Perspektiv
AI finder et nyt enzymsystem – men opdagelsen er først virkelig, når laboratoriet kan gentage den
Omkring 950 AI-agenter gennemsøgte biologiske data og pegede på et hidtil ubeskrevet enzymsystem. Det er et markant resultat – men ikke et nyt CRISPR, og heller ikke en opdagelse uden mennesker.
En stor søgning gav ét interessant spor
Anthropic offentliggjorde 23. september 2026 de første resultater fra virksomhedens nye laboratorium for biologisk forskning. Opgaven var at gennemsøge store mængder DNA-data for ukendte familier af reverse transcriptaser – enzymer, der kan kopiere RNA til DNA. Ifølge virksomheden arbejdede cirka 950 Claude-agenter i 21 timer, brugte 210 millioner tokens og samlede mere end 200.000 reverse transcriptaser. De sorterede materialet ned til 3.500 nye kandidatsystemer og derefter 20 rapporter til menneskelig vurdering.
Det interessante spor bestod af en reverse transcriptase, et ukendt nabogen og en længere række gentagne DNA-sekvenser. Forskerne kalder systemet array-associated reverse transcriptases, forkortet ART. Gentagelserne minder i deres opbygning om de arrays, der kendes fra CRISPR-systemer, men det betyder ikke, at ART gør det samme som CRISPR. Ligheden er et argument for at undersøge systemet – ikke et bevis for en bestemt funktion.
Den underliggende reverse transcriptase var set i tidligere forskning. Det nye består ifølge preprintet i at forbinde enzymet med repeat-arrayet og det tilknyttede protein som ét samlet biologisk system. Det er præcis den slags forbindelse, som kan være vanskelig at opdage manuelt i enorme datasæt.
AI var god til bredden – forskerne bar ansvaret
Historien bliver let fortalt som om Claude gik alene ind i et laboratorium og kom ud med en opdagelse. Det skete ikke. Forskerne stillede forskningsspørgsmålet, byggede den tekniske ramme, valgte datakilderne og testede arbejdsformen. De kontrollerede blandt andet, at systemet kunne genskabe kendte resultater, før det fik lov til at lede efter afvigelser.
AI-agenterne var til gengæld stærke på en meget konkret opgave: at læse enorme mængder sekvensdata, gruppere kandidater, sammenligne med litteraturen og skrive rapporter, som mennesker kunne vurdere. Når et mønster så lovende ud, kunne agenterne forfølge det med nye søgninger. Den kombination af stor bredde og vedholdenhed er vanskelig at matche med almindeligt manuelt analysearbejde.
Men et stort antal forslag er ikke automatisk fremskridt. Hvis et system producerer tusindvis af plausible hypoteser, flytter flaskehalsen til udvælgelse og forsøg. Forskerne skal beslutte, hvilke spor der er fagligt interessante, sikre at analysen ikke bygger på fejl, og bruge tid og materialer på laboratorietest. Menneskelig dømmekraft bliver ikke mindre vigtig, fordi maskinen kan foreslå mere.
Hvad er faktisk undersøgt?
Anthropic skriver, at laboratoriet har vist, at ART-arrayet bliver udtrykt som en række korte RNA-molekyler. Det støtter, at arrayet er biologisk aktivt og ikke blot en tilfældig sekvens. Forskerne har også undersøgt systemets opbygning og udbredelse i bakteriofager. Det er relevante fund, men systemets primære funktion er stadig ukendt.
Derfor bør overskrifter om et nyt CRISPR tages med stor forsigtighed. CRISPR er ikke bare et DNA-mønster; systemets funktioner, mekanismer og anvendelser er undersøgt gennem mange års uafhængig forskning. ART kan vise sig at være programmerbart og nyttigt, men det kan også have en langt smallere eller helt anden funktion. Det ved vi ikke endnu.
Rapporten er desuden et preprint. Det giver andre forskere mulighed for at læse metoden tidligt, men den har ikke gennemgået den fagfællebedømmelse, som normalt følger før endelig udgivelse i et videnskabeligt tidsskrift. Uafhængige grupper skal kunne efterprøve både dataanalysen og laboratorieresultaterne.
Det mest interessante er arbejdsdelingen
Selv hvis ART aldrig bliver et praktisk værktøj, er arbejdsformen værd at følge. AI kan gøre den første søgning bredere, dokumentere flere kandidater og lade forskere undersøge spor, som ellers ikke ville blive prioriteret. Laboratoriet leverer modstanden: Naturen svarer ikke høfligt, bare fordi hypotesen er velformuleret.
For virksomheder uden et biologisk laboratorium er læringen genkendelig. AI er mest værdifuld, når den får en tydelig opgave, adgang til afgrænsede kilder og et resultat, der kan kontrolleres uden for modellen. En analyse bør ende i et dokument, en måling, en stikprøve eller en anden test, som ikke afhænger af, at modellen selv erklærer sig korrekt.
Ledelsen bør samtidig være præcis om kredit og ansvar. “AI fandt det” er fængende, men skjuler ofte dataarbejde, værktøjer, faglige valg og praktisk test. En mere ærlig formulering er, at et menneskeligt forskerhold brugte AI-agenter til at finde et mønster, som holdet derefter undersøgte. Det gør ikke resultatet mindre imponerende. Det gør det mere forståeligt.
Tre spørgsmål før vi kalder noget et gennembrud
For det første: Er resultatet gengivet uden for det team og de værktøjer, der producerede det? For det andet: Er den påståede funktion faktisk målt, eller har man kun fundet et lovende mønster? For det tredje: Kan andre få adgang til nok metode, data og kode til at undersøge konklusionen?
Anthropics offentliggørelse giver usædvanligt mange konkrete tal om søgningen, og preprintet gør det muligt at vurdere arbejdet nærmere. Det er positivt. Men den mest ansvarlige konklusion er stadig foreløbig: AI har hjulpet forskere med at identificere et biologisk system, der fortjener mere forskning. Resten skal naturen – og andre forskere – afgøre.
Læs også
Kilder og videre læsning
Anthropic: Claude discovers a novel enzyme system with CRISPR-like repeats – Offentliggørelse 23. september 2026 med beskrivelse af arbejdsform, omfang og foreløbige resultater.
Preprint: Autonomous AI agents discover reverse transcriptases with CRISPR-like repeats – Den tekniske rapport bag offentliggørelsen; endnu ikke fagfællebedømt.
