Anthropic-AI ontdekt ART-enzymsysteem met CRISPR-achtige herhalingen

Ontwikkelaar van kunstmatige intelligentie Anthropic heeft de ontdekking aangekondigd van een voorheen ongekarakteriseerd biologisch mechanisme genaamd array-associated reverse transcriptases, oftewel ART. Het systeem werd aan het licht gebracht door middel van computationele analyses aangestuurd door het Claude-model van het bedrijf en vervolgens gevalideerd in zijn natte laboratorium in de San Francisco Bay Area. De ontdekte structuur vertoont opvallende overeenkomsten met CRISPR, het virale verdedigingsmechanisme dat op grote schaal wordt ingezet voor genetische modificatie. Deze aankondiging vormt het allereerste wetenschappelijke resultaat van de gespecialiseerde life sciences-onderzoeksgroep van Anthropic, die in het voorjaar van 2026 werd opgericht om fundamentele biologie te verkennen en ontdekkingstrajecten te versnellen.

Volgens nadere toelichtingen van het bedrijf kwam de ontdekking tot stand door de inzet van autonome AI-workflows die enorme openbare databases met genomische sequenties doorzochten. In plaats van louter te functioneren als een codeerassistent of een hulpmiddel voor het samenvatten van wetenschappelijke literatuur, trad Claude op als een onderzoekende agent. Het model scande niet-geannoteerd genetisch materiaal, stelde hypothesen op over ongekarakteriseerde eiwitfamilies en bracht biologische afwijkingen in kaart voor daaropvolgende experimentele validatie door menselijke wetenschappers.

Een computationele screening aangedreven door 950 AI-agenten

De computationele ontdekkingsworkflow steunde op circa 950 parallel werkende Claude-agenten, die over een periode van 21 uur gezamenlijk ongeveer 210 miljoen tokens verwerkten. Onderzoekers van Anthropic startten het project door het model opdracht te geven grote sequentiedatabases te doorzoeken op nieuwe reverse-transcriptases. Dit zijn enzymen die verantwoordelijk zijn voor het overschrijven van RNA naar DNA en die frequent een rol spelen in microbiële afweermechanismen. Het AI-systeem verzamelde meer dan 200.000 reverse-transcriptases, selecteerde daaruit 3.500 kandidaatsystemen en bracht de uiteindelijke selectie terug tot de 20 meest overtuigende doelwitten, waarvoor het voor elk een voor mensen leesbaar dossier samenstelde.

Tijdens deze analyse identificeerde een van de agenten een ongebruikelijke reverse-transcriptase binnen het genoom van een zogeheten jumbo-bacteriofaag, een categorie van grote virussen die bacteriën infecteren. Hoewel de aanwezigheid van dit specifieke enzym al eerder was geregistreerd in academische databanken, detecteerde Claude een aangrenzende reeks niet-coderende, regelmatig verdeelde tandem-DNA-herhalingen, samen met een partnergen dat codeert voor een accessoir eiwit met een nog onbekende functie. Deze architecturale ordening spiegelt direct de structuur van CRISPR-arrays, die sequenties opslaan waarmee bacteriële enzymen specifieke genetische doelwitten kunnen herkennen en doorknippen.

Dit is een opwindend voorbeeld van hoe AI-agenten kunnen bijdragen aan biologische ontdekkingen. De identificatie van RNA-herhalingsarrays die gekoppeld zijn aan reverse-transcriptases is oprecht intrigerend en verdient nader onderzoek. Ik hoop dat dit werk meer wetenschappers aanmoedigt om te verkennen hoe AI hun onderzoek kan ondersteunen.

Wat experimenteel is geverifieerd en wat onbewezen blijft

Anthropic benadrukte met klem dat menselijke tussenkomst essentieel bleef gedurende de gehele ontdekkingspijplijn. Terwijl Claude de hypothesen formuleerde en de digitale genomische analyse uitvoerde, werden de fysieke laboratoriumexperimenten volledig uitgevoerd door menselijke onderzoekers. Onder strikte inperkingsprotocollen van Biosafety Level 1 (BSL-1) en Biosafety Level 2 (BSL-2), zonder het hanteren van menselijke pathogenen, bracht het laboratoriumteam de eiwitten tot expressie in standaard bacteriële laboratoriumstammen en voerde het de initiële biochemische en structurele karakterisering uit.

• Geïdentificeerde structuur: Het ART-systeem bestaat uit een reverse-transcriptase, een aangrenzend accessoir eiwit en een reeks regelmatig geplaatste niet-coderende DNA-herhalingssequenties.
• Bevestigde herkomst: De genetische ordening bevindt zich in de genomen van bacteriofagen en niet in cellulaire gastheerorganismen.
• Onbekende biologische functie: Onderzoekers hebben de primaire natuurlijke rol van ART tijdens infectiecycli van fagen nog niet definitief kunnen vaststellen.
• Onzekere praktische bruikbaarheid: Het blijft vooralsnog onbekend of ART kan worden omgebouwd tot een programmeerbaar moleculair instrument voor gentechnologie of biotechnologische toepassingen vergelijkbaar met CRISPR.

Dario Amodei, Chief Executive Officer van Anthropic, erkende op sociale media dat de ontdekking voortbouwt op bestaande open wetenschap. Hij merkte op dat onderzoekers van Stanford University eerder al een systeem hadden geïdentificeerd dat overeenkomsten vertoont met het door Claude geanalyseerde systeem. Bredere academische inspanningen, waaronder de synthese van enzymen aan de University of California, San Francisco, en eiwitstructuurvoorspellingen via AlphaFold van Google, weerspiegelen een groeiende sectorbrede integratie van machinaal leren binnen de moleculaire biologie.

Gevolgen voor biotechnologie en organisatorische onderzoeksworkflows

De vroege publicatie van deze bevindingen, vergezeld van een openbare preprint, is bedoeld om de empirische capaciteiten van Claude te demonstreren op een moment dat Anthropic zijn activiteiten uitbreidt naar geneesmiddelenonderzoek en toewerkt naar een eventuele beursgang. Ondanks de vergelijkingen met CRISPR is onafhankelijke validatie door de bredere wetenschappelijke gemeenschap noodzakelijk om te bevestigen of ART over katalytische eigenschappen beschikt die geschikt zijn voor synthetische biologie, diagnostiek of therapeutische interventies.

Voor life sciences-bedrijven en academische onderzoeksinstellingen illustreert deze ontwikkeling een werkbaar model voor het integreren van grootschalige LLM-agenten in vroege bio-informatica workflows. Door massale datatriering, vergelijkende genomische analyses en hypothesevorming te delegeren aan autonome modellen, kunnen organisaties initiële screeningscycli verkorten van maanden naar dagen. Het realiseren van concrete toepassingen vereist echter nog steeds een solide natte-laboratoriuminfrastructuur, strikte biologische veiligheidscontroles en deskundig menselijk toezicht om computationeel verkregen kandidaten grondig te verifiëren voordat aanzienlijke klinische of operationele middelen worden gecommitteerd.