重點
- Anthropic 讓 Claude agent 自主搜尋宏基因體資料，21.5 小時內找到一個帶 DNA 重複陣列的反轉錄酶家族，命名為 ART。
- ART 的陣列排列讓人聯想到 CRISPR，但附近沒有 cas 基因，功能仍然未知。
- 實驗只確認陣列會轉錄成短 RNA，酶的活性與系統作用都還沒證明。
- 同樣流程重跑十次，沒有一次再找到這個陣列。
- 方法上的啟示：模型直接閱讀原始 DNA 才看得出異常，拿到工具後反而常略過原始資料。
發生了什麼
Anthropic 在 9 月 23 日介紹新成立的生命科學研究團隊與實驗室（官方文章）。第一個公開成果是他們命名為 ART（array-associated reverse transcriptases）的系統，細節寫在一份尚未經同儕審查的技術報告裡。
研究對象是反轉錄酶（RT），也就是把 RNA 複製成 DNA 的酶。原核生物的 RT 常和一段非編碼 RNA、一個夥伴蛋白編碼在同一個位點，例如參與抗噬菌體防禦的 retron。
方法與規模
研究人員只寫了一份研究簡報，要求 agent 從新的夥伴基因關聯去找未描述的 RT 系統。使用的模型是 Claude Mythos 5。
執行框架把簡報拆成分析階段與小任務。每個任務由一個 Claude Code agent 當 worker 規劃與執行，另一個當 supervisor 審查；supervisor 可以依觀察開新任務，所有計畫與結果寫進共用紀錄。
報告裡的規模數字：
| 項目 | 數字 |
|---|---|
| agent 自建的 RT profile HMM | 52 個 |
| 搜尋的宏基因體蛋白質群集 | 約 19.4 億個 |
| 找出的 RT 群集 | 198,290 個，分成 9 類 |
| 評分的 RT 鄰近蛋白質家族 | 3,564 個 |
| 深入調查的家族 | 17 個 |
| 任務數 | 119 個，其中 98 個由 agent 自己開出 |
| agent session | 949 個 |
| agent 工時 | 77 小時 |
| tokens | 2.156 億 |
| 牆鐘時間 | 21.5 小時，期間沒有人介入 |
17 個候選中只有 3 個確認是新的 RT 關聯。其餘被判為註解錯誤、已知系統的一部分，或只是剛好在附近的基因。
ART 是怎麼被找到的
ART 來自一條岔路。某個 RT 家族一開始因為緊鄰噬菌體 RNA 聚合酶基因而入選，worker 後來判定這個關聯是假象，卻另外開了任務，追查這個位於巨型噬菌體裡的類 retron RT。
下一個 worker 把 RT 上游的 DNA 直接讀進上下文，寫下「I can see by eye a tandem repeat array」。它接著寫程式計算重複、比對已知系統、搜尋文獻，確認沒有前例後提交報告。
ART 有哪些特徵
研究人員之後擴大搜尋，整理出這個家族的基本特徵：
- 95 個 ART 的 RT 群集，其中 28 個上游帶有可偵測的陣列
- 陣列長 0.3 到 4.1 kb，含 3 到 21 個重複單位
- 重複長 15 到 49 nt，間隔序列 120 到 220 nt
CRISPR 陣列的重複幾乎完全相同，間隔只有約 30 nt，在近緣菌株間常有增減。ART 的間隔在近緣噬菌體之間依序保留，附近也沒有任何 cas 基因。
實驗有兩部分。研究人員重新分析公開的 SA1 噬菌體感染 RNA-seq 資料，陣列轉錄本在感染 15 分鐘時最多占噬菌體 RNA 的 8%。在大腸桿菌表現 SA1 的 ART 位點後，小 RNA 定序同樣看到陣列被切成數段邊界固定的短 RNA。
限制與爭議
報告對限制寫得很直接：還沒證明這個 RT 有活性、短 RNA 是它的受質，也不知道 RT 和夥伴蛋白是否結合、系統對噬菌體有什麼作用。
可重現性也有問題。同樣的活動再跑十次，幾乎每次都抽到 ART 位點，卻沒有一次去讀 RT 上游的 DNA，陣列全數漏掉。研究團隊另做了固定輸入測試：
- 把序列直接放進上下文：四個最強的模型至少 90% 能描述出陣列
- 改成提供檔案和分析工具：辨識率最低掉到 32%
- 有工具的嘗試中，39% 從沒讀過連續 200 nt 以上的 DNA
新穎性也有保留。這個 RT 在 2021 年的巨型噬菌體基因體報告中就已被辨識，只是當時沒人描述旁邊的重複與夥伴基因。報告自己也提到，帶非編碼重複陣列的原核 RT 系統已有前例，UG27 RT 旁的陣列近期就是由專門的基因組語言模型找到。
外界評價兩極。曾與 Jennifer Doudna 共同創辦 Mammoth Biosciences 的 Lucas Harrington 在 X 上批評，這類基因組探勘已行之數十年，真正困難的是弄清功能，而 Anthropic 還沒做到（The Decoder）。CRISPR 研究者 Feng Zhang 看過預印本後，認為這些與 RT 相關的 RNA 重複陣列「genuinely intriguing」，值得進一步研究。
為什麼值得注意
就生物學而言，ART 目前是一個功能未知的候選系統。
對 AI 研究者來說，這份報告更有參考價值的是方法與失敗的部分。通用模型直接閱讀原始序列，能察覺預設流程沒列出的異常；可是這次發現依賴某個 worker 剛好把 DNA 讀進上下文，而拿到工具的模型反而更常略過原始資料。