Anthropic 湿实验室首个成果：智能体读原始 DNA 发现一段重复阵列，实验只证实它会转录

2026 年 9 月 23 日，Anthropic 宣布成立生命科学研究组与实验室，并发布首个成果：Claude 智能体在宏基因组数据中发现了一个新的逆转录酶（RT）家族，命名为 array-associated reverse transcriptases（ART，阵列相关逆转录酶）。细节见一份 40 页的技术报告，由 Anthropic 自行托管，作者是 Peter H. Yoon、Januka S. Athukoralage、Emmanuel Ameisen、Eric Kauderer-Abrams、Nicholas T. Perry 和 Matthew G. Durrant。这份报告没有经过同行评审。^[S1][S2]

人负责的环节

研究者写好研究任务书，要求智能体从新的伙伴基因关联入手寻找新的 RT 系统，并搭建了框架和数据库。用博客的话说：「我们的参与仅限于最初的提示和实验室工作。」普查结束后，一个语言模型评委（Mythos 5）让 19 份报告两两对决，以锦标赛方式排序，ART 报告排第三，36 场赢了 32 场。研究者随后把精力放在排名靠前的报告上，并回看会话记录，弄清智能体是怎样一步步找到 ART 的。^[S1][S2]

普查之后的分析，包括确认 RT 与阵列构成一个成体系的家族、系统发育、结构预测和伙伴基因分型，都在交互式的 Claude Science 会话中完成。按报告方法部分的说法，「由作者主导分析，Claude 编写并运行代码」。实验则全部由人来做：博客明确写道「所有实验室工作都由人类科学家完成」，还说他们试过的 Model Hardware Standard 式实验室自动化，不太适合这类按需临时搭建的分子生物学流程。^[S1][S2]

智能体负责的环节

框架里的每个智能体都是一个运行 Claude Mythos 5 的 Claude Code 实例。它们自己构建了 52 个 RT 谱隐马尔可夫模型（profile HMM），在 1,939,242,578 个蛋白簇中检索，留下 198,290 个 RT 簇并分成九类；随后抽取 10,983 个 RT 位点，给在这些位点旁反复出现的 3,564 个蛋白家族打分。有 16 个家族达到智能体自己定的标准，第 17 个由后续任务提名；最后只有 3 个被确认是此前未报道的 RT 关联，其余 14 个或是注释伪影，或属于已知系统，或只是普通的邻近基因，都被搁置。另有 3 个 RT 被认定为新谱系，ART 就是其中之一。^[S2]

整场普查共有 119 个任务，其中 98 个是智能体在工作中自己开出来的；共 949 个智能体会话，累计 77 个智能体小时、2.156 亿 token，实际耗时 21.5 小时，报告称全程无人干预。博客用的是取整后的数字：「约 950 个智能体」（即这 949 个会话，同属一次普查，并非 949 个独立的研究者）、2.1 亿 token、21 小时、20 个候选；报告自己的统计是 17 个候选家族加 3 个新谱系，共 19 份报告。^[S1][S2]

智能体怎样注意到阵列

ART 是绕了一圈才找到的。智能体起初挑中这个候选，是因为它紧挨着一个巨型噬菌体 RNA 聚合酶亚基；一个执行者否定了这层关联，却为这个 RT 本身安排了后续任务。逆转录子（retron）的 RT 要和一条在上游编码的 RNA 配合工作，所以监督者让下一个执行者去查 5′ 侧翼。这个执行者把近缘序列的上游 DNA 直接读进上下文，随即写道：「L0050……的侧翼太惊人了：我肉眼就能看到一个串联重复阵列……这是类 CRISPR 还是类 msDNA 的重复阵列？！」^[S2]

报告在方法部分核实了这一过程：这项任务的任务书和总的研究任务书都没提到重复或阵列；识别之前的两次检索返回的都是未注释的序列，两次之间没有调用别的工具，整个会话也没有运行任何现成的重复查找工具。之后，执行者自己写脚本计数，在一个位点上数出 16 nt 重复的 14 个拷贝，彼此之间隔着 100-200 nt 各不相同的间隔序列；它又检索了文献，在这次检索中没有找到与这个阵列对应的报道，然后才提交报告交人审阅。报告的原话是文献检索「确认」阵列不符合任何已报道特征；但一次检索只能说明没找到，证明不了绝对新颖。^[S2]

湿实验方面，研究者用噬菌体 SA1 的 ART 位点构建了两个质粒：一个携带天然位点（非编码区、RT 和伙伴基因）；另一个把 1,187 nt 的非编码区置于 J23119 启动子下游，把 RT 置于阿拉伯糖诱导型启动子下游。两个质粒转入大肠杆菌 DH10B，每个构建培养一份，做小 RNA 测序。两个构建都测到了来自阵列的离散短 RNA，与噬菌体侵染时看到的相似。每个构建只有一份培养，这个大肠杆菌结果没有生物学重复；报告所说「在重复样本间可重现」的 RNA 边界，来自公开侵染数据的三份培养。^[S2]

报告的论点是：序列数据库每四年翻一番，系统性的挖掘只能依靠计算流程，而流程所说的「新颖」是事先定好的，预设特征以外的异常就会漏掉；专家审阅能发现它们，却跟不上数据的增长。报告在讨论部分指出，以往的自动化发现尝试中，预期和对新颖性的判断都由人类专家给出；这一次两者都来自智能体：预期出自它自身的知识，而不是任务要求，它还判断这个反常现象值得追下去。^[S2]

报告举了一个具体例子：MarsHill 噬菌体的 ART 位点早在 2021 年就出现在它的基因组报告里，那篇报告识别出了 RT，并推测 5′ 端有一条非编码 RNA，却既没有描述重复，也没有描述伙伴基因。博客同样说，这个 RT 以前就被识别过，而最先注意到这个系统标志性特征的，似乎是 Claude。^[S2][S1][S4]

ART 是什么，和 CRISPR 差在哪

在研究者主导的后续分析中，共找到 95 个不同的 ART RT 簇，其中 28 个的上游能检出重复阵列。阵列长 0.3-4.1 kb，含 3-21 个短重复；每个重复长 15-49 nt，含约 15 nt 的回文核心，间隔序列长 120-220 nt。序列覆盖到这一区域的 93 个成员，RT 全都保留了催化基序 YxDD；聚合酶结构域前还有约 180 个残基，而其他 RT 这一段通常只有 50 个左右或更少。伙伴基因分为三型，彼此在序列和预测结构上都检测不到相似性。^[S2]

所谓「类 CRISPR」，指的只是阵列的排布方式。报告自己列出了区别：CRISPR 的重复几乎一模一样，边界清晰，间隔序列只有约 30 nt，而且在菌株之间会获得或丢失；ART 的间隔序列长得多，在亲缘相近的噬菌体之间按原有顺序保留。所有 ART 位点附近都没有 cas 基因。报告的工作假说更接近逆转录子：一个 RT 加一个伙伴蛋白，配的是一组各不相同的 RNA，而逆转录子只配一条。^[S2]

在这次普查中，Claude 交出的是报告和候选，而不是结论：17 个候选家族中有 14 个，在这场无人干预的普查里就已被否决或搁置。博客说，Claude 提出假说太多太快，假说本身已经成了研究对象：一次普查就能产出成百上千份候选报告，团队正在研究被判定值得测的提案和被搁置的提案差别在哪里，并把心得写回 Claude 的指令。于是，人的位置从逐个位点地读，转到了设定门槛、决定测什么。^[S1][S2]

但这个发现在 11 次运行中只出现过一次。研究者用同样的框架和任务书又跑了十次：几乎每次跑完普查都抽到了 ART 位点，其中两次执行者还把这个谱系列为后续任务做了调查，可没有一次去读 RT 上游的 DNA，十次全都漏掉了阵列。这是观测到的负结果：研究者用原普查中的 RT 和重叠群编号检索了重跑的全部任务记录和会话记录；报告也说明，落在这些编号之外的 ART 位点检索不到。报告把原因归结为 RT 的搜索空间太大，以及框架的行为具有不确定性。也就是说，这里证明的是它做得到，而不是能稳定地做到；找到率能否提高，尚无结果。^[S2]

湿实验测到的只是转录。

Anthropic 实验室自己只做了一项测量：把两个 SA1 ART 质粒构建转入大肠杆菌做小 RNA 测序，每个构建一份培养。结果阵列产生了离散的短 RNA，和侵染时看到的相似。每个构建只有一份培养，这不足以构成生物学重复。报告在讨论部分写得很明白：「我们没有证明 RT 有活性，也没有证明这些单元 RNA 是它的底物。RT 与伙伴是否相互作用、这个系统对噬菌体起什么作用，目前都不清楚。」博客也说「我们还不知道它的功能」，后续实验正在进行。^[S2][S1]

8% 来自别人的数据。

侵染 15 分钟时，阵列 RNA 最多占到噬菌体 RNA 的 8%，是丰度最高的噬菌体转录本之一。这个结果并非来自新实验：一个 Claude Science 会话自主找到并下载了 2022 年发表的一组时间序列 RNA-seq 数据，内容是 SA1 侵染 Staphylococcus lentus 的过程（BioProject PRJNA836150，每个时间点三份培养），再由研究者重新分析。这批数据独立于 Anthropic，但当初采集并不是为了检验 ART；8% 是对公开数据的重分析，不是这次新实验的结果。^[S2][S3]

Anthropic 之外有人检验过吗？

没有人复现过。报告是放在 Anthropic 自家服务器上的一份 PDF，未经同行评审，Crossref 上也查不到。外部参与只有两处：博客引用了张锋（Feng Zhang，MIT 与 Broad 研究所）读过预印本后的评价，说逆转录酶旁的 RNA 重复阵列「确实引人入胜」，值得进一步研究；致谢部分感谢 F. Zhang、B. Hie、D. Li、G. Brixi 审阅早期稿件。这是对草稿的意见，不是检验。人证实的是阵列存在且会转录，而不是一个能工作的酶系统。^[S1][S2]

认不认得出阵列，取决于有没有把 DNA 读进上下文。

研究者还搭了一个固定输入的基准：七个 Claude 模型、五个信息等级，每个模型每个等级跑 100 次，由 Mythos 5 评委按十项特征打分。把位点序列直接放进上下文时，最强的四个模型至少 90% 的尝试能认出阵列；改成给文件和工具，识别率最低跌到 32%，给文件的尝试中有 39% 从没读过连续 200 nt 以上的 DNA。读进的 DNA 越多，四个模型合计的识别率越高，从 29% 升到 76%，Mythos 5 最高达到 96%。可解释性分析在 Mythos 5 内部找到两个沿重复拷贝逐步增强的信号；把每个拷贝打乱后，其中一个信号在全部 14 个拷贝上都消失了。不过，两个信号对非 DNA 的重复也有反应，并非 DNA 特有。这些都是计算结果，出自同一家公司，评委也是它自家的模型。^[S2]

分工要一步步看，不能只看标题

在这项工作里，「Claude 自主发现」确切的含义分三段：一次自主普查中，普查、否决候选、后续追踪、认出阵列、计数和检索既往报道，由智能体在无人干预下完成；随后的家族分析由研究者主导、Claude 写代码；全部实验由人来做。任务书、从排好序的报告中挑选以及结果解释，也由人负责。几部分都是真的，但它们是不同的主张，依据的证据也不同。^[S2][S1]

一次成功之外，还要报重跑的成功率

报告自己做了重跑，并如实写明十次全都漏掉、11 次运行只成功 1 次，比多数「AI 发现」的发布更坦诚，也点出了值得追踪的指标：同一框架反复运行时，找出某类异常的频率。框架设计和模型能力会大幅改变研究结果，这是报告自己的结论。^[S2]

对照上周那条湿实验条目

9 月 18 日的时间线条目转述了路透社的报道，称这个实验室让 Claude 指挥机器人做实验。而在这份首个成果里，Anthropic 自己说，所有实验室工作都由人类科学家完成，自动化不太适合这类流程。至少在这项工作中，Claude 在实验台边的角色是帮人解读数据。^[S1]