ClaudeがCRISPR様反復配列を持つ新規酵素システム「ART」を発見：AIによる生物学的探索の新時代
Anthropicは、同社のAIモデル「Claude」が、CRISPRに類似する反復配列を伴う新規酵素システムを自律的に発見したことを発表しました。この発見は、AIが大規模な生物学的データセットを探索し、人間が見落としていたパターンを特定できることを示しており、AIを活用した生物学的発見の新時代の幕開けを告げるものです。
AIによる生物学的発見の加速：Anthropicの新研究体制
Anthropicは、2026年春に設立された新しいライフサイエンス研究グループと研究室を通じて、AIモデルが生物学的発見を体系化し加速できるかを探求しています。この取り組みは、AIエージェントが研究プロセスのあらゆる段階で人間と協働する、新しい生物学研究手法を確立することを目的としています。研究グループは、Claudeを用いてDNAデータセットを探索し、特徴付けられていないタンパク質ファミリーを特定し、大規模に仮説を生成し、研究室での実験を通じてそれらを検証することに注力しています。
カリフォルニア州ベイエリアに位置するAnthropicの研究室は、BSL-1およびBSL-2のバイオセーフティレベルで運用され、人体に感染する病原体は取り扱っていません。すべての実験作業は、人間の科学者によって実施されています。このハイブリッドなアプローチは、AIの計算能力と人間の実験的検証スキルを融合させ、発見のサイクルを劇的に加速させる可能性を秘めています。
Claudeが発見した新規酵素システム「ART」の詳細
Claudeが発見した新規酵素システムは、「Array-associated Reverse Transcriptases（ART）」と名付けられています。このシステムは主にバクテリオファージ内で見つかり、以下の3つの主要な構成要素から成り立っています。
-
逆転写酵素（RT）: RNAをDNAにコピーする酵素。既知のRTでしたが、Claudeはその周辺の特異な特徴を最初に認識しました。
-
パートナー遺伝子: RTの隣に位置する遺伝子。
-
均一に配置されたDNA反復配列の配列: この反復配列の配置は、CRISPR配列に酷似しており、CRISPR-Casシステムがプログラマブルな生物工学的ツールとなる基盤を形成しています。
Claudeの重要な貢献は、既存の研究でRT自体は特定されていたものの、関連する非コードDNA配列の配列と未知の機能を持つ追加のアクセサリータンパク質という、このシステムの決定的な特徴を最初に発見した点にあります。初期の実験では、ART配列が個別の短いRNAとして発現していることが示されており、これはCRISPRシステムにおけるガイドRNAのように、何らかのプログラマブルな役割を果たしている可能性を示唆しています。このシステムの具体的な機能はまだ不明ですが、Claudeが発見した特性の組み合わせは、DNAの切断、コピー、貼り付けなどの操作を行う、プログラマブルな数少ない他のシステムでのみ見られるものです。CRISPRのパイオニアであるFeng Zhang氏も、この発見を「AIエージェントが生物学的発見に貢献できる刺激的な例」と評価しています。
Claudeの探索プロセスと技術的成果
ClaudeによるARTシステムの発見は、Anthropicが設計したエージェントベースの生物学研究パラダイムの成果です。研究チームはClaudeに、19億のタンパク質クラスターからなる大規模なデータベース内で新しい逆転写酵素システムを見つけるという高レベルな指示を与えました。この「Claude Mythos 5」 を実行するエージェント群は、その後、21.5時間にわたり自律的に探索を実行しました。このキャンペーンでは、949のエージェントセッションで2億1560万トークンが処理され、人間の介入は限定的でした。
具体的な探索プロセスは以下の通りです:
-
RTの収集と候補の選定: エージェントは20万以上のRTを収集し、そこから3,500の新しい候補システムを選別。最終的に、詳細な分析のために最も説得力のある20の候補に絞り込みました。
-
パターン認識: 探索の過程で、あるエージェントが異常なRTファミリーに注目し、その周囲の生DNA配列を詳細に調べました。その際、「隣接するDNAにタンデム反復配列が見える…CRISPRのような…反復配列か？！」と自律的に認識しました。
-
詳細な分析と報告: 人間の科学者と同様に、エージェントは反復回数を数え、その間隔を測定し、既知のRTシステムと比較し、既存の文献で同様のパターンが報告されていないかを検索しました。そして、その結果を人間がレビューするための報告書としてまとめました。
この発見は、AIが単なるデータ処理ツールを超え、自律的な仮説生成と検証の一部を担う能力を持つことを示しています。ただし、同じキャンペーンを10回繰り返したところ、ART配列は再現されなかったという課題も報告されており、これは探索規模とエージェントの非決定的な挙動に起因する可能性があるとされています。この点は、AI駆動型科学発見の堅牢性を高めるための今後の研究課題となるでしょう。
開発者・エンジニア視点での考察
-
ハイレベルな指示による自律的探索能力の評価: Claudeが与えられた高レベルなプロンプトだけで、広大な生物学的データセットを自律的に探索し、人間が見落としていた新規の生物学的パターンを特定した事実は、AIエージェントが複雑なオープンエンドの科学的探求を実行する大きな可能性を示唆しています。これは、AI研究が教師あり学習から、AIがサブゴールを設定し、多段階の調査を実行できるエージェント的なアプローチへと移行しつつあることを意味します。開発者は、曖昧さや予期せぬ発見に対処できる堅牢なエージェントアーキテクチャを構築し、自己修正および仮説洗練のメカニズムを組み込むことに注力すべきです。
-
AI駆動型ウェットラボ連携の可能性と課題: Anthropicが自社のウェットラボを設置し、AIが生成した仮説に基づいて人間の科学者が実験を行うという体制は、強力な新しいパラダイムを提示しています。開発者にとっては、AIモデル（仮説生成と分析用）と実験プラットフォーム（検証用）間のシームレスなインターフェースとデータパイプラインを構築することが求められます。主な課題としては、AIが消費できる実験プロトコルの標準化、ノイズの多いまたは不完全な実験結果を解釈できるAIモデルの開発、反復的な仮説検証のためのフィードバックループの構築が挙げられます。また、最初のART発見が再現困難であったというClaudeの報告 は、AIシステムが実験的変動性と堅牢性を管理する必要性があることを浮き彫りにしています。
-
生命科学における生成AIの新たな役割とデータ駆動型仮説生成: ClaudeによるARTシステムの発見は、生成AIが既存の生物学的データからこれまで見過ごされてきたパターンを特定する能力を示しており、単なる予測や分類を超えた役割を果たしています。この、膨大なゲノムデータセットから「異常なものに気づく」 能力、仮説を生成し、実験的検証を導く能力は、新たな研究の道を切り開きます。開発者は、データ処理と分析だけでなく、斬新な洞察を合成し、新しい生物学的実体やメカニズムを提案し、さらには合成生物学的構成要素を設計できるAIシステムの作成に注力できます。これには、深い生物学的ドメイン理解と、複雑な分子相互作用について推論する能力を持つモデルが必要です。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
