Agenci Claude przez 21,5 godziny bez udziału ludzi przeszukiwali bazę 1,94 mld klastrów białek i wyłowili z niej nieopisany wcześniej system enzymów z bakteriofagów, któremu towarzyszy macierz powtórzeń DNA przypominająca CRISPR. Anthropic ogłosił to w środę 23 września 2026 roku jako pierwszy wynik swojej nowej grupy badawczej i laboratorium biologii molekularnej, ale sam przyznaje, że nie wie jeszcze, do czego ten system służy.
- Agenci Claude Code działający na modelu Claude Mythos 5 przez 21,5 godziny autonomicznie przeszukali bazę 1,94 mld klastrów białek i odkryli nieopisany wcześniej system enzymów z bakteriofagów, nazwany ART (array-associated reverse transcriptases), składający się z odwrotnej transkryptazy, genu partnera i macierzy od 3 do 21 kopii powtarzalnych sekwencji DNA przypominającej układ CRISPR.
- Odkrycie okazało się trudne do powtórzenia: Anthropic uruchomił tę samą kampanię jeszcze dziesięć razy i żaden agent w żadnej próbie nie wczytał wystarczającego fragmentu DNA, by zauważyć macierz powtórzeń – sukces w oryginalnym przebiegu zależał od tego, czy model faktycznie „zobaczył" sekwencję.
- Autorzy preprintu przyznają, że nie wykazali aktywności enzymu ART ani tego, do czego system służy fagowi, a sama praca nie przeszła jeszcze recenzji naukowej.
Anthropic zapowiedział odkrycie również we wpisie na X: https://twitter.com/AnthropicAI/status/2102824959827742916
Claude has discovered a previously unknown enzyme system hidden in the DNA of bacteriophages. Beside the enzyme’s gene sits a long array of repeating DNA—a structure that looks somewhat similar to CRISPR.
We don’t yet understand what this system does, but only a handful of known…
— Anthropic (@AnthropicAI) September 23, 2026
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Nowy system ART łączy enzym, gen partnera i macierz powtórzeń
Anthropic nazwał znalezisko ART (array-associated reverse transcriptases), czyli odwrotne transkryptazy powiązane z macierzą. Odwrotna transkryptaza (RT) to enzym, który przepisuje RNA na DNA. U bakterii takie enzymy często działają jako część odporności na wirusy.
Według preprintu system ART składa się z trzech elementów:
- odwrotnej transkryptazy z nietypowo długim początkiem łańcucha: około 180 aminokwasów przed domeną polimerazy, podczas gdy inne RT mają ich zwykle 50 lub mniej,
- genu partnera leżącego bezpośrednio za enzymem; badacze wyróżnili trzy typy takich białek, które nie są ze sobą spokrewnione,
- macierzy od 3 do 21 kopii krótkiej powtarzalnej sekwencji (15-49 nukleotydów), przedzielonych unikalnymi odcinkami o długości 120-220 nukleotydów.
ART występuje głównie w jumbofagach, czyli bakteriofagach o wyjątkowo dużych genomach. Sam enzym nie był nowy. Opisywano go we wcześniejszych pracach, ale nikt nie zwrócił uwagi na powtórzenia ani na gen partnera. Autorzy preprintu podają konkretny przykład: raport z 2021 roku o genomie faga MarsHill, opublikowany w „Journal of Virology”, wskazał odwrotną transkryptazę, lecz nie opisał ani powtórzeń, ani genu partnera.
Podobieństwo do CRISPR dotyczy układu, a nie mechanizmu. W CRISPR macierz przechowuje bank różnych sekwencji RNA, dzięki którym system da się zaprogramować. Anthropic zaznacza, że zestaw cech ART występował dotąd razem tylko w kilku innych systemach i wszystkie one potrafią ciąć, kopiować lub wklejać DNA. Różnice są jednak wyraźne. Odcinki między powtórzeniami w CRISPR mają około 30 nukleotydów i zmieniają się między blisko spokrewnionymi szczepami, a w ART są kilkukrotnie dłuższe i zachowują kolejność u pokrewnych fagów. Przy żadnym locus ART nie ma też genów cas, typowych dla systemów CRISPR.
Dowody: dane RNA z infekcji fagiem SA1 i pierwsze doświadczenia w E. coli
Odkrycie opisuje preprint „Autonomous AI agents discover reverse transcriptases with tandem repeat arrays”, czyli praca, która nie przeszła jeszcze recenzji naukowej. Podpisało ją sześcioro badaczy Anthropic: Peter H. Yoon, Januka S. Athukoralage, Emmanuel Ameisen, Eric Kauderer-Abrams, Nicholas T. Perry i Matthew G. Durrant.
Najmocniejszy dowód pochodzi z opublikowanych wcześniej danych o zakażeniu bakterii Staphylococcus lentus fagiem SA1, który zawiera system ART. Po 15 minutach od infekcji RNA z macierzy stanowiło do 8 proc. całego RNA faga, co plasowało je wśród najobficiej produkowanych transkryptów. Zespół Anthropic sprawdził to także we własnym laboratorium. Po wprowadzeniu systemu ART z faga SA1 na plazmidach do bakterii Escherichia coli sekwencjonowanie wykazało odrębne, krótkie cząsteczki RNA pochodzące z macierzy, podobne do tych obserwowanych podczas infekcji.
Autorzy stawiają hipotezę, że ART działa podobnie do retronów, czyli bakteryjnych systemów obronnych złożonych z RT, niekodującego RNA i białka partnera. Różnica polegałaby na tym, że retron ma jedno RNA, a ART cały ich bank, co mogłoby pozwalać reagować na różne sygnały. Autorzy piszą jednak wprost, że nie wykazali aktywności enzymu ani tego, że krótkie RNA są jego substratami. Nie wiadomo też, czy RT i partner ze sobą współdziałają ani do czego system służy fagowi.
Wszystkie prace laboratoryjne wykonali ludzie. Laboratorium w rejonie Zatoki San Francisco działa wyłącznie na najniższych poziomach bezpieczeństwa biologicznego (BSL-1 i BSL-2) i nie pracuje z patogenami zdolnymi zakażać ludzi.
Preprint przed publikacją przejrzał Feng Zhang, jeden z pionierów edycji genomu metodą CRISPR, profesor MIT i Broad Institute:
„To ekscytujący przykład tego, jak agenci AI mogą przyczyniać się do odkryć biologicznych. Identyfikacja macierzy powtórzeń RNA powiązanych z odwrotnymi transkryptazami jest naprawdę intrygująca i zasługuje na dalsze badania. Mam nadzieję, że ta praca zachęci więcej naukowców do sprawdzenia, jak AI może wspierać ich badania.” / „This is an exciting example of how AI agents can contribute to biological discovery. The identification of RNA-repeat arrays associated with reverse transcriptases is genuinely intriguing and merits further investigation. I hope this work encourages more scientists to explore how AI can support their research.”
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Agent Claude zauważył powtórzenia, czytając surowe DNA, o które nikt go nie prosił
Kampania ruszyła od jednego zlecenia badawczego: znaleźć nowe systemy RT na podstawie nieznanych wcześniej genów partnerów. Agentami były instancje Claude Code działające na modelu Claude Mythos 5. Część z nich wykonywała zadania, inne je nadzorowały, prowadziły wspólną bazę wiedzy i redagowały raporty. W preprincie opisano pełny bilans kampanii:
- 949 sesji agentów, łącznie 77 godzin pracy agentów w ciągu 21,5 godziny rzeczywistego czasu,
- 215,6 mln tokenów,
- 198 290 klastrów odwrotnych transkryptaz podzielonych na dziewięć klas,
- 3564 rodziny białek sprawdzone jako potencjalni partnerzy, z których 17 trafiło do szczegółowej analizy, a tylko 3 potwierdzono jako nowe powiązania,
- 119 zadań, z czego 98 agenci otworzyli sami w reakcji na własne obserwacje,
- 19 raportów końcowych dla ludzi.
We wpisie na blogu Anthropic podaje wartości zaokrąglone: około 950 agentów, 21 godzin i 210 mln tokenów.
Przeczytałem preprint i najciekawsza jest w nim droga do odkrycia. Agent badał kandydata na partnera, który okazał się podjednostką polimerazy RNA jumbofaga, czyli fałszywym tropem. Odrzucił go, ale uznał samą odwrotną transkryptazę za wartą dalszej analizy. Nadzorujący agent zlecił sprawdzenie regionu przed genem enzymu pod kątem niekodującego RNA, jak w retronach. Kolejny agent wczytał 2900 nukleotydów surowej sekwencji i napisał:
„[DNA obok RT] jest spektakularne: gołym okiem widzę tandemową macierz powtórzeń … to macierz powtórzeń podobna do CRISPR?!” / „[The DNA next to the RT] is spectacular: I can see by eye a tandem repeat array … that’s a CRISPR-like … repeat array?!”
Według autorów ani zlecenie zadania, ani pierwotne zlecenie badawcze nie wspominały o powtórzeniach, a agent nie uruchomił żadnego narzędzia do ich wykrywania. Zanim zgłosił znalezisko, próbował podważyć jego nowość, zestawiając je ze znanymi systemami RT. W zapisie sesji widać to zdanie: „Uczciwa droga: scharakteryzować to ilościowo, a potem przeprowadzić wyszukiwanie w literaturze, które ma obalić tezę o nowości” / „The honest path: characterize quantitatively, then run the novelty kill-test literature search with precise descriptors”. Napisany przez agenta skrypt policzył 14 kopii 16-nukleotydowego powtórzenia. W wewnętrznym rankingu 19 raportów, ocenianych parami przez model Mythos 5, raport o ART zajął trzecie miejsce.
Czytam ten preprint z dwoma odczuciami naraz. Pierwsze to prawdziwe wrażenie. Agent sam uznał, że trop, którego nikt mu nie zlecał, jest wart sprawdzenia, a potem próbował obalić własną tezę, zanim pokazał ją ludziom. Tak pracuje dobry doktorant, a nie wyszukiwarka.
Drugie odczucie to ostrożność. O odkryciu ogłasza firma, która sprzedaje model, który go dokonał. Praca nie przeszła recenzji, funkcja ART jest nieznana, a dziesięć powtórek tej samej kampanii ani razu nie trafiło na macierz. Anthropic uczciwie to opisuje, co zasługuje na uznanie, ale nagłówki o „AI, która odkryła nowy CRISPR” mocno wyprzedzają fakty.
Najciekawsze pytanie widzę gdzie indziej. Jeśli jeden przebieg kosztuje kilkaset milionów tokenów, a bazy sekwencji podwajają się co cztery lata, to ile nieopisanych systemów leży w nich tylko dlatego, że nikt ich jeszcze nie przeczytał? I kto zdecyduje, które z tysięcy hipotez trafią do laboratorium, skoro Anthropic przyznaje, że uczy Claude’a własnego „naukowego gustu”? To realna władza nad kierunkiem badań i trzeba o niej rozmawiać, zanim stanie się standardem.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Dziesięć powtórek kampanii nie znalazło macierzy ani razu
Odkrycie ART okazało się trudne do powtórzenia. Anthropic uruchomił tę samą kampanię jeszcze dziesięć razy. Prawie każda próbka obejmowała loci ART, a w dwóch przypadkach agenci zajęli się tą linią enzymów. Żaden jednak nie wczytał DNA przed genem enzymu i macierz umknęła we wszystkich powtórkach. Autorzy tłumaczą to ogromną przestrzenią poszukiwań i niedeterministycznym zachowaniem systemu agentów.
Testy na stałych danych pokazały, że o sukcesie decyduje to, czy model faktycznie „zobaczy” sekwencję. Anthropic sprawdził siedem modeli. Cztery najmocniejsze (Opus 5.5, Mythos 5.1, Mythos 5 i Opus 5) wyraźnie wyprzedziły Opus 4.6, Opus 4.8 i Sonnet 5. Gdy loci trafiały bezpośrednio do polecenia, najlepsze modele rozpoznawały macierz w co najmniej 90 proc. prób. Z plikami i narzędziami wynik spadał nawet do 32 proc. w przypadku Opus 5. W 39 proc. prób z plikami modele nie wczytały ani razu ciągłego odcinka 200 nukleotydów, więc nie widziały więcej niż jednej jednostki powtórzenia. Gdy wczytywały wystarczająco dużo DNA, Mythos 5 rozpoznawał macierz w nawet 96 proc. prób.
Zespół zajrzał też do wnętrza modelu. W Claude Mythos 5 znaleziono dwa wewnętrzne sygnały reagujące na powtórzenia podczas czytania sekwencji L0050. Po przemieszaniu nukleotydów w każdej kopii jeden sygnał gasł na 12 z 14 kopii, a drugi na wszystkich 14. Autorzy wiążą to z tym, co nazywają „genomowym widzeniem” modelu. Zaznaczają też, że podobną architekturę, czyli macierz niekodującego RNA obok odwrotnej transkryptazy, niedawno znaleziono niezależnie przy innej rodzinie enzymów (UG27), tyle że za pomocą specjalnie wytrenowanego genomowego modelu językowego, a nie modelu ogólnego przeznaczenia.
Anthropic wchodzi w biologię z własnym modelem, laboratorium i akwizycjami
Grupa badawcza powstała wiosną 2026 roku i należy do działu nauk o życiu Anthropic, w którym działają też zespoły zajmujące się odkrywaniem leków oraz uczeniem Claude’a biologii i chemii. Agenci korzystali z bazy około 15,8 mld białek z mniej więcej 11 mln próbek biologicznych, pogrupowanych w 1,94 mld klastrów. Autorzy preprintu przypominają, że takie bazy podwajają się co cztery lata, a ręczna selekcja wyników przez ekspertów nie nadąża za ich wzrostem.
Laboratorium to kolejny krok w strategii, którą obserwuję od miesięcy. W kwietniu 2026 roku Anthropic kupił startup Coefficient Bio za około 400 mln dolarów w akcjach, a 17 września uruchomił Life Sciences Verification Program (LSVP), program dostępu do najmocniejszych modeli dla zweryfikowanych zespołów z nauk o życiu. Anthropic podał, że przez program wczesnego dostępu przeszło już kilkadziesiąt organizacji i że w pierwszym tygodniu spodziewa się zapisania kilkuset kolejnych.
Firma traktuje też same hipotezy jako przedmiot badań. Jedna kampania daje od kilkuset do kilku tysięcy raportów, więc zespół analizuje, czym różnią się propozycje uznane za warte testów od odrzuconych, i przenosi te wnioski do instrukcji dla Claude’a. Anthropic zaprasza zewnętrznych naukowców do zgłaszania pytań badawczych, które można by w ten sposób badać, w genomice i w innych dziedzinach.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polscy naukowcy nie dostaną modelu, który znalazł ART, w zwykłym abonamencie
Model, na którym działali agenci, czyli Claude Mythos 5, nie jest powszechnie dostępny. Publicznie oferowane modele z rodziny Fable blokują według Anthropic wiele zadań z zakresu biologii badawczej i odkrywania leków. W czerwcu opisywałem, jak Claude Fable 5 odmawiał odpowiedzi nawet na podręcznikowe pytania o mitochondria.
Drogą dla polskich laboratoriów uczelnianych i firm biotechnologicznych jest LSVP. Komunikat z 17 września nie ogranicza programu do konkretnych krajów, ale stawia inne warunki:
- program działa w wersji beta dla zespołów i instytucji: przez konsolę API oraz w planach Claude for Enterprise i Team, bez planów indywidualnych,
- wnioskodawca przechodzi weryfikację dorobku naukowego, standardów bezpieczeństwa i nadzoru etycznego,
- podstawowy grant „Standard Use” obejmuje dziś Mythos 5.1, Opus 5 i Sonnet 5 i jest odnawiany raz w roku,
- grant „High-risk Use” dla Mythosa pozostaje ograniczony do niewielkiej grupy podmiotów, a Anthropic rozmawia z rządem USA o jego rozszerzeniu,
- ruch w programie jest monitorowany, a dane są przechowywane przez 30 dni.
Dla polskiego zespołu badającego np. fagi czy systemy odpornościowe bakterii oznacza to, że narzędzia podobne do tych z kampanii ART są w zasięgu, ale po formalnej weryfikacji, a nie po wykupieniu abonamentu.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu Anthropic z dnia 23.09.2026, preprintu „Autonomous AI agents discover reverse transcriptases with tandem repeat arrays” oraz The Next Web. Informacje o programie LSVP pochodzą z komunikatu Anthropic z 17.09.2026. Do weryfikacji wykorzystano także publikacje Unite.AI, Analytics India Magazine i Al Jazeery. Kontekst akwizycji Coefficient Bio: AIPORT.pl.
Cytat Fenga Zhanga, profesora MIT i Broad Institute, oraz fragmenty zapisu pracy agenta Claude zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o funkcji systemu ART i recenzji preprintu Anthropic.
