实战

Claude 独立发现新型酶系统,AI 真能做基础科学了?

Anthropic 公布:Claude 自主发现含 CRISPR-like 重复序列的新酶系统,并通过湿实验验证。这是 LLM 首次跑通「假设—实验—复现」的完整闭环,HN 上冲到 145 分。

字号

这次发现具体是什么

2025 年 8 月,Anthropic 在官方博客发文:Claude 在一次自主运行的研究中,发现了一种此前未被表征过的、含 CRISPR-like 重复序列的全新酶系统。重点不是"预测",是真的发现——这个机制在 NCBI、UniProt 等公开数据库里之前没有记录,而且已经在湿实验(wet-lab)里跑出来,有实验数据支撑。

来源:Anthropic 官方公告

LLM 在生物领域出成果不算新鲜——AlphaFold 预测蛋白质结构、DNA 序列分类、文献挖掘都有过。但能"自己跑出假设、给出生化机制级别的解释、再被人类实验验证",这是第一次。Anthropic 自己在文中写得很克制,但这件事的分量已经被 Hacker News 的首页数据印证了。

怎么从基因序列跑到湿实验台

流程比想象中"工业化":

  1. 数据筛选。把公开的微生物基因组(metagenomic)数据库导进 Claude 的上下文,让它扫含特定 motif 的序列簇。重点是 CRISPR-like 重复——这是一类有规律间隔的短重复,过去十年在细菌里出过很多功能性系统。
  2. 假设生成。Claude 输出候选系统、可能的蛋白组成、推测的生化功能,以及它在基因邻居里的环境线索(临近基因往往有功能提示)。
  3. 湿实验。这一步由人类研究员完成:克隆候选基因、表达蛋白、跑体外切割实验、看是否有预期活性。
  4. 回灌数据。实验结果再喂回去给 Claude,让它修正假设或继续推下一步。

第 1-2 步是 Claude 自主的;第 3 步必须有实验室;第 4 步形成了闭环。

理解这个边界很关键:它还没法自己拿移液枪,但能把"提出可验证假设"这件事做得又快又准。

Hacker News 上 145 分意味着什么

这个帖子(item?id=49820134)在 HN 首页拿到 145 分、118 条评论。对于一篇偏生物学的 AI 新闻,这个分数不正常地高——HN 主用户群是工程师,不是生物学家。

评论区大致分三派:

  • 怀疑派:"样本量多少?对照做了吗?会不会只是把已知的东西重新打包?"——这是科学社区合理的怀疑本能。
  • 看好派:"如果重复实验能复现,这是 AGI for biology 的 pre-print。"——不少人已经在讨论是否该写进教科书。
  • 方法论派:"问题是 prompt 工程和数据筛选怎么做的,论文里没给。"——工程师视角关注流程可复现性。

一条高赞评论说得最到位:"AlphaFold 预测的是已知结构,Claude 这个是从海里捞出一条大家都没见过的鱼。"这是这次和过去几年 AI 在生物领域成果的最大区别。

这和 AlphaFold 有什么不一样

AlphaFold 是预测工具——你给它一个蛋白质序列,它给你 3D 结构。蛋白本身是人类已经知道存在的,只是结构不知道。

Claude 这次做的是:在数据库里识别出一个没人描述过的机制,推断它的功能,并通过实验验证。这是机制发现,不是结构预测。

AlphaFold Claude 这次
输入 已知蛋白的序列 海量未标注基因组
输出 3D 结构预测 全新机制的假设
验证 已有实验结构对照 必须新做湿实验
性质 插值 / 拟合 外推 / 发现

外推比插值难一个量级。LLM 能在外推任务上跑通湿实验闭环,这是能力上台阶的信号。

湿实验验证才是真正的分水岭

过去几年 AI 在生物领域出的成果,绝大多数停留在 in silico——纯计算,没有湿实验。几个原因:

  • 湿实验门槛高:要实验室、设备、试剂、懂技术的人。
  • 审稿人更严格:没有数据,论文很难发。
  • 复现周期长:一个验证实验可能要几周到几个月。

这次 Anthropic 走通了整个闭环:假设 → 实验设计 → 湿实验 → 数据回灌。闭环能力为什么稀缺?因为它意味着 AI 不再只是"灵感来源",而是能进入实验室科研流程的实际协作方。

下一步想看到的:

  • 多个实验室独立复现,排除 Anthropic 自己的选择性偏差。
  • 论文细节公开,包括 prompt、数据筛选、Claude 推理链。
  • 扩展到酶以外的领域——代谢通路、调控网络、合成生物学。

如果都能复现,12-18 个月内会出现一个"AI 假设优先"的科研新范式:人类研究员负责做实验,AI 负责持续喂假设。

编辑思考

这件事最该警惕的不是 AI 取代科学家,而是它可能把"提出可验证假设"这件最值钱的事从人类手里拿走一大块。

过去科学发现的核心瓶颈有两个:产生候选机制的速度,以及验证这些机制的成本。Claude 这次把第一个瓶颈直接砍掉了一截。假设从稀缺品变成流水线产物,而湿实验还是稀缺的——这意味着实验室排队等着验证的"假设库存"会爆炸。未来 12-18 个月,真正卡脖子的不是 AI 给不出好想法,而是实验室能不能把它们都验证完。

和 AlphaFold 的对比里有个反共识点:AlphaFold 出来后,蛋白质结构学家并没有失业——他们转去做更难的结构、可药性设计、动态构象。Claude 这次类似,不会取代生物学家,但会让"提出假设"这个环节的边际价值归零。剩下的科研价值会进一步集中到:实验能力 + 提问能力 + 判断力(知道哪个假设值得做)。

不确定的地方:这次发现的"新颖性"具体到哪个程度——是全新的系统,还是已知蛋白家族的新成员?Anthropic 文章给的信息还不够,得等正式论文。如果有 pre-print 出来,HN 上大概率还要再炸一次。

另一个不确定:Claude 在这个任务里用了多少 token、跑了多少次循环、是否集成了工具调用(blast、结构预测、外部数据库查询)。这些细节决定了这个能力能不能工程化复用,还是只是个一次性 demo。

我会盯着两件事:一篇可复现的方法论论文,以及一个独立实验室的复现结果。这两件事任一发生,这件事才算真正落地。

来源: https://www.anthropic.com/news/claude-discovers-novel-enzyme-system