ClaudeがCRISPRの『親戚』を自律発見──約950エージェント・21時間・2.1億トークンの探索が捉えた新酵素系『ART』:AIが仮説を出し、実験は人間がやる「科学の分業」の始まり

2026年9月23日、Anthropic が生命科学研究部門と湿式実験室(BSL-1/BSL-2)を発表。1つの指示から約950の Claude エージェントが21時間・2.1億トークンで約19億のタンパク質クラスタを探索し、新規酵素系『ART』を自律発見した。CRISPR のパイオニア・Feng Zhang が評価する一方、同一探索の10回の再実行では再検出されなかった「再現性の壁」も明かされた。AIが仮説を出し、実験は人間がやる分業の始まりを整理する。

2026年9月23日、Anthropic が静かに、しかし後から振り返ると大きな発表を行った。生命科学研究部門の新設と、ベイエリアに持つ湿式(ウェット)実験室の公開である。そしてその初の成果として示されたのは、Claude が人間の研究者に先んじて、未知の酵素系を発見していたという報告だった。系の名前は「ART(array-associated reverse transcriptases、アレイ関連逆転写酵素群)」。CRISPR に似た等間隔の DNA 反復配列を持つこの系は、CRISPR ゲノム編集のパイオニアである Feng Zhang(MIT/Broad研究所)自身が「さらに研究する価値がある」と評価した。

この記事では、(1) 949セッション・21.5時間・約2.1億トークンの探索で何が起きたのか、(2) 発見された ART とは何で、なぜ CRISPR と呼ばれる類似性が注目されるのか、(3) 同じ探索を10回繰り返しても再検出されなかったという「再現性の壁」をどう読むべきか、(4) 「AIが仮説を出し、実験は人間がやる」という分業モデルが科学の仕事の形をどう変えるのか──を、Anthropic の公式発表と各報道を突き合わせて整理する。

1. 何が起きたか──「1つの指示」から始まった21時間

まず事実関係を表にまとめる。

項目 数値
起動したエージェント約950(949)の Claude セッションが並列実行
所要時間約21時間(21.5時間)
消費トークン約2.1億(215.6M)
探索対象約19億のタンパク質クラスタを含む巨大データベース、逆転写酵素(RT)クラスタ約20万件を調査
候補の絞り込み約3,500件の候補 → 注目度上位20件を詳細分析
人間の関与最初の指示(プロンプト)と、その後の実験室での検証のみ

使用されたのは Claude Science と Claude Code、そして複数の Claude セッションを並列調停する自社ハーネスである。エージェント群は塩基配列データベースをスキャンし、逆転写酵素ファミリーを調査し、自らの判断で有望な候補にフラグを立て、最も注目すべき20件について人間が読める分析報告書を作成した。人間の科学者はその報告書を受け取り、実験室で検証に回った。探索と候補選定と評価の判断──そのほぼ全体がエージェント側で処理されたのである。

2. ARTとは何か──RT+パートナー遺伝子+反復配列の3点セット

発見された ART は、主にバクテリオファージ(細菌に感染するウイルス)に見られる酵素系で、3つの部品から構成される。

  • 逆転写酵素(RT):RNA を DNA に書き戻す核心酵素。「ジャンボファージ」と呼ばれる大型ファージ由来のこの RT 自体は、以前の研究で同定済みだった。
  • パートナー遺伝子:RT と連携して働くと考えられる遺伝子。
  • 等間隔の DNA 反復アレイ:3〜21コピーの均等間隔に並ぶ反復配列。CRISPR アレイに構造的に類似する。さらに機能未知の「アクセサリータンパク質」が付随する。

ここが本記事の核心だ。RT 自体は既知だった。Claude が最初に気づいたのは、その隣に並ぶ非コードの反復アレイと、機能未知のアクセサリータンパク質という「系を定義する特徴」だった。人のゲノム解析報告はこの組み合わせを見逃してきた。Anthropic によれば、この特徴の組み合わせが揃った既知の系はごくわずかで、いずれもプログラマブル──DNA の切断・コピー・貼り付けといった操作を遂行する──という。CRISPR-Cas システムが「RNA 配列のバンク(アレイ)」によって標的を切り替え可能な編集ツールになったように、ART も programmed な遺伝子操作ツールの候補になり得る。

初期実験では、ART アレイは個別の short RNA として発現した。これは CRISPR アレイの振る舞いを彷彿とさせるが、仕組みのヒントであって、機能の確認ではない。系の主要機能はまだ未知で、追加実験が進行中だ。Anthropic はプレプリントと技術レポートを公開し、他分野の研究者から研究課題の提案も募集している。

3. なぜ CRISPR との類似が大事なのか──「奇妙な反復」から始まった革命

CRISPR の歴史を思い出すと、この類似性の意味が見えてくる。CRISPR 自体、当初は「細菌の DNA に見られる奇妙な反復パターン」として記録されただけの存在だった。それが機能解明を経て、生命科学史上最大級の編集ツールになった。つまり「等間隔の反復配列+それに連なる酵素群」というシグネチャは、歴史上、一度大発見を生んだ実績のあるパターンなのである。

Feng Zhang の評価はその点を踏まえている。「AI エージェントが生物学的発見に貢献するエキサイティングな例」であり、「逆転写酵素に連なる RNA 反復アレイの同定は、さらに研究する価値がある(genuinely intriguing)」──報道はこの発見が CRISPR 編集のパイオニアである Zhang 自身の目に留まったこと自体を、学術的な重みとして伝えた。応用への道筋が見えているわけではないが、パターンの「筋の良さ」が専門家の目に明らかだった、ということが重要だ。

4. 誠実な注記──同じ探索を10回やっても、もう見つからない

この発表で最も誠実で、最も学ぶべきなのは限界の提示である。Anthropic は同一の探索を10回再実行しても、ART の反復アレイは再検出されなかったと明かした。原因は探索空間の途方もない規模と、エージェント挙動の非決定性という。一方で、配列を固定して与えた検証テストでは検出率は90%を超えた──つまり「見つける力」はあるが、「同じ道をたどり着く再現性」はない。

この事実は、AI による科学発見の現在地を正確に示している。大規模な自律探索は人間が見過ごしてきた genuinely new な仮説を生み出せる。しかし「1回の印象的な結果」と「再現可能なワークフロー」は別物であり、再現と検証は依然として人間と実験室の仕事だ。Anthropic 自身が数百から数千の候補報告書が1回のキャンペーンから届く現状を「仮説そのものが研究対象になる」と表現し、得られた教訓を次の Claude への指示に還元していると語る。探索の品質管理(どの仮説を追いかけるか)が、新しいボトルネックになるということだ。

The Verge の報道はさらに一歩進んで、通常の科学の基準では早期すぎる公開だと指摘し、Anthropic が IPO 準備と科学者採用を進める中での発表である文脈も伝えた。宣伝と科学の境界を追う視点は残る。だが技術的な中身(再現失敗の開示を含む)の公開は、むしろこの分野の議論を健全にする材料だろう。

5. 実験室は人間のまま──「分業」の設計図として読む

見落とされがちだが重要なのは、ウェットラボの運用方針だ。ベイエリアの実験室は BSL-1 と BSL-2 の低いバイオセーフティレベルのみで運用され、ヒト感染性病原体は一切扱わず、実験はすべて人間の科学者が実施する。AI が生物学に深く入る企業として、Anthropic は「探索は自動化、実験は人間、リスク階層は最下段」という分業の設計図を同時に公開した形だ。

post-260 で Gemini のサンドボックス突破(評価環境の構成ミス)を「封じ込めレイヤーの欠落」として整理したばかりだが、生命科学分野では「エージェントが実験室を操作する」段階はまだ来ていない。物理実行は人間が担い、AI は計算空間に限定される。この分業は限界ではなく設計であり、「どこまで自動化し、どこを人間に残すか」を明示した最初の大規模事例として価値がある。

6. 業界の文脈──「AI×科学」は数学から生物学へ

9月上旬、OpenAI は約1万体のマルチエージェントでナビエ・ストークス問題の有限時間特異点を88時間で構成し、GPT-6 Astra が Lean 形式化で検証した(post-246)。数学における「エージェント群×難問」の実証だった。それから2週間、今度は生物学で同じ構造が実証された。探索空間が巨大で、パターン発見が本質であり、仮説検証に実験が要る分野──そここそが、多数決のエージェント群が輝く場所になりつつある。

同じ週には、OpenAI・Anthropic・DeepSeek が国連安保理へ先進 AI モデルの安全保障影響について説明するブリーフィングが組まれ、OpenAI は80人超の精神保健専門家と作った評価基準 MentalHealthBench を公開した。AI が「科学を進め、安全保障の場に引き出され、健康分野の基準を作る」──1週間の間に、AI の関与範囲が業務自動化の文脈を超えて広がっているのが見て取れる。その広がりの各段階で、検証と統治の仕組みが同じ速さで整備されているかが、次の問いになる。

7. 実務が学ぶこと──「AIの提案は検証ターゲット」

研究現場以外の実務に翻訳すると、次の3点に収斂する。

  • 「発見」と「再現」を切り分けて評価する。1回の成果に飛びつく前に、同じ手順をもう1回走らせて再現するか見る。Anthropic が10回の再実行失敗を自ら公表したのは、「再現可能なワークフロー」だけが資産になるという現場の常識を、業界に示したためだ。
  • 候補の洪水を処理する側の設計をする。950体のエージェントは3,500件の候補と数百件の報告書を生む。人間のレビュー帯域がボトルネックになるなら、絞り込み基準とトレーサビリティ(どの証拠で候補に上がったか)を先に設計すべきである。
  • 自動化の「実行境界」を明示する。探索は AI、実行は人間、リスクレベルは BSL-1/2 まで──という境界線を事前に公表する運用は、エージェント導入企業のガバナンス文書の雛形になる。

まとめ──仮説を量産する機械と、検証する手

2026年9月の2つの事例──数学の88時間(post-246)と生物学の21時間──が並んだことで、「エージェント群による大規模探索が、人類が見過ごしてきたパターンを掘り出せる」ことは、分野を超えた一般化として示され始めた。CRISPR が「奇妙な反復」から始まったように、ART もまずは奇妙な反復である。次に来るのは機能の解明で、それはエージェントの仕事ではなく、BSL-1/2 の実験室で白衣を着た人間の仕事だ。

AI が生んだ候補は「発見」ではなく「検証ターゲット」である──この距離感を、発見した本人たちが最も率直に語った発表だった、というのが本記事の結論だ。仮説を量産する機械と、検証する手の分業が始まった。科学の速度は、この2つの接続効率で決まることになる。

(ソース: Anthropic 公式発表 / The Verge / Unite.AI / TechPulse / AI Tech Daily の報道を基に本サイトが編集・構成)

PR / この記事のテーマに関連するアフィリエイトリンクを含みます

🛠 エージェント開発の作業環境

道具箱を全部見る →

ツールやフレームワークの比較記事を読む人ほど、実際に長く座って書く環境の差が効きます。毎日触れるものと、設計の引き出しを増やす一冊を組み合わせました。

作業環境

27インチ 4K / USB-C モニター

ログ、エディタ、エージェントの実行トレースを並べて見ると、デバッグの往復が減る。USB-C 1本で映像と給電が済むモデルなら配線も安定する。

Amazon.co.jp で探す →PR
接続

USB-C ドッキングステーション

開発機に周辺機器を付け外しする回数が多いなら、ハブよりドックの方が結線を固定できる。出力側の映像規格とPD給電ワット数を先に揃える。

Amazon.co.jp で探す →PR
技術書

PythonによるAIエージェント実装書

ツール呼び出し、メモリ、失敗時の再試行までコードで追えるもの。フレームワークの説明に留まらず、状態管理の設計に踏み込んでいるかを確認したい。

Amazon.co.jp で探す →PR

価格・在庫・評価・商品画像は掲載していません。最新の情報はリンク先のAmazon.co.jpでご確認ください。当サイトは商品の販売・保証には関与しません。

Amazonのアソシエイトとして、AgentAI.ayonglab.com は適格販売により収入を得ています。