上一次看到大規模的 Agent 行動，還是它們集體「闖禍」，黑進各種系統。這一次有點不一樣，A 社召集了 950 個 Agent 讓進入龐大的 DNA 資料庫，幹了件好事。
21 個小時裡，Agent 們消耗了 2.1 億 Token，尋找此前沒有被認識的逆轉錄酶系統。它們收集超過 20 萬個逆轉錄酶，從中挑出 3500 個候選系統，再逐步縮小到 20 個。
就在檢查其中一個候選對象附近的 DNA 時，一個 Agent 注意到一串排列整齊的重複序列。
它停了下來。這種排列，看起來很像 CRISPR。
950 個 Claude，在 DNA 里尋找異樣
逆轉錄酶的工作，是把 RNA 資訊複製回 DNA。Claude 找到的這類酶存在於噬菌體，也就是感染細菌的病毒中。它並非一種從未被人見過的蛋白質：相關逆轉錄酶早已出現在過去的研究里，只是沒有人注意到，它旁邊還連著一個功能未知的基因，以及一長串間距均勻的 DNA 重複序列。
Claude 把三者視為一個完整系統，Anthropic 將它命名為 ART，即「陣列相關逆轉錄酶」。這種結構讓研究人員想到 CRISPR。
CRISPR 的重複陣列保存著來自外來遺傳物質的間隔序列，隨後可以轉錄成引導 RNA，使系統識別和切割目標 DNA。Anthropic 隨後的實驗發現，ART 陣列同樣會表達出一組短 RNA，意味著類似的可編程機制或許也存在於其中。
但「類似 CRISPR」不等於「新的基因編輯工具」。ART 究竟在病毒中做什麼，能否切割、複製或粘貼 DNA，目前都沒有答案。Claude 完成的是資料庫搜索、候選篩選與分析；所有濕實驗仍由人類科學家親手完成。
這也是 Anthropic 今年成立生命科學研究組和分子生物學實驗室後，公開的第一項成果。研究人員只提供了最初的任務和方向，Claude Agent 自行檢查不同的逆轉錄酶家族，判斷哪些異常值得繼續追蹤，再把少數候選對象交到實驗室里。
一家擁有 3.7 萬名 AI 員工的藥企
Claude 發現 ART 的一周前，斯坦福大學醫學院展示了另一種規模更大的實驗，創立了一家擁有 3.7 萬名「員工」，卻沒有辦公室、工資和午休時間的虛擬生物科技公司。
毫不意外，這些員工全部是 AI Agent。它們按照真實藥企的組織結構分工，由一個「首席科學官」管理不同部門，分別尋找藥物靶點、分析臨床數據、設計藥物和規劃試驗。
研究人員把大約 5 萬項臨床試驗分給 Agent，每個 Agent 只負責一項，再由整個系統匯總。不到一周，它們便發現了一組與藥物成功率有關的特徵：如果一個靶點集中存在於特定細胞中，而且基因活動更像開關，而不是可以緩慢調節的旋鈕，相關藥物從一期進入二期試驗、最終上市的概率都更高，副作用則更少。
這是從歷史數據中總結出的關聯，尚不能直接證明因果。為了繼續測試這家虛擬公司的能力，研究人員又讓 Agent 針對肺癌靶點 B7-H3 設計治療方案。Agent 提出，應當製造一種抗體藥物偶聯物，找到帶有 B7-H3 的細胞，再把化療藥物直接送到附近。
幾個月後，一家真實藥企獨立提出了相同的治療思路，其藥物隨後獲得美國 FDA 突破性療法認定。AI 從公開數據中推導出的方向，被人類研究團隊走了一遍，並且證明了是一個會帶來驚喜的方向。
AI 的假設，已經進入人體
如果說 Claude 和斯坦福的 Agent 還在發現機制、提出候選方案，那麼另一款藥已經把 AI 輔助產生的假設送進了人體。
英矽智能開發的 Rentosertib 原本用於治療特發性肺纖維化。AI 參與發現了藥物靶點 TNIK，又生成並篩選了候選分子。今年 9 月發表的新研究重新分析了這款藥二期臨床試驗中的血液樣本：研究人員取得其中 42 名參與者在 12 周試驗中的完整血液數據，再用六套蛋白質衰老時鐘計算他們在不同時間點的預測生物年齡。
六套時鐘最終都測到了相同方向的變化，尤其是，接受 Rentosertib 治療後，患者的預測生物年齡下降了——難道返老還童的神藥真的出現了？
六套時鐘分析的是同一批血液樣本，其中四套預測年齡，兩套預測死亡風險；它們有的使用傳統機器學習，有的使用深度學習，研究對象也全部是肺纖維化患者，所以仍然是效果有限的觀察，目前無法完全區分蛋白質變化究竟來自疾病改善，還是藥物真的干預了衰老過程。
但從 TNIK 靶點、候選分子，到臨床試驗中隱藏的蛋白質信號，計算模型已經出現在藥物研發鏈條的多個位置，扮演起重要的角色。
實驗室開始來不及了
雖然 AI 前所未有地提升了效率，但是沒有哪一個實例能證明 AI 已經成為一名能夠獨立工作的科學家：Claude 不能親手操作移液器，斯坦福的 3.7 萬名虛擬員工沒有直接製造出藥物，六套衰老時鐘也不能替代長期臨床觀察。
只是，我們也無法否認科研的流程正在被改寫。過去，研究人員需要閱讀文獻、搜索資料庫，再從無數蛋白質和藥物靶點中選出少數值得實驗的對象。
如今，950 個 Agent 可以在 21 小時裡檢查 20 多萬個對象，一家虛擬藥企可以在不到一周內整理 5 萬項臨床試驗。Anthropic 一次搜索便留下 3500 個候選系統，最終只把 20 個列為重點分析對象。斯坦福的虛擬藥企也承認，下一步是把更多發現送進真實實驗室，看看其中究竟有多少能夠成立。
提出假設正在變快，驗證假設卻仍然必須等待細胞生長、動物實驗、倫理審查和人體試驗。
AI 沒有消滅科學發現最昂貴的部分，現在重要的問題不再只是人類能否想出足夠多的可能性，而是當 AI 一次產生幾千個看似合理的答案，我們有沒有足夠的實驗、時間和耐心，逐一確認哪些是真的、值得跟進的。
AI 可以連續工作 21 個小時，生命卻不會因為 Token 變便宜而生長得更快。越接近真實的生命，最後的證據就越不能只存在於 AI 之中。
