスに関与しているという考えを支持した。
この検証は重要である。ゲノムデータベースには、シーケンシングエラー、不完全なアセンブリ、機能的重要性のないパターンが含まれる。RNA発現を観察したことで、ARTを計算上のアーティファクトとして退けることはより難しくなった。
しかし、転写だけではシステムを説明できない。DNA領域は、プログラム可能な酵素を制御せずともRNAを産生し得る。研究者は依然として、ART逆転写酵素がそれらのRNAをコピーするか、パートナータンパク質が関与するか、どのような生物学的結果が生じるかを明らかにする必要がある。
現在の研究には独立した再現も欠けている。Anthropicは査読付き学術誌の論文ではなく技術報告書を公表した。外部の研究者は手法を検証できるが、別の研究室が生化学的観察を公に再現したわけではない。
同社は、不利な結果も記録した点で評価に値する。10回の再実行失敗と、ファイルベースのベンチマークにおける低いスコアはマーケティング上の表現を複雑にするが、報告書には記載されている。
これらの開示により、読者は3つの主張を区別できる。
第一に、Claudeは教師なしキャンペーンの最中に見落とされていたゲノムパターンを発見した。利用可能なログと手法は、この説明を支持している。
第二に、ARTは反復アレイが短鎖RNAを産生する、これまで特徴づけられていなかったシステムである。Anthropicの実験は、外部による再現を条件として、この結論を支持している。
第三に、ARTはプログラム可能な遺伝子編集プラットフォームとしてCRISPRに匹敵する。現在の証拠はこの結論を支持していない。
Anthropic自身は、一部の要約よりも慎重な表現を用いている。「CRISPRを想起させる」特性を説明し、同様のものが関与している可能性があるとしている。また、ARTの主な機能は依然として不明だとも述べている。
第二と第三の主張の隔たりを埋めるには、相当な作業が必要になる可能性がある。研究者は関連タンパク質を精製または発現させ、分子基質を特定し、活性を測定し、スペーサー配列の変更が標的を変えるかを試験しなければならない。
ARTの自然界における役割も確立する必要がある。このシステムは主にバクテリオファージに見られるため、ウイルスが遺伝情報をコピーすること、細菌の防御を回避すること、宿主細胞を操作すること、他のファージと競合することを助ける可能性がある。それぞれの可能性は異なる実験プログラムを意味する。
このシステムがプログラム可能になれば、安全性とガバナンスが重要になる。Anthropicは、人間に感染し得る病原体を扱っていないとしている。現在の実験は、臨床用途や高リスクの遺伝子編集用途からはなお遠い。
同社は、AIエージェントが科学機器を操作する方法も模索している。hardware standard previewでは、顕微鏡、液体ハンドラー、ロボットアーム、その他のプログラム可能な機器に共通のインターフェースを説明している。
ARTは完全にロボット化された研究室から生まれたわけではない。Claudeはデータベース検索を行い分析を支援し、人間の科学者がウェットラボ作業を実施した。この分離は、自律性に関する主張と直近の物理的リスクの双方を限定するため重要である。
エージェント型分析と自動実験を組み合わせれば、より完全な発見ループが生まれる。AIシステムは候補を提案し、試験を指示し、結果を調べ、仮説を改訂できる。一方で、機器制御、汚染、実験設計、安全でない目的に関する追加的な失敗モードも生じる。
Anthropicはすでに、Claudeが物理的制約に苦戦し得ることを観察している。研究室自動化テストでは、気泡がエラーを引き起こした際にモデルが液体ハンドリング操作を再試行し、問題を悪化させた。人間のガイダンスにより、物理的な原因を認識して行動を調整できた。
この例は、現在のAI科学の中心的な限界を捉えている。モデルは膨大な量の記号的情報を横断して推論できるが、科学者が蓄積してきた物理的直感を持たない。ウェットラボは、文章やコードではもっともらしく見える誤りを露呈させる。
したがってARTは、結果がなお不完全であるからこそ有用な初期テストとなる。AIは有望な手掛かりを生成した。人間の実験は、その手掛かりの一部が実在することを確立した。どちらもまだ生物学を説明してはいない。
科学者とAI開発者が次に注視すべきこと
ARTが重要な発見になるのか、それともAIが生み出した示唆に富む手掛かりにとどまるのかは、3つのシグナルによって決まる。
第一のシグナルは機能的検証だ。研究者には、逆転写酵素またはそのパートナータンパク質が、アレイ由来RNAを伴う測定可能な反応を実行するという証拠が必要である。
説得力のある実験なら、酵素の基質と産物を特定するだろう。さらに強い証拠は、反復配列やスペーサーを変えると、予測可能な形で分子レベルの結果が変化することを示す。
ARTがプログラム可能であると証明されれば、CRISPRとの比較に実質が伴う。そのRNAが酵素活性と無関係なら、システム自体が生物学的に興味深いままであっても、その比較は弱まる。
第二のシグナルは独立した再現だ。別の研究室がRNA産物を確認し、システムを再構築し、Anthropicの社内ワークフローに頼らずにその構成要素を検証すべきである。
独立した結果は、生物学と同社のモデル実証を切り分ける。観察が再現できなければ、実験条件、配列選定、分析をより綿密に検討する必要が生じる。
査読は助けになるが、発表だけが決定的な基準ではない。異なるインセンティブや機器を持つ研究者による機能実験のほうが、より大きな重みを持つ。
第三のシグナルはキャンペーンの再現性だ。Anthropicまたは別のグループは、有望な遺伝子座周辺の生配列をエージェントに必ず調べさせる保護策を備えた発見ワークフローを再実行すべきである。
統制されたベンチマークはすでに直接的な介入策を示している。Claudeは関連するDNAを読むと、通常は反復配列を認識する。より優れたハーネスは、ワークフローをART専用の発見スクリプトへ変えてしまうことなく、その確認を体系化すべきだ。
研究者は、最良のトランスクリプトだけでなく、複数回の実行にわたる成功を報告すべきである。また、人間によるレビューを要した候補の数、各キャンペーンで使用した計算資源、最終結果を変えた自動化された判断についても開示すべきだ。
改訂されたシステムが同等の実行の大半でARTを見つけるなら、当初の11回に1回という結果は初期のエンジニアリング上の制約に見えるだろう。成功が依然として稀であれば、自律的な発見は信頼できる科学インフラというより、日和見的な探索に近いままとなる。
だからといって、元の観察が無価値になるわけではない。人間の科学もまた、偶然、通常とは異なる注意、弱いシグナルを追う研究者に依存している。AIの価値の一部は、そうした瞬間の機会を増やすことにあるかもしれない。
経済的な問題は、そうした機会が出力を選別するコストを正当化するかどうかだ。Anthropicのキャンペーンは数千件の可能な関連性と、読む価値のあるはるかに少数の報告を生み出した。人間の専門家は依然として候補を判断し、実験を行わなければならなかった。
現場の科学者にとって、当面の教訓は「AIは研究者を置き換えられる」より狭い。汎用エージェントは、一人では維持できない規模で文献、ゲノムデータ、計算ツールを横断して探索できる。一方で、ワークフローが生データを保持し十分な確認を求めない限り、明白な証拠を見逃すこともある。
AI開発者にとって、ARTは洗練された科学的文章よりも優れたベンチマークを提示する。エージェントは、開かれた探索空間を探り、証拠を保存し、異常を認識し、最初の説明に異議を唱え、後から経路を再現できるだろうか。
企業やナレッジワークのチームにも、同じ設計原則が当てはまる。エージェントの品質は、元の記録へのアクセス、追跡可能な判断、再現可能な検索に依存する。実用的なsearchable knowledge baseは、単に自信に満ちた結論を示すのではなく、その回答がどのように生まれたかを人々が検証できるようにすべきである。
AnthropicによるClaudeの酵素発見は、すでに一つの意味ある閾値を越えている。Claudeは研究者が特徴づけていなかったゲノム構造に気付き、人間の注意をそこへ向けた。
しかし、再現可能な発見、独立した検証、実証された遺伝子編集機能という、より難しい閾値はまだ越えていない。今後重要になるのは、これらの測定だ。
類推ではなく、実験を見守るべきだ。ARTがプログラム可能であることが証明され、他の研究室が再現すれば、AnthropicはAIが重要な生物学的発見を開始した強力な事例を手にするだろう。機能が依然として捉えどころのないものなら、このプロジェクトもなお有用なことを示す。AIは科学的な手掛かりを生み出せるが、信頼できる科学は、それらの手掛かりが証拠との繰り返しの接触に耐えたときに始まる。
