Claude在DNA里挖出新发现！大佬张锋点赞，重跑10次竟全错过

从20多万个逆转录酶序列簇里，翻出了一套此前没有被文献描述过的生物系统。它旁边那排重复DNA，长得很像最初被发现时的样子。

9月23日，公布这项发现，并将其命名为“阵列相关逆转录酶”（ART）。初步实验显示，那排重复DNA会被读取成一组短RNA。基因编辑先驱张锋看过预印本后评价：这个发现“确实很有意思，值得进一步研究”。

更特别的是发现过程。整个搜索累计运行了约950次智能体会话，用21.5小时翻查数据库、追踪异常并比对已知系统。称，人类科学家负责设定最初的研究方向和后续实验，中间的搜索与分析主要由完成。

但相同的搜索流程后来又运行了10次，一次也没再找到ART。

问题并不是它看不懂那段DNA。研究人员把相关序列直接放进上下文后，能力较强的模型有九成以上的概率认出重复阵列。真正不稳定的是前面那一步：面对海量文件，能不能主动走到正确的位置，并把那段关键DNA读进来。

一、在DNA里看见了什么

ART的发现发生在一次后续调查中。

一名智能体正在分析噬菌体（也就是感染细菌的病毒）的DNA。它读取一个编码逆转录酶的基因附近的序列时，突然写道：

RT旁边的DNA

太壮观了：我肉眼就能看到一段串联重复序列……重复很多次，间隔大约100到180个碱基，这是一个类似的重复阵列吗？！”

这里的“看”，不是图像识别。DNA序列由一长串字母组成，直接从文本中认出了反复出现的图案。

随后，它统计重复次数和间距，把这套排布与已知逆转录酶系统比较，又搜索论文，确认此前是否有人描述过类似组合。完成分析后，它把这条线索写成报告，交给人类研究团队复核。

研究团队随后继续分析这组序列，识别出逆转录酶、邻近的伙伴基因和上游重复阵列之间的稳定关联，并把这个家族命名为ART。得到确认的是这套此前未被描述的组合特征，不是它的生物学功能。

二、950次会话，完成了一轮大规模搜索

交给的，是一项寻找新型逆转录酶系统的研究任务。

智能体从数据库中收集了20多万个逆转录酶序列簇，将其分成九类，又分析了3564个反复出现在这些酶附近的蛋白家族。初步筛选得到16个候选家族，智能体在工作中自行建立的后续任务，又补进了第17个。

整场搜索最终包含119项任务，其中98项由智能体根据中途发现的线索继续派生；共运行949次智能体会话，累计约77个智能体小时，在21.5小时内完成。

这不等于950个智能体同时工作。按累计运行时长折算，平均并行数量约为3.6个，但这个数字只能描述任务调度，不能单独说明研究投入是大还是小。

搜索最后形成19份报告。17个候选伙伴蛋白家族中，3个被认定为此前没有报道过的逆转录酶关联；智能体还沿途识别出3条新的逆转录酶谱系。

ART来自其中一条后续调查。最初的筛选主要关注逆转录酶旁边的蛋白编码基因，而发现ART的智能体继续读取了上游不编码蛋白的DNA，这才看见重复阵列。

所以，这项发现不是预设筛选指标直接捞出的结果，也不是与主流程无关的意外。它来自智能体在既定任务之外继续追查异常的能力。

估计，这类大规模序列整理和候选分析，如果由专业科学家完成，可能需要数周到数月。这个比较针对的是整轮数据分析，并非严格的人机实验，也不包括之后的生物学验证。

三、重跑10次，为什么一次也没再找到

为了检验发现能否重复，研究团队使用相同任务和智能体框架，又启动了10轮搜索。

接近所有完成初步筛选的任务都采到了包含ART的序列，其中两轮还继续调查了相关的逆转录酶谱系。但没有一轮主动读取其上游DNA，重复阵列也因此全部被漏掉。

研究人员随后换了一种测试方式：不再让智能体从庞大的数据库里自行寻找，而是把ART附近的序列直接交给模型，让它判断哪些特征值得注意。

结果明显不同。只要相关DNA直接出现在上下文里，能力较强的模型至少有九成的测试能够识别重复阵列；当序列被放在文件中、需要模型主动打开时，部分测试的识别率降至32%。

研究团队检查工作记录后发现，在提供文件和工具的测试中，39%的尝试甚至没有连续读取超过200个碱基的DNA。随着读进上下文的DNA变长，模型识别重复阵列的概率也随之上升； 5在部分设置下最高达到96%。

四、它像，但目前只限于结构

ART由三部分组成：一个逆转录酶、旁边的伙伴基因，以及上游一长串间隔排列的重复DNA。

那个逆转录酶本身并非第一次出现。此前研究已经在巨型噬菌体中识别过这类酶，但没有描述它与重复阵列、伙伴基因共同出现的组合。

进一步搜索后找到了95个相关逆转录酶序列簇，其中28个附近带有可以识别的重复阵列。这个相对稳定的排布，是团队将其归为一个新家族的主要依据。

最引人注意的是重复阵列，因为也具有类似的排列方式。

在系统中，真正记录过往入侵者信息的主要是重复序列之间的间隔序列。它们被转录成RNA后，可以引导Cas蛋白识别并切割符合条件的DNA位点，科学家由此将其开发为基因编辑工具。

ART目前只在外观上出现了相似之处。它没有已知的Cas蛋白，间隔序列也比典型阵列更长。研究团队尚未证明它能够识别目标DNA，更没有证明它可以切割、复制或改写基因。

五、实验只走到了短RNA

发现重复阵列后，研究团队先分析了一组已经公开的感染过程数据。

数据显示，一种名为SA1的噬菌体感染细菌后，ART阵列会被大量转录。感染15分钟时，这些RNA约占噬菌体全部RNA的8%，是当时表达量最高的转录产物之一。

这部分结论来自对已有数据的重新分析，不是新做的湿实验。

随后，研究人员把SA1的ART阵列放进大肠杆菌中表达。实验再次观察到一组边界清楚的短RNA，说明这些重复序列确实可以被转录。

但被转录并不等于功能已经得到证明。这些短RNA是否与逆转录酶或伙伴蛋白共同工作、在噬菌体生命周期里承担什么任务、能不能被改造成生物技术工具，目前都没有答案。

六、为什么现在公布

这项成果目前仍是预印本，没有经过同行评审。也没有等待ART的功能研究完成再公布。

在公告中写明，它现在公开这项尚未定论的工作，一是展示的能力，二是让外界了解团队的研究方向，并邀请科学家参与合作。

就在几天前，确认已经在旧金山湾区建立自己的分子生物学实验室。实验室只开展BSL-1和BSL-2级别的低风险研究，不处理能够感染人的病原体，所有动手操作仍由人类科学家完成。

正在尝试把从文献检索和数据分析带到真实的科研循环中：AI搜索数据、提出候选和设计实验，人类负责执行实验、检查结果，再把新数据交还给AI分析。

CEO达里奥·阿莫代伊把ART称为主导的一项发现，并说这会是他读博士时愿意为之自豪的成果。他同时明确表示，ART的具体功能、实际用途和最终意义都不清楚。

他将这项工作视为AI加速生物学研究的一次早期尝试，而不是已经诞生的新型基因编辑工具。未来或许可以让在安全措施下控制实验设备，但目前还没有让AI直接操作实验。

公司正在筹备上市，是理解其对外展示科研能力的一层背景；不过，现有材料还不能证明ART选择此时发布是由上市计划直接推动。

七、张锋说“值得继续研究”

张锋看过预印本后，对在这项工作中的作用给出了肯定评价：

“这是AI智能体如何为生物学发现作出贡献的一个令人兴奋的例子。识别出与逆转录酶相关的RNA重复阵列，确实很有意思，值得进一步研究。”

这句话的重点是“值得进一步研究”。它肯定了线索的研究价值，并没有验证ART的功能，更没有把它定义为下一代。

近几年，人类研究团队已经发现VIPR、等多套可编程生物系统。斯坦福团队近期也借助基因组语言模型研究了另一套逆转录酶系统。它与ART是分别演化出来的不同体系，使用的方法也不同。

这些研究不否定ART本身的新颖性，却提醒人们：逆转录酶与非编码阵列正在成为活跃的研究方向，不是在一片无人涉足的荒地里独自发现了的继任者。

它完成的，是从海量已有数据中挑出一条值得继续实验的线索。ART究竟是什么，接下来仍要靠人一管一管做实验。