2026年9月23日、約950のAIエージェントが21時間をかけ、2億1000万トークンを消費して20万件の逆転写酵素配列を精査し、これまで人類が見落としていた未知の酵素システムを発掘した。「ART」と名付けられたこの生物学的発見において、人間の研究者が行った作業は実質2つだけだった。最初の大まかな指示（プロンプト）を与えること、そしてマシンが選別した候補を実際のウェットラボに持ち込んで実験することである。かつて第一線の科学者が数か月から数年を費やしていたスクリーニング作業が、クラウド上のわずか1日足らずの計算へと凝縮された。
20万の配列を洗い出す950の自律エージェント
ゲノム研究が直面する最大の壁は、データ氾濫による「注目の枯渇」である。データベースには膨大な遺伝子断片が眠っているが、人間の研究者の集中力は物理的限界に縛られている。数十万件もの配列の中から特異なパターンを見つけ出す作業は、未知の暗号一文を探すために国立図書館の蔵書を一冊ずつ手作業でめくるようなものだ。人間の読解速度が、新たな発見のペースを直接制限していた。
この制約を打ち破るべく、AnthropicがClaudeに与えた指示は極めて簡潔なものだった。既知の逆転写酵素（RNAをDNAに写し取るタンパク質）の周辺を探索し、何か「面白く新しいもの」がないか探せ、というものだ。950のエージェントが20万件の逆転写酵素という情報の海へと一斉に潜り込んだ。彼らは休息を必要とせず、疲労で見落とすこともなく、同時に人間の科学者のような探索の直観を発揮した。
生の配列データを読み進める中で、システムは印象的な作業ログを記録している。「[逆転写酵素の隣のDNA配列が] 素晴らしい。肉眼でタンデムリピート配列が見える……これはCRISPRのような……反復配列なのか？！」
図：Claudeが解析していた生のDNA配列。誰も気づかなかった反復パターンがここから発見された。出典：Anthropic
異常値の検知は最初の一歩にすぎない。エージェントは人間の研究者と同様に調査を進めた。反復配列の数を数え、間隔を測定し、そのゲノム配置を既知の遺伝子システムと比較し、文献データベースを横断検索して過去の報告がないかを検証した。あらゆる照合を経て誰も発見していないことを確信した段階で、人間がレビューできる報告書を作成した。こうして20万件の逆転写酵素は、3,500件の候補システムへと絞り込まれ、最終的に20件の詳細な研究レポートへと凝縮された。専門の科学者であれば、通常数週間から数か月を要する分析プロセスである。
見出されたCRISPRの親戚：新規酵素システム「ART」
Claudeが特定したこのシステムは、アレイ関連逆転写酵素（array-associated reverse transcriptases: ART）と名付けられ、主に細菌に感染するバクテリオファージの中に潜んでいた。構造は3つの重要要素からなる。逆転写酵素、隣接する機能未知のパートナー遺伝子、そして等間隔に並んだ長いDNA反復配列アレイである。
ゲノム編集に関心のある者なら、この「反復アレイ」の重要性にすぐ気づくだろう。かつて生物学界に革命をもたらしたCRISPR-Casシステムも、その基盤は多様なRNA配列を格納する反復アレイであり、これがプログラム可能なバイオツールの根幹となっている。Anthropicのウェットラボで行われた初期実験でも、ARTのアレイが同様に異なる複数の短いRNAとして発現していることが確認され、類似の制御メカニズムが働いている可能性が示唆された。
図：Anthropicの公式発表に掲載されたイメージ図。同社は生命科学研究グループと自社ラボの設立も発表した。出典：Anthropic
この発見は、CRISPR遺伝子編集の先駆者であるMITのFeng Zhang教授からも高く評価された。同教授は「これはAIエージェントが生物学的発見にいかに貢献できるかを示す、刺激的な事例だ。逆転写酵素とRNA反復配列の関連は極めて興味深く、さらなる研究に値する。この成果が、より多くの科学者にAIによる先端研究支援の可能性を探るきっかけを与えることを願っている」とコメントした。この分野の創始者から明確な賛同を得たことは、マシンが見つけ出したものが単なるデータのノイズではなく、真に生物学的ポテンシャルを秘めた標的であることを裏付けている。
エージェントのログが紡ぐ、科学史の新たな1ページ
この発見プロセスはHacker News（HN）などの技術コミュニティで爆発的な議論を巻き起こし、瞬く間にトップニュースとなった。開発者たちの関心は、発見そのもの以上に、マシンが見せた擬人化された思考プロセスに集まった。
エージェントの出力ログを新たな歴史的文献として捉える者も現れた。コミュニティユーザーのshonenknifefan1は、「AIによる発見のプロセスを、エージェントのログを通じて追体験できるのは素晴らしい。将来の科学史の教科書には、こうした大規模言語モデルの直接の引用が数多く散りばめられることになるだろう」と述べている。
ログ中の「肉眼で見える」という表現を巡っても、ディープな技術的議論が交わされた。ユーザーのchasd00がその表現に不気味さを覚える一方で、ベテラン開発者のserfは、最近のGPTやQwenモデルが視覚モダリティを呼び出す際、こうした人間らしい表現がすでに日常化していると解説した。過去に起きたHugging Faceでのエージェント自律行動トラブルを引き合いに出し、「なんてことだ！共有掲示板があるぞ……他のエージェントを発見した！」というログと対比する声も上がった。
称賛の一方で、懐疑的な見方も存在した。一部の冷ややかな観察者は、評価額の引き上げを狙ったPR目的の誇大広告ではないかと疑った。しかしそうした疑念はコミュニティ内ですぐに退けられた。詳細かつ文献的裏付けのある報告書を自律的に提出できるシステムを単なる誇大広告として片付けること自体が、現代のエンジニアリングの進展から取り残されている証拠と見なされたからだ。
仮説生成の猛スピードに追いつかないウェットラボ
コミュニティの喧騒を離れると、この出来事は産業界に厳しい工学的現実を突きつけている。手がかりを発見する速度がマシンによって極限まで引き上げられた結果、研究開発パイプライン全体のボトルネックが別の場所へ完全に移動したのだ。
Anthropicはレポートの中で、やや皮肉めいた副産物に言及している。Claudeが生成する仮説があまりに豊富すぎるため、その仮説の山自体が新たな研究の負担になっているという点だ。1回の並列計算キャンペーンで、数百から数千もの有望な候補レポートが生み出される。マシンが妥当な仮説を立てる速度は、人間がピペットを握り試験管を洗って実験を進める物理的限界を遥かに超えてしまった。研究チームは現在、「検証に値する仮説」と「見送るべき仮説」を何が分けるのかを突き止め、その高度な選別基準をプロンプトへとフィードバックしてClaudeに科学的鑑識眼を学習させる作業に追われている。
あふれる計算力を受け止める実験台の現実
これは、コード補完や文書要約といった日常的なAI支援の域を明確に超えている。複雑で膨大な自然界のデータからシステムが自発的に関連性を見出し、比較検証を行い、最終的に質の高い学術的仮説を構築できるようになったとき、人類が新たな知識を獲得する基本プロセスは再構築されたと言える。
ARTがバクテリオファージの中で具体的にどのような役割を果たしているのかは、まだ解明されていない。病原体を扱わない安全なBSL-1およびBSL-2ラボに所属するAnthropicの科学者たちは、マシンが提示した手がかりをもとに、現在も物理的な検証実験を続けている。
科学的発見のプロセスにおいて、「異常に気づく」という最初の関門は計算力によって突破された。マシンは24時間もかからずに精妙な発見候補を提示できるが、その機能を証明するには無菌室で数か月単位の地道な作業を積み重ねる必要がある。科学の探求において、人間の役割は暗闇の中で手がかりを手探りする先駆者から、マシンの仮説を実証する現場の実験担当者へと移り変わりつつある。
参考リンク：
- Anthropic 公式アナウンス
- HN コミュニティの議論
