9月23日，Anthropic正式宣布：成立生命科学研究组，自建湿实验室。
今天，该实验室同时公布了第 一批成果——
Claude 在几乎没有人类指导的情况下，自主发现了一个全新的酶系统，结构特征酷似大名鼎鼎的“基因剪刀” CRISPR。
Anthropic 将其命名为ART。
整个挖掘过程由约950次Claude智能体会话接力完成，耗时21.5小时，全程没有任何人工干预。
这个系统的代表成员早在2021年就被人类科学家测序并发表了论文，但它最关键的特征，当时没有任何人注意到，直到这一次被Claude发现。
CRISPR 先驱、MIT教授张锋审阅预印本后评价：这是 AI 智能体参与生物学发现的一个令人兴奋的案例，非常值得进一步研究。
此前，Anthropic创始人兼首席执行官Dario Amodei公开表示：未来5到10年，AI有望攻克绝大多数人类疾病。
Anthropic正全速加码AI生物医学。
01 一道指令，AI军团干完了整个课题
先看Anthropic给Claude布置了什么任务。
研究团队用 Claude Mythos 5 驱动一批 Claude Code 智能体，目标是：在海量宏基因组数据中，寻找逆转录酶（RT）的新伴侣蛋白。
为了让AI像一个真正的课题组一样运转，Anthropic给它们做了明确分工：
Worker制定计划、写代码、跑分析；Supervisor审核结果，可以打回重做，也可以开新任务；Curator把每项发现录入共享知识库；Editor审阅最终报告。
智能体分工与筛选漏斗
所有记录写入版本控制系统，所有智能体共享记忆。
任务下达后，人类就撒手不管了。
结果相当惊人。Claude在19.4亿个 蛋白簇中自主构建了52个搜索模型，捞出19.8万个逆转录酶簇并分成9大类。随后扫描了1万多个基因位点，从3564个候选家族中筛出17个进行深挖。
最终，它确认了3个全新的伴侣关联，否决了其余14个，还顺带发现了3个此前从未被描述过的逆转录酶谱系，ART 就是其中之一。
对一位资深专家来说，这类分析通常需要数周到数月。
02 科学家漏看5年，AI一眼识破
更戏剧性的细节来了。
ART 家族中有一个代表成员，来自一种叫MarsHill 的金黄色葡萄球菌噬菌体，它的基因组早在 2021年 就已公开发表。
当时的作者识别出了这个逆转录酶，甚至推测它的上游可能存在一段非编码 RNA，但重复序列没有被发现，伴侣基因也没有被描述。
数据就这样在公共数据库里静静躺了整整5年。
这恰恰戳中了基因组挖掘领域的核心痛点。公共序列数据库的规模每四年就翻一番，如今已积累了数十亿条蛋白序列，而传统的计算流程只能按照预设的特征去“捞”，预设之外的异常天然就看不见。
图：ART与已知逆转录酶系统结构对比
真正能发现异常的，只有专家的眼睛，而专家的眼睛，恰恰是最无法规模化的资源。
03 像CRISPR，又不是CRISPR
人类接手之后，团队在 Claude Science 中继续深入分析，把 ART 家族扩展到了 95个成员。
一个完整的ART系统由三部分组成：一个逆转录酶、一个专属的伴侣蛋白，以及一长串排列整齐的DNA重复序列。
它和CRISPR看起来很像。
CRISPR本来是细菌的免疫系统，后来被科学家改造成了基因编辑工具，也就是常说的“基因剪刀”。
但细看两个有差异。CRISPR 的间隔序列只有约30个碱基，ART则长达120到220个；ART位点附近找不到任何cas基因；此外，ART 的逆转录酶在头部有约180个氨基酸，而普通逆转录酶在同一位置通常只有50个左右。
ART结构对比
这些特征说明，ART 并不是CRISPR的某个变种，而是一种全新的非编码重复元件。
团队推测，ART 可能与细菌的抗病毒系统retron 原理相近，但retron只有一条 RNA，而ART 拥有一整个RNA库。这意味着同一个酶或许能搭配不同的 RNA，识别多种不同的威胁。
当然，Anthropic 也坦言，这个逆转录酶是否真的具备活性，目前还没有得到证明，ART在噬菌体中究竟扮演什么角色，也仍然是个未知数。
04 通用大模型，具备“基因组视觉”
尽管战绩亮眼，Anthropic 在论文里也毫不避讳地公开了翻车数据。
团队用完全相同的配置又跑了10次，但10次全部错过了那个关键的重复阵列，原因很简单：没有一个智能体再去读上游的原始DNA。
为了搞清楚问题究竟出在哪里，团队设计了一套专项测试，让7个Claude 模型各跑了500次。
结果出现了明显的分水岭：Opus 5.5、Mythos 5.1、Mythos 5和Opus 5 这四个最强模型，全面领 先于Opus 4.6、Opus 4.8 和 Sonnet 5。
七个claude模型对比
极 具戏剧性的是，给 AI 的工具越多，它反而越容易看漏。
当 DNA 序列直接放在上下文里时，最强模型的识别率超过 90%；可一旦换成文件+工具的模式，识别率最 低跌到了 32%。
原因在于，有了趁手的工具，模型就懒得去读原始数据了，在39%的尝试中，模型连一段200个碱基的连续序列都没有读过。而当Mythos 5真正读入足够长的DNA时，识别率最高可以达到 96%。
值得注意的是，Anthropic 这次还动用了自家的独门绝技——可解释性研究。
团队把当时的发现过程重新输入Mythos 5，并拆解模型内部的激活信号，结果找到了两个专门对 DNA 重复序列产生反应的内部信号。在读到重复阵列之前，这两个信号保持沉默，读到第三个重复拷贝时明显增强，而一旦把碱基顺序打乱，信号几乎全部熄灭。
有意思的是，这两个信号的表现，与 Evo 2、gLM2 这类专门用 DNA 训练的基因组大模型高度相似。
可Claude是一个通用大模型，并不是专门为读基因组而设计的。
Anthropic 给这种能力起了一个颇具想象力的名字：“基因组视觉”。
05 对生命科学的巨大押注
同时，Anthropic终于官宣自己的湿实验室了。
生命科学负责人Kauderer-Abrams透露：生命科学部门已经发展成公司人员配备和资源最充足的部门之一。
该实验室成立于2026年春天，主要负责Anthropic的生物学研究。
宣传短片中，Anthropic展示了白大褂、移液枪、SDS-PAGE电泳胶、离心机，这些生物实验室里最日常的东西。
科学家表示，他们研究的是承担大量分子功能的蛋白质，而其中一半，“我们甚至不知道是怎么运作的”。
Anthropic也昭示其野心，他们想让 Claude 扮演的是帮科学家做判断的研究者，而不是查文献、写代码的工具。
对一家以AI模型为核心产品的公司来说，把最多资源投向一个非核心业务方向，本身就是一种态度。
今年四月，Anthropic靠一笔四亿美元的股权收购杀入AI制药，被收购方Coefficient Bio是一家成立八个月、员工不足十人的小型AI制药初创。
9月16日，诺和诺德宣布和Anthropic达成一项深度合作，用AI加快药物研发。
目前，Anthropic已经和BMS达成深度合作，阿斯利康、Genmab、Veeva、Flatiron Health等公司也在试点中。
Anthropic反复强调的核心定位，药物研发的基础设施，公司明确表示不会开展临床试验。
模型层，Claude负责思考。软件层，Claude Science负责串联60多个科学数据库，深入科研流程。硬件层，MHS负责让Claude直接指挥机械臂、传感器、分析仪器，并对实验数据进行反馈和调整。
Kauderer-Abrams表示:”我们不与那些以将药物推向市场为生的制药和生物技术公司竞争”。
它瞄准的是传统药企认为盈利前景不佳的疾病领域，早期研究、罕见病、被行业老牌企业出于财务原因放弃的方向。
AI+生物科技这场牌局，桌子已经支起来了。
只是没人知道，坐在牌桌对面的，到底是一个新的合作伙伴，还是一个正在悄悄改写规则的人。