実践

Claude が未知の酵素システムを発見——AI は基礎科学できるのか

Anthropic が公表した研究で、Claude が CRISPR-like な反復配列を含む新規酵素系を自律的に発見し、wet-lab で検証された。LLM として初めて「仮説→実験→再現」の閉ループを完走した事例として、Hacker News でも大きな議論を呼んでいる。

文字サイズ

今回の発見は何なのか

2025年8月、Anthropic は公式ブログで次のように発表した。Claude が自律的に実行した研究のなかで、CRISPR-like な反復配列を含む未記述の新規酵素システムを発見したということだ。重要なのは単なる「予測」ではなく、れっきとした発見である点にある。このメカニズムは NCBI や UniProt といった公開データベースにこれまで記録がなく、wet-lab(生化学実験)でも実測データが確認されている。

出典: Anthropic 公式発表

LLM がバイオ領域で成果を出すこと自体は珍しくない。AlphaFold によるタンパク質構造予測、DNA 配列分類、文献マイニングはすでにある。しかし「自ら仮説を立て、生化学メカニズムレベルの解釈を示し、人間の実験で検証される」までを一気通貫でやり切ったのは今回が初めてだ。Anthropic 側の文章は抑制的だが、そのインパクトは Hacker News のフロントページに如実に表れている。

遺伝子配列からウェットラボまでをどう繋いだか

プロセスは思いのほか「工業的」に設計されている。

  1. データ選別。公開されている微生物ゲノム(メタゲノム)データベースを Claude のコンテキストに流し込み、特定モチーフを含む配列クラスをスキャンさせる。注目は CRISPR-like 反復配列——規則的なスペーサーを持つ短い反復で、過去10年にわたって細菌から多くの機能的システムが見つかってきた。
  2. 仮説生成。Claude が候補システム、想定されるタンパク質構成、推測される生化学機能、そしてゲノム隣接遺伝子からの文脈的手がかりを出力する。隣接遺伝子には機能ヒントが含まれることが多い。
  3. ウェット実験。この工程は人間の研究者が担当する。候補遺伝子のクローニング、タンパク質発現、in vitro 切断アッセイ、期待する活性の有無の確認。
  4. データのフィードバック。実験結果を再び Claude へ戻し、仮説の修正や次のステップの提案に利用する。

ステップ1〜2は Claude が自律的に進めるが、ステップ3にはラボが不可欠で、ステップ4でループが閉じる。

この境界を理解しておくことが重要だ。Claude はまだ自動でピペットを握れないが、「検証可能な仮説を出す」という作業に関しては、速度と精度の両面で人間の能力を上回りつつある。

Hacker News で 145 点は何を意味するか

この投稿(item?id=49820134)は HN フロントページで145点、118コメントを獲得した。バイオ寄りの AI ニュースとしては異例の数字である。HN の主要ユーザーはエンジニアであり、生物学者ではない。

コメント欄は大きく3つの派閥に分かれた。

  • 懐疑派:「サンプル数は? 対照実験は? 既知のものを再パッケージしただけでは?」——サイエンスコミュニティの健全な慎重さと言える。
  • 期待派:「独立した再現実験が出れば、biology における AGI のプレプリントだ」——教科書に載せるべきだという議論もすでに始まっている。
  • 方法論派:「問題はプロンプト設計とデータ選別をどうやったかで、論文には書かれていない」——エンジニア視点からの再現性重視の指摘。

ある高評価コメントの表現が端的だった。「AlphaFold は既知構造を予測した、Claude は海から見たことのない魚を引き上げた」。ここ数年の AI × バイオの成果と今回の決定的な差はこの一点に集約される。

AlphaFold と何が違うのか

AlphaFold は予測ツールだ。タンパク質配列を渡せば 3D 構造を返してくる。対象となるタンパク質自体は人間がすでに存在を知っている。未知だったのは構造だけ。

一方、今回の Claude は、データベースのなかから誰にも記述されていないメカニズムを同定し、その機能を推定し、実験で検証した。これは構造予測ではなく、メカニズム発見である。

AlphaFold今回の Claude
入力既知タンパク質の配列未ラベルのゲノムデータ群
出力3D 構造予測新規メカニズムの仮説
検証既存の実験構造との比較新たなウェット実験が必須
性質補間 / フィッティング外挿 / 発見

外挿は補間より一桁難しい。LLM が外挿タスクでウェットラボの閉ループを完走したのは、能力が一段階上がったシグナルである。

ウェット実験による検証こそが本当の分水嶺

ここ数年の AI × バイオ成果の大半は in silico の域を出ていない——純粋計算のみで、ウェット実験を伴わない。理由はいくつかある。

  • ウェット実験の参入障壁:ラボ、設備、試薬、技術を扱える人間が必要。
  • 査読の厳格さ:実験データがないと論文掲載が難しい。
  • 再現に要する期間:一つの検証実験に数週間から数ヶ月かかる。

今回の Anthropic はループ全体を通しで走らせた——仮説 → 実験設計 → ウェット実験 → データフィードバック。ループ能力が重要視される理由は明白で、ここまで来ると AI は単なる「インスピレーション源」ではなく、研究室の実験フローに組み込まれる協働者になるからだ。

次に期待したいのは次の3点。

  • Anthropic 自身の選択バイアスを排除するため、複数ラボによる独立再現。
  • プロンプト、データ選別、Claude の推論チェーンを含む方法論の公開。
  • 酵素以外の領域——代謝経路、制御ネットワーク、合成生物学——への拡張。

これらが揃えば、12〜18ヶ月以内に「AI 仮説優先」の新しい研究パラダイムが立ち上がるだろう。人間の研究者が実験を担い、AI が継続的に仮説を供給する形である。

編集部の考察

今回の件で最も警戒すべきは「AI が科学者を置き換える」という構図ではない。むしろ、科学のうえで最も価値の高い仕事である「検証可能な仮説を提出する」という営為の大きな部分を、人間の手から奪い取る可能性だ。

従来、科学発見のボトルネックは2つあった。候補メカニズムを思いつくスピードと、それを検証するコストである。Claude は前者のボトルネックを一気に切り詰めた。仮説は希少品からライン生産されるプロダクトへと変わるが、ウェット実験はまだ希少品だ。つまり、ラボで検証待ちの「仮説在庫」が爆発する。今後12〜18ヶ月、本当のボトルネックは AI 側ではなく、ラボが仮説をすべて検証できるかどうかになる。

AlphaFold との比較で見落とされがちな点がある。AlphaFold の登場後、タンパク質構造学者たちは職を失わなかった——より難しい構造や druggability 設計、動的コンフォメーション解析へと活躍の場を移した。今回の Claude も事情は同じで、生物学者を不要にするわけではない。ただし「仮説を出す」という工程の限界価値はゼロに近づく。残る研究価値は実験力、問いを立てる力、そして「どの仮説に着手すべきか」を見極める判断力へとさらに集中する。

不確実な点も残されている。今回の発見の「新しさ」はどの程度か——まったく新しいシステムなのか、既知タンパク質ファミリーの新規メンバーなのか。Anthropic の記事だけでは判断材料が不足しており、正式論文を待つ必要がある。プレプリントが公開されれば、HN は再び大きく盛り上がるだろう。

もう一つの不確実性は、Claude がこのタスクにどれだけのトークンを消費し、何サイクル回し、ツール呼び出し(BLAST、構造予測、外部 DB クエリ)を統合したかである。これらの詳細が明かされない限り、この能力がエンジニアリングとして再利用可能なのか、それともワンショットのデモに過ぎないのかは判断できない。

今後注視するのは2点。再現可能な方法論論文の公開と、独立ラボによる再現実験の結果である。どちらか片方でも確認できれば、この成果は本格的に意味を持つ。

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