潘 展|编译
01
人工智能公司自建AI Biolab
近日,Anthropic宣布成立新的生命科学研究团队和实验室,并公布了这一团队的首项研究成果:约950个Claude AI智能体连续工作21小时,从海量DNA序列中发现了一种此前未被系统描述的酶系统。
这项工作首先让大量AI智能体自主搜索、比较和筛选生物序列,再由研究人员通过实验进行验证。它验证了一种正在形成的生物学研究模式:AI负责大规模搜索和提出线索,人类科学家负责实验验证和最终判断。
02
950个Claude智能体,找到异常DNA序列
Anthropic给Claude的初始任务非常简单:在大规模DNA数据库中寻找有趣的新型逆转录酶(RT)。逆转录酶能够以RNA为模板合成DNA,在病毒、细菌以及其他生物系统中广泛存在。研究人员希望从庞大的RT序列家族中找到此前没有被充分认识的生物系统。
随后,约950个Claude智能体开始分工搜索。它们在21小时内处理了约2.1亿个token,并自行分析不同的RT家族、寻找基因组邻近区域、比较候选序列和已有知识。
最终,一个智能体注意到某个异常RT基因附近存在一组反复出现、间隔规律的DNA序列。进一步分析发现,这些重复序列与一个此前未被系统认识的酶系统相关。团队将其命名为阵列相关逆转录酶(ART)。
这一系统存在于噬菌体中,由逆转录酶、邻近的伙伴基因以及一组规律排列的DNA重复序列组成。
系统架构(A)及RT筛选分析流程(B)示意图,图源:alphaxiv
之所以引起关注,是因为这种重复序列排列方式与CRISPR系统具有一定相似性。CRISPR最初同样是研究人员在细菌DNA中发现的一种异常重复序列,后来才被证明具有重要的免疫功能,并发展为基因编辑技术。
不过,两者还不能直接画等号,目前几乎没有证据证明ART重复序列具有与CRISPR类似的功能,也尚未发现与其配套、能够切割DNA的酶。因此,ART究竟发挥什么作用,以及能否发展成新的生物技术工具,都还有待实验研究。
03
为何Anthropic要自建一个生物实验室?
过去一年,Anthropic持续扩大其生命科学业务。
2026年6月,公司推出Claude Science,将数据库、计算工具和科研工作流整合到一个面向科学家的AI工作台中。8月,其又推出模型硬件标准(MHS),试图让AI智能体能够连接显微镜、液体处理器、机械臂等实验设备。
SA1 噬菌体基因组及其内部ART基因座示意图,图源:alphaxiv
但Anthropic很快发现,仅靠计算环境仍然无法完成完整的生物学研究。公司生命科学负责人埃里克・考德雷艾布拉姆斯(Eric Kauderer-Abrams)表示,生物学最终仍然需要真实实验。此后,公司在旧金山湾区建立了自己的湿实验室,并开始开展实际的生物学实验。
Anthropic目前采取的是类似生物科技公司的模式:一部分实验在自己的设施完成,另一部分交给外部合作伙伴,旨在把AI能力向实验环节延伸。其核心思路是让Claude承担过去很难规模化完成的工作。例如,在庞大的基因和蛋白质数据库中搜索未知规律、比较不同蛋白家族、提出可能的功能假设,再把最值得验证的候选交给实验人员。
目前,这套工作流程已经形成了较为明确的模式:Claude首先阅读相关文献并利用公开数据复现已知结果,然后搜索尚未被描述的蛋白质家族成员或基因组邻近区域,为候选对象生成研究报告,再对这些候选进行进一步分析,大多数候选最终会被淘汰。ART正是这种工作模式的早期成果。
04
从AI科研工具到“AI原生”生物研究
Anthropic布局生命科学的野心并不限于发现新蛋白。公司希望利用AI加速传统产业认为经济回报有限、因而投入不足的疾病研究,并重点关注过去被认为难以成药的疾病。公司曾提出探索双特异性、三特异性抗体等复杂分子,希望利用AI降低这类药物研发中的搜索和设计成本。
Claude Science科研界面,图源:Anthropic
Anthropic还在持续补齐生物研发基础设施。2026年初,Anthropic与Allen、Howard Hughes等研究机构合作,将Claude用于生物医学研究。随后推出Claude Science,并扩大AI4S项目,为科学家提供模型和计算资源。
实验自动化则是另一条重要路线。Anthropic推出的MHS旨在解决不同实验设备之间缺乏统一接口的问题。Anthropic称,早期测试已经将部分设备集成工作从数周缩短至数小时。
然而,Anthropic正在搭建的并不是一个传统意义上的“AI制药部门”,而是一套从基础模型—数据分析—科学推理—实验验证—自动化设备逐步连接起来的科研体系,而Claude正在成为能够参与生物学发现全过程的科研智能体。与此同时,Anthropic强调公司目前并没有进入临床试验阶段。
如果这一模式能够持续扩大,AI4S的竞争重点可能从“谁的模型更聪明”,进一步转向“谁能把模型、科学家、数据和实验室真正连接起来”。
https://www.nature.com/articles/d41586-026-03039-6
https://www.alphaxiv.org/abs/2609.ai-agents-discover-reverse-transcriptases
Deep Science预印本
热门跟贴