Anthropic entdeckt ART-Enzymsystem mit CRISPR-ähnlicher Struktur

Das auf künstliche Intelligenz spezialisierte Unternehmen Anthropic hat die Entdeckung eines bislang uncharakterisierten biologischen Mechanismus bekannt gegeben, der als Array-assoziierte Reverse Transkriptasen oder kurz ART bezeichnet wird. Das System wurde durch rechnergestützte Analysen unter Einsatz des hauseigenen KI-Modells Claude identifiziert und anschließend im firmeneigenen Nasslabor in der San Francisco Bay Area experimentell überprüft. Die neu entdeckte Anordnung weist strukturelle Ähnlichkeiten mit CRISPR auf, jenem bakteriellen Abwehrmechanismus gegen Viren, der heute weltweit als präzises Werkzeug für die Genom-Editierung genutzt wird. Diese Mitteilung stellt das erste wissenschaftliche Ergebnis der im Frühjahr 2026 gegründeten Life-Sciences-Forschungsgruppe von Anthropic dar, deren Ziel es ist, grundlegende biologische Prozesse zu erforschen und pharmazeutische Entdeckungsprozesse zu beschleunigen.

Nach Angaben des Unternehmens gelang der Fund durch den Einsatz autonomer KI-Arbeitsabläufe, die riesige öffentliche Datenbanken genomischer Sequenzen durchsuchten. Anstatt lediglich als Programmierassistent oder zur Zusammenfassung wissenschaftlicher Fachliteratur zu dienen, fungierte Claude als explorativer Agent. Das System scannte nicht annotiertes genetisches Material, formulierte selbstständig wissenschaftliche Hypothesen zu bisher nicht charakterisierten Proteinfamilien und isolierte biologische Anomalien, um sie menschlichen Wissenschaftlern für eine gezielte experimentelle Überprüfung im Labor vorzulegen.

Rechnergestütztes Screening durch 950 parallele KI-Agenten

Der Prozess der Entdeckung stützte sich auf rund 950 parallel koordinierte Claude-Agenten, die über einen Zeitraum von 21 Stunden hinweg etwa 210 Millionen Token verarbeiteten. Wissenschaftler von Anthropic initiierten das Vorhaben, indem sie das Modell anwiesen, umfangreiche Sequenzdatenbanken nach neuartigen reversen Transkriptasen zu durchforsten. Dabei handelt es sich um Enzyme, die RNA in DNA umschreiben und häufig eine zentrale Rolle bei mikrobiellen Abwehrmechanismen spielen. Im Verlauf dieser Analyse trug das Modell mehr als 200.000 reverse Transkriptasen zusammen, filterte daraus 3.500 potenzielle Kandidatensysteme heraus und reduzierte die Auswahl schließlich auf die 20 vielversprechendsten Zielstrukturen, für die es detaillierte, für menschliche Forscher lesbare Dossiers erstellte.

Während dieser Auswertung stieß ein KI-Agent auf eine ungewöhnliche reverse Transkriptase im Genom eines Jumbo-Bakteriophagen, einer Klasse besonders großer Viren, die Bakterien infizieren. Obwohl die bloße Existenz dieses spezifischen Enzyms bereits in früheren akademischen Datenbanken verzeichnet war, entdeckte Claude ein unmittelbar angrenzendes Feld nicht-kodierender, gleichmäßig angeordneter Tandem-DNA-Wiederholungssequenzen sowie ein benachbartes Partnergen, das für ein Akzessorprotein mit bislang unbekannter Funktion kodiert. Diese architektonische Anordnung spiegelt exakt den Aufbau klassischer CRISPR-Arrays wider, in denen Sequenzen gespeichert sind, die von bakteriellen Enzymen verwendet werden, um spezifische genetische Zielstrukturen präzise zu erkennen und zu spalten.

Dies ist ein aufregendes Beispiel dafür, wie KI-Agenten zu biologischen Entdeckungen beitragen können. Die Identifizierung von RNA-Wiederholungsfeldern in Verbindung mit reversen Transkriptasen ist ausgesprochen faszinierend und verdient weitere Untersuchungen. Ich hoffe, dass diese Arbeit mehr Wissenschaftler dazu ermutigt, zu erforschen, wie KI ihre Forschung unterstützen kann.

Experimentell verifizierte Befunde und offene Fragen

Anthropic hob hervor, dass menschliches Eingreifen während des gesamten Prozesses unverzichtbar blieb. Während Claude die Hypothesen aufstellte und das digitale Genom-Mining durchführte, wurden die physikalischen Laborexperimente vollständig von menschlichen Forschern vorgenommen. Unter Einhaltung der Sicherheitsstufen Biosafety Level 1 (BSL-1) und Biosafety Level 2 (BSL-2) und ohne den Einsatz menschlicher Krankheitserreger exprimierte das Laborteam die Proteine in herkömmlichen Laborbakterienstämmen und führte erste biochemische sowie strukturelle Charakterisierungen durch.

• Identifizierte Struktur: Das ART-System besteht aus einer reversen Transkriptase, einem benachbarten Akzessorprotein und einem Array regelmäßig angeordneter, nicht-kodierender DNA-Wiederholungssequenzen.
• Bestätigter Ursprung: Die genetische Anordnung befindet sich direkt im Erbgut von Bakteriophagen und nicht in dem zellulärer Wirtsorganismen.
• Unbekannte biologische Funktion: Die primäre natürliche Rolle des ART-Systems während des viralen Infektionszyklus der Phagen ist bislang unaufgeklärt.
• Ungewisser praktischer Nutzen: Es ist derzeit unklar, ob sich ART zu einem programmierbaren molekularen Werkzeug für die Genom-Editierung oder die Biotechnologie analog zu CRISPR weiterentwickeln lässt.

Dario Amodei, Chief Executive Officer von Anthropic, räumte in sozialen Netzwerken ein, dass die Entdeckung auf bestehender offener Wissenschaft aufbaue. Er wies darauf hin, dass Forscher der Stanford University zuvor bereits ein System beschrieben hatten, das Ähnlichkeiten mit der von Claude analysierten Struktur aufweist. Breitere akademische Anstrengungen, wie etwa die Enzymentwicklung an der University of California, San Francisco, sowie die Vorhersage von Proteinstrukturen durch Googles AlphaFold, verdeutlichen den wachsenden branchenweiten Einsatz von maschinellem Lernen in der Molekularbiologie.

Bedeutung für die Biotechnologie und betriebliche Forschungsabläufe

Die frühzeitige Veröffentlichung dieser Ergebnisse, die von einem frei zugänglichen Preprint begleitet wird, soll die empirischen Fähigkeiten von Claude demonstrieren, während Anthropic in den Bereich der Wirkstoffforschung vordringt und einen möglichen Börsengang vorbereitet. Trotz der gezogenen Vergleiche mit CRISPR ist eine unabhängige Validierung durch die internationale Fachgemeinschaft erforderlich, um zu bestätigen, ob ART katalytische Eigenschaften besitzt, die für die synthetische Biologie, Diagnostika oder therapeutische Interventionen genutzt werden können.

Für Unternehmen der Life-Sciences-Branche und akademische Forschungsorganisationen zeigt diese Entwicklung ein tragfähiges Modell für die Einbindung großformatiger LLM-Agenten in frühe Phasen der Bioinformatik. Indem zeitintensive Datensortierung, vergleichendes Genom-Mining und Hypothesengenerierung an autonome Modelle delegiert werden, lassen sich initiale Screening-Zyklen von mehreren Monaten auf wenige Tage verkürzen. Die Erzielung marktfähiger Ergebnisse erfordert jedoch weiterhin eine leistungsfähige Nasslabor-Infrastruktur, strenge Biosicherheitskontrollen und eine menschliche Aufsicht, um digital abgeleitete Kandidaten gründlich zu verifizieren, bevor substanzielle klinische oder betriebliche Ressourcen gebunden werden.