實戰

Claude 自主發現新酶系統,AI 真能跨進基礎科學了嗎?

Anthropic 旗下的 Claude 在自主研究中找到一組含 CRISPR-like 重複序列、從未被記錄過的新酶系統,並完成濕實驗驗證。這是 LLM 首次跑通「假設→實驗→修正」的完整閉環,登上 Hacker News 145 分。

字級

這次發現到底講什麼

2025 年 8 月,Anthropic 在官方部落格發布消息:Claude 在一次自主運行的研究中,發現了一組過去從未被表徵、帶有 CRISPR-like 重複序列的全新酶系統。重點不在於「預測」,而是真的發現——這個機制在 NCBI、UniProt 等公開資料庫裡查無記錄,而且已經走完濕實驗(wet-lab),有實驗數據佐證。

來源:Anthropic 官方公告

LLM 在生物領域出成果算不上新鮮事——AlphaFold 預測蛋白質結構、DNA 序列分類、文獻探勘都做過。但能「自己跑出假設、提出生化機制等級的解釋、再交給人類實驗驗證」,這是頭一遭。Anthropic 自己在文中寫得很保守,但 Hacker News 首頁的數據已經說明這件事的份量。

從基因序列一路跑到濕實驗桌

流程比想像中更「工業化」:

  1. 資料篩選。把公開的微生物基因組(metagenomic)資料庫倒進 Claude 的上下文,讓它掃描帶有特定 motif 的序列群。鎖定 CRISPR-like 重複序列——這類有規律間隔的短重複,過去十年在細菌中冒出不少功能性系統。
  2. 假設生成。Claude 產出候選系統、可能的蛋白組成、推測的生化功能,以及它在基因鄰居裡的環境線索(相鄰基因通常帶有功能提示)。
  3. 濕實驗。這一步由人類研究員接手:克隆候選基因、表達蛋白、跑體外切割實驗、檢視是否出現預期活性。
  4. 資料回灌。實驗結果再回頭餵給 Claude,讓它修正假設或繼續推下一步。

第 1-2 步由 Claude 自主執行;第 3 步必須有實驗室;第 4 步形成閉環。

理解這條邊界很關鍵:它還沒辦法自己拿移液管,但能把「提出可驗證假設」這件事做得又快又準。

Hacker News 145 分代表什麼

這個貼文(item?id=49820134)在 HN 首頁拿到 145 分、118 則留言。對於一篇偏生物學的 AI 新聞,這個分數高得不太正常——HN 主要用戶群是工程師,不是生物學家。

留言區大致分成三派:

  • 質疑派:「樣本量多少?有對照組嗎?會不會只是把已知的東西重新包裝?」——這是科學社群合理的懷疑本能。
  • 看好派:「如果獨立實驗室能複做出來,這就是 AGI for biology 的 pre-print。」——不少人已經在討論要不要寫進教科書。
  • 方法論派:「prompt 工程和資料篩選怎麼做的,論文沒寫。」——工程師視角關注流程可複現性。

一則高讚留言講得最到位:「AlphaFold 預測的是已知結構,Claude 這次是從海裡撈出一條大家都沒看過的魚。」這正是這次和過去幾年 AI 在生物領域成果的最大差別。

跟 AlphaFold 有什麼不同

AlphaFold 是預測工具——你給它一個蛋白質序列,它回你一個 3D 結構。蛋白質本身早有人知道存在,只是結構不清楚。

Claude 這次做的事是:在資料庫裡識別出一個從未被描述過的機制,推斷它的功能,並透過實驗驗證。這是機制發現,不是結構預測。

AlphaFoldClaude 這次
輸入已知蛋白的序列大量未標註基因組
輸出3D 結構預測全新機制的假設
驗證用既有實驗結構比對必須新做濕實驗
性質插值 / 擬合外推 / 發現

外推比插值難上一個量級。LLM 能在外推任務上跑通濕實驗閉環,這是能力階梯往上跳的訊號。

濕實驗驗證才是真正的分水嶺

過去幾年 AI 在生物領域的成果,絕大多數停留在 in silico——純計算,沒有濕實驗。原因不難理解:

  • 濕實驗門檻高:要實驗室、設備、試劑、懂技術的人。
  • 審稿人更嚴格:沒有數據,論文很難發。
  • 複現週期長:一組驗證實驗可能要幾週到幾個月。

這次 Anthropic 走完整個閉環:假設 → 實驗設計 → 濕實驗 → 資料回灌。閉環能力為什麼稀缺?因為它代表 AI 不再只是「靈感來源」,而是能進入實驗室科研流程的實際協作方。

下一步值得關注的是:

  • 多家實驗室獨立複現,排除 Anthropic 自身的選擇性偏差。
  • 論文細節公開,包括 prompt、資料篩選、Claude 推理鏈。
  • 擴展到酶以外的領域——代謝路徑、調控網路、合成生物學。

如果都能複現,12-18 個月內會浮現一種「AI 假設優先」的新科研範式:人類研究員負責做實驗,AI 負責持續餵假設。

編輯室觀點

這件事最該警惕的,不是 AI 取代科學家,而是它可能把「提出可驗證假設」這件最值錢的事從人類手中拿走一大塊。

過去科學發現的兩大瓶頸:候選機制產出的速度,以及驗證這些機制的成本。Claude 這次直接把第一個瓶頸砍掉一大截。假設從稀缺品變成流水線產出,濕實驗卻依舊稀缺——這代表排隊等著被驗證的「假設庫存」會爆炸。未來 12-18 個月,真正卡脖子的不會是 AI 給不出好想法,而是實驗室能不能把它們全部驗完。

跟 AlphaFold 的對比藏了一個反共識觀點:AlphaFold 出來後,蛋白質結構學家並沒有失業——他們轉去做更難的結構、可藥性設計、動態構象。Claude 這次也類似,不會取代生物學家,但會讓「提出假設」這個環節的邊際價值歸零。剩下的科研價值會進一步集中到:實驗能力 + 提問能力 + 判斷力(知道哪個假設值得做)。

不確定的部分:這次發現的「新穎性」具體到哪個程度——是全新系統,還是已知蛋白家族的新成員?Anthropic 文章給的資訊還不夠,得等正式論文。如果有 pre-print 出來,HN 上大概還會再炸一次。

另一個不確定:Claude 在這個任務用了多少 token、跑了幾輪迴圈、是否整合了工具呼叫(blast、結構預測、外部資料庫查詢)。這些細節決定這個能力能不能被工程化複用,還是只是個一次性 demo。

我會緊盯兩件事:一篇可複現的方法論論文,以及一份來自獨立實驗室的複現結果。這兩件事任一發生,這件事才算真正落地。

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