AIを生命科学の研究に使うと、何が起きるのか。Anthropicが出した今回の話は、その問いにかなり具体的な答えを返している。Claudeを使ってDNA配列の海を掘り、まだ機能が分かっていない酵素ファミリーを見つけ出し、実験室で確かめたところ、CRISPRを思わせる特徴を持つ未知の酵素システムが浮かび上がったという。単なるデモではなく、AIが仮説を出し、人間が絞り込み、最後に実験で裏を取る流れまで見せているのが面白い。AIの能力を語る記事は多いが、ここまで研究の手触りがあるものは少ない。
Anthropicは2026年春に、新しい生命科学の研究グループとラボを立ち上げた。狙いは、Claudeを使ってDNAデータセットを調べ、未特徴づけのタンパク質ファミリーを見つけ、仮説を大量に作り、実験で検証することだ。今回の投稿はその初期成果で、Claudeが「array-associated reverse transcriptases」、略してARTと名付けられた新しい酵素システムを見つけたと説明している。
このシステムの核にあるのは reverse transcriptase、つまりRNAをDNAに書き戻す酵素だ。もともとそのRT自体は、jumbo phage の中で以前から知られていた。だがClaudeが先に気づいたのは、その周囲にある特徴だった。RTのそばに、非コードDNAの反復配列が並び、さらに機能不明のアクセサリータンパク質が付いている。この組み合わせは、DNAの切断や書き換えに使えるような、プログラム可能な生体分子システムに見られる特徴と重なる。Anthropicは、機能はまだ分からないものの、CRISPRに似た性格を持つ重要な発見だとしている。
探索のやり方もかなり具体的だ。Claudeには「大規模なDNA配列データベースから面白いRTの例を探してほしい」という高レベルの指示だけを与え、あとはエージェントが自律的に動いた。約950のエージェントが21時間かけ、210 million tokens を使って探索し、まずは200,000以上のRTを集め、3,500の新しい候補システムを抽出し、最終的に20件まで絞って人間向けレポートにした。その過程で、あるエージェントが「RTの横にあるDNAに、見た目で分かる tandem repeat array がある。CRISPRみたいだ」と気づいたという。追加解析では、配列の数や間隔を数え、既知のRTシステムと比べ、文献も調べたうえで、新しい生物学的システムだと判断した。
その後の実験では、このART array が短い distinct RNA として発現していることも確認された。CRISPRの配列群がガイドRNAのように働くのと似た何かがあるのではないか、という含みはあるが、機能の本体はまだ不明だ。Anthropicは、これを急いで公開する理由として、Claudeの能力を示すだけでなく、研究コミュニティに早く情報を渡したいからだと述べている。MITとBroad InstituteのFeng Zhangも、この成果を「AI agents が生物学的発見に貢献できる好例」と評価し、RNA-repeat arrays と reverse transcriptases の関係は本当に興味深く、さらに調べる価値があるとコメントした。
この発表でいちばん強く感じたのは、Claudeが突然ひらめいたというより、人間では見落としやすいパターンを徹底的に拾う役割を担っていることだ。200,000超のRT、3,500の候補、20件までの絞り込み。数字だけ見ても、人手で毎回やるには重すぎる。しかも最後に重要なのは、AIの「面白そう」という直感ではなく、配列の間隔や配置、既知システムとの比較、文献検索まで含めた地道な確認だ。つまりこの仕事の価値は、AIが研究者を置き換えることではなく、研究者が普段なら手を出しきれない探索範囲を広げる点にあると思う。
一方で、ここには少し気になる面もある。AIが仮説を大量に出せるようになるほど、研究のボトルネックは「見つけること」から「何を信じるか」に移る。Anthropic自身も、候補の大半は途中で脱落すると書いている。つまり本当に難しいのは、候補を増やすことではなく、候補を捨てる基準を鍛えることだ。今回のように人間の科学者が最終判断を握り、実験で裏を取る形なら筋が通るが、そこを飛ばして「AIが発見した」とだけ言うと危うい。発見の責任は、まだ人間側に残っている。
CRISPRは最初から革命だったわけではなく、もともとは「妙な反復配列」だった。今回の話が示しているのは、次のブレイクスルーも似たような地味な違和感から始まるかもしれない、ということだと思う。しかもAnthropicの説明では、ARTは bacteriophages に多く、反復配列とRT、アクセサリータンパク質の組み合わせを持つ。こういうシステムは、まだ機能が未解明でも、将来の編集技術や分子ツールの種になる可能性がある。CRISPRがそうだったように、最初は「何に使えるか分からない」こと自体が普通だ。
ここで重要なのは、AIが科学の一番華やかな部分、つまり新理論を思いつく場面に強いのではなく、むしろ「大量の配列から奇妙な例を拾う」地味な領域で効いている点だ。生命科学はデータ量が増えすぎていて、人間の目だけでは全体をなめるのが難しい。だから、こうした genome mining のような仕事はAIと相性がいい。もちろん、見つけたものがすぐ実用化されるわけではない。それでも、未知の酵素系を先に拾い上げるだけで、後から何年分もの研究の出発点になる。私はこの発表を、AI研究の派手さよりも、科学の足場を少しずつ広げる実務として見るべきだと思う。
Anthropicはこの投稿で、Claude Science や Claude Code を自社の研究にも使っていると明かしている。そこには単なる広報以上の意図があるように見える。自社モデルを使った研究成果を示せば、モデルの性能を宣伝できるのはもちろんだが、それ以上に「AIで研究する標準的なやり方」を作りたいのだろう。人間が仮説を思いつき、AIが候補を大量に出し、再び人間が評価して実験に回す。この往復運動を、ひとつの研究ワークフローとして固めようとしているように読める。
ただ、その設計には注意も必要だ。生命科学の研究は、モデルが賢く見えることより、再現性と安全性が最優先だ。AnthropicはBSL-1とBSL-2の範囲で、病原体は扱わないと説明しているし、実験は人間の科学者が行うとしている。そこは慎重だが、こうした体制が他社や他研究機関にそのまま移せるとは限らない。AIが候補を出しすぎるほど、どこで止めるか、何を危険とみなすかのルールがより重要になる。今回の発表は、技術の進歩というより、AI時代の研究運営の雛形を先に見せたものだと受け取るほうが自然だと思う。
