2026年9月23日、AnthropicはClaudeが未知の酵素システム「ART（array-associated reverse transcriptases）」を発見したと発表しました。
探索に投入されたのは約950のClaudeエージェント。21時間あまりで2億1,000万を超えるトークンを使い、20万を超える逆転写酵素から約3,500の候補を抽出しました。Anthropicは、この探索を2026年春に立ち上げた生命科学研究グループと自社ラボによる初期成果の一つとして位置づけています。
その途中、あるClaudeエージェントは逆転写酵素の近くにあるDNA配列を読み、「spectacular」と反応します。そこには目で見ても分かるほど規則的なタンデムリピートが並んでいました。
Claudeは反復の数と間隔を測り、既知のシステムと比較し、同じ構造が過去に報告されていないか文献を検索。未知の生物学的システムではないかという仮説を人間の研究者へ提出しました。
ただし、この話にはいくつか留保があります。
Claudeが調べていた逆転写酵素そのものは2021年の学術論文ですでに報告されていました。同時期には別の研究グループも、別系統の逆転写酵素の近くに反復する非コードRNAアレイを独立に発見しています。さらにAnthropicが同じ探索を10回やり直したところ、ARTは一度も再発見されませんでした。
Claudeはいったい何を「発見」したのでしょうか。
今回の発表を、新しい酵素が一つ見つかったというニュースだけで読むと、研究プロセスで起きた変化を取りこぼします。大量の既存データを探索し、異常を拾い、自分で追加調査を組み立て、仮説として人間へ渡すところまでAIが担当したからです。
Claudeが発見した「ART」とは何か
ARTは「array-associated reverse transcriptases」の略称です。
中心にある逆転写酵素（RT）は、RNAをもとにDNAを作る酵素です。ARTでは、このRTに加えて隣接するpartner geneと、等間隔に並ぶ長いDNA反復配列がまとまって存在します。主にバクテリオファージ、つまり細菌に感染するウイルスから見つかりました。
反復配列の配置が連想させるのがCRISPRです。
CRISPR-Casでは、反復配列を含むアレイから作られるRNAが標的の認識に使われます。Anthropicの初期実験では、ARTの反復配列からも複数の短いRNAが発現することが確認されています。
現時点でARTの主要な機能は分かっていません。
CRISPRに似た配列構成があるからといって、DNAを狙って切断できることや、遺伝子編集へ利用できることまで確認されたわけではありません。
CRISPR研究の第一人者の一人であるFeng Zhang氏も、RNA反復配列と逆転写酵素の組み合わせは興味深く、追加研究に値すると評価しています。新しい遺伝子編集技術へのお墨付きというより、調べる価値のある未知のシステムという段階です。
「950エージェント」は950人の研究者という意味ではない
Anthropicの公式ブログでは「roughly 950 agents」と表現されていますが、技術報告では実際の規模は949 agent sessionsです。
内訳は、探索を行うworkerが414、監督役のsupervisorが375、候補を整理するcuratorが107、レポートをまとめるeditorが52、全体を起動するlaunchが1。950体ほどのClaudeが横一列に並んで同じ作業をしたわけではなく、役割の異なるセッションが階層的に動いていました。
公式ブログでは20万を超えるRTから約3,500の候補システムを抽出し、「20の有力候補」まで絞ったと説明されています。技術報告では集計方法がもう少し細かく分かれており、ブログの丸めた説明とは数字に若干の差があります。大枠としては、大量探索から数十件規模の詳細調査へ絞り込んだキャンペーンです。
950という数字を「950人の科学者」と置き換えることもできません。
研究者はデータを見るだけでなく、研究テーマを選び、実験を設計し、予想外の結果を解釈し、限られた時間や資金をどこへ使うか判断します。
今回大きく増えたのは、同時に探索できる候補の数です。
workerが探索し、supervisorが結果を評価して次の仕事を振り、curatorが候補を整理し、editorが人間向けの報告書へまとめる。この仕組みは、一体のAIの能力だけでなく、AIエージェント同士をどう組織するかが研究能力を左右することも示しています。
Claudeが「気づいた」のはどこだったのか
ARTは最初から「反復配列を探せ」という課題として与えられたものではありません。
ClaudeはRTを探索する過程で一つの系統を詳しく調べ、その周辺の生のDNA配列まで読みました。
そのときに出た言葉が「spectacular」です。
RTの隣には規則的なタンデムリピートがあり、ClaudeはCRISPRに似た反復アレイではないかと疑いました。その後、反復数や間隔を測り、既知のRTシステムと配置を比較し、文献検索へ進んでいます。
Anthropicは発見後、モデル内部の活性化についても解析しています。
技術報告では、Claude Mythos 5がART配列を読んだ際、反復部分に対応して反応する内部シグナルが観測されたとしています。モデル内部に反復配列を識別するような表現が存在していたことを示す結果です。
ただし、このシグナルがART発見を因果的に引き起こしたと証明されたわけではありません。モデルが配列を読んだときに反復部分へ特徴的に反応していた、という範囲の結果です。
それでも、Claudeの「spectacular」という出力だけを人間らしいリアクションとして読むより、内部でも配列の規則性に対応した反応が観測されていたという情報のほうが、発見プロセスを考える材料になります。
それでも「Claudeが発見した」と言い切れるのか
ARTの背景を追うと、2021年のJournal of Virology論文に行き着きます。
Abby M. Korn氏らは、黄色ブドウ球菌に感染する3種類のジャンボファージを比較し、その一つMarsHillにあるgp206を解析しました。
gp206は501アミノ酸からなるタンパク質で、C末端にはretron-like reverse transcriptaseドメインがあります。研究者はDGR（diversity-generating retroelement）との関係も調べましたが、DGRに特徴的な構成要素は確認できませんでした。
さらに、gp206の上流には約1,200塩基対の非コード領域があります。Kornらは、そこにレトロエレメントに関連する非コードRNAが含まれる可能性を考えていました。
論文には、今回の発見を知ったあとに読むと気になる記述もあります。
当時、細菌のレトロエレメントの一部が抗ファージ防御に関わり、エフェクタータンパク質と組み合わさる例が知られ始めていました。しかしMarsHillのRTの近くには、それに相当する明確なエフェクター遺伝子が見つかりません。
Kornらは、もしこのRTが抗ファージシステムとして機能しているなら、エフェクターをコードする遺伝子がMarsHillゲノム上で分離してしまった可能性まで考察していました。
5年後、ClaudeがARTとして拾った構成には、RTだけでなく、隣接する機能不明のpartner geneと長い反復配列が含まれていました。
このpartner geneがKornらの想定したエフェクターそのものだとは確認されていません。ARTの機能自体がまだ未解明だからです。
それでも、2021年の研究者が「このRTだけでは説明しきれない要素があるかもしれない」と考えていた周辺をClaudeが掘り下げ、別の構成要素を含むシステムとしてまとめた形になります。
Anthropicの技術報告もKornらの論文を直接引用し、元のゲノム報告ではRTと5’側の非コードRNA候補までは示されていた一方、反復配列とpartner geneは記述されていなかったと整理しています。
「未知の酵素をゼロから発見した」という説明では広すぎます。
既存のゲノムに記録されていた要素から、これまで一つのシステムとして認識されていなかった関係を見つけ、仮説として提示した、というのが現在の資料から確認できる範囲です。
Claudeだけが「RT＋反復配列」に気づいたわけでもない
新規性を考えるうえで、もう一つ外せない研究があります。
Stanford大学などのDavid B. Li氏らは2026年9月23日、ゲノム言語モデルを使って原核生物の非コード領域を探索する研究をbioRxivへ公開しました。研究チームは「Minerva」という手法を使い、UG27と呼ばれる別系統の逆転写酵素の近くに、構造的に保存された非コードRNAの反復アレイを発見しています。
これはARTそのものではありません。
対象となるRT系統も異なり、ARTで報告されたpartner geneを含む同一システムを発見した研究でもありません。
一方で、「逆転写酵素の近くに反復する非コードRNAアレイが存在する」というアーキテクチャが、別の研究チームからほぼ同時期に独立して報告されたことになります。
Anthropicの技術報告もこの研究を引用し、類似する配置が自然界で複数回独立に生じている可能性に触れています。
したがって、Claudeだけが世界で初めて「RTと反復配列の組み合わせ」という発想へ到達した、とまで広げることはできません。
ARTとしての新規性は、特定のRT系統、partner gene、反復アレイを一つの未報告システムとして認識した部分にあります。
同じ探索を10回やり直すと、ARTは一度も見つからなかった
「AI研究者」という評価を考えるうえで、技術報告にある再実行実験はかなり大きな材料です。
AnthropicはARTを発見したキャンペーンのあと、同じ探索をさらに10回実行しました。
結果は0回。
10回の再実行では、どのClaudeもARTの反復アレイを再発見できませんでした。ARTの系統そのものへ到達した試行もありましたが、最初の成功時のようにRT上流の生DNA配列を直接読むところまで進まず、反復配列を見逃しています。
最初の発見では、一つのエージェントが「上流のDNAを直接読む」という探索経路へ入りました。
同じモデルと同じ研究課題を使っても、その分岐が毎回起こるわけではありません。
この結果から「ClaudeがARTのようなシステムを安定して発見できる」とはまだ言えません。
逆に、Claudeが反復配列そのものを認識できないわけでもありません。
ART配列を最初からモデルへ直接渡した固定条件のテストでは、高性能モデルは高い割合で反復アレイを認識しました。一方、ファイルとツールを使って自分で調べる条件では成績が低下し、そもそも十分な長さの生DNAを読まない試行が多くありました。
難しかったのは「見れば分かるか」だけではなく、「見るべき場所へ自分で到達するか」でした。
研究能力を評価するとき、知識量やパターン認識能力だけでは測れない部分です。
人間とClaudeはどこまで仕事を分けたのか
Anthropicによると、最初にARTを発見したキャンペーンで人間が直接関与したのは初期の指示と、その後のラボ作業です。
Claude側がデータ探索、候補選択、追加分析、文献との比較、レポート作成を進めました。ウェットラボでの実験は現在も人間の科学者が担当しています。
Anthropicの研究システム全体を見ると、人間の判断はかなり残っています。
Claudeは大量の仮説を生成します。そのため研究者は、どの候補を実験する価値があると判断したのかを分析し、その結果を次のClaudeへの指示へ反映しています。
Anthropicは、この作業を人間研究者の「scientific taste」をClaudeに模倣させる試みとして説明しています。
研究テーマの設定、限られた実験資源をどこへ使うかという選択、物理的な実験、最終的な科学的評価は人間側に残っています。
ARTを再発見できなかった10回の試行を見ると、もう一つ課題が加わります。
一度成功した探索手順を安定して再現することです。
独立した研究者と呼ぶなら、面白い発見を一度するだけでなく、なぜそこへ到達したのかを理解し、その方法を次の探索でも利用できる能力が必要になります。
これまでの「科学AI」と何が違うのか
AIが科学研究に入ること自体は新しくありません。
Google DeepMindのAlphaFoldはタンパク質の立体構造を予測し、AlphaFold Protein Structure Databaseでは2億を超える構造予測が公開されています。
AlphaEvolveはGeminiを使ってプログラムを生成し、自動評価器で性能を測りながらアルゴリズムを改善します。Googleのデータセンター運用やTPU設計、AIモデルの訓練にも成果が導入されています。
科学AIの役割を大まかに並べるなら、
答えを予測するAI → 与えられた問題を探索するAI → 探索の途中から次に調べる問題を見つけるAI
という流れが見えてきます。
境界は明確ではありません。AlphaEvolveも新しいアルゴリズムを発見しますし、AlphaFoldの予測結果から人間が新しい研究課題を得ることもあります。
ART探索で特徴的なのは、生の配列に異常を見つけ、その異常について次に何を確認するかまでClaudeが組み立てたことです。
ただし10回の再実行では、その研究上の分岐を再現できませんでした。
「問題を見つけるAI」が一度現れたことと、それを安定した能力として利用できることの間には、まだ距離があります。
フェルマー最終定理の形式化と比べると違いが見える
Anthropicは2026年9月4日、Claudeによるフェルマーの最終定理の形式化も発表しています。
Claudeは11日間かけてLeanによる完全なコンピューター検証可能な証明を作り、最終証明では2万9,500の中間定理を使用しました。数十のClaudeエージェントが参加し、約60億の出力トークンが使われています。
Anthropic自身が説明しているように、この成果の新規性は新しい数学的証明の発見ではありません。
Andrew Wilesらによる既知の数学を、Leanが一歩ずつ機械検証できる形式へ落とし込んだ部分です。
フェルマーの最終定理では、
既知の数学的知識 → Claudeによる形式化 → Leanによる検証
という流れでした。
ARTでは、
既存のゲノムデータ → Claudeによる異常検出 → 未知システムの仮説 → 人間による実験
となります。
一方は既知の知識を厳密に検証できる形へ変換し、もう一方は既存データから未報告の仮説を作りました。
数学では、AIによるGenerationやVerificationが速くなっても、人間が結果を理解し、既存の数学へ位置づけるDigestionが別の仕事として残るという問題もあります。
当サイトの「AIが数学を解きすぎる？テレンス・タオが語る『理解』の問題」でも、この違いを扱っています。
生物学では、さらに実験という現実世界の工程が加わります。
配列上でどれほど説得力のある仮説を作れても、ARTが実際に何をしているのかは実験で確かめる必要があります。
「AI研究者」が成立するためにまだ足りないもの
Claudeは今回、研究者が行ってきた作業の一部をかなり広く担当しました。それでも、独立した研究者と呼ぶには残っている仕事があります。
一つは研究テーマを選ぶことです。
ART探索では、人間が逆転写酵素という対象を決め、Claudeへ興味深いRTを探す課題を与えました。生命科学全体の中からClaude自身が「RTを研究しよう」と決めたわけではありません。
もう一つは、仮説から実験、結果の解釈、次の実験までを閉じた形で繰り返すことです。Anthropicのラボでは物理的な実験を人間が担当しています。
研究対象の優先順位を決める能力も残ります。
候補を1,000個作れても、研究者の時間や実験装置まで1,000倍にはなりません。大量に生成された候補から、どこへ資源を投入するかを選ぶ必要があります。
そしてARTの再実行実験からは、探索の再現性という課題も見えます。
一度うまくいった研究経路を、次の実行でも安定して選択できるか。
「面白い問いを見つける能力」が偶然に近い頻度でしか現れないなら、大規模にエージェントを動かすことで発見数を増やせても、一体のAI研究者としての信頼性とは別に評価する必要があります。
950エージェントが変えるのは「知能」より「研究速度」かもしれない
ARTを一度しか再発見できなかった事実は、950エージェントという数字の読み方も変えます。
一体のClaudeが安定して未知システムを発見できる能力を持っていた、という結果ではありません。
多数の探索経路を走らせた中から、一つが有望な分岐へ入り込んだ結果です。
これは成果を小さくする話でもありません。
研究では、候補の大半が最終的に何も生まないことがあります。
人間だけなら「面白いかもしれないが、一つずつ追うには時間がかかりすぎる」と後回しになる候補でも、AIエージェントなら大量に並列探索できます。
MarsHillのRTは、この構図をよく表しています。
2021年の研究者はRTを発見し、その上流の非コード領域を記録し、エフェクタータンパク質の可能性まで考察しました。ただし論文の目的は、この一つのRTだけを徹底的に調査することではなく、3種類のジャンボファージ全体の比較でした。
人間の研究者が単純に「見落とした」わけではありません。研究にはテーマも時間もあり、見つかった異常をすべて最後まで追うことはできません。
Claudeのようなエージェント群は、論文やデータベースの中で主役にならなかった情報を大量に再訪できます。
しかも今回の949セッションは、ただ同じ作業を複製したのではなく、worker、supervisor、curator、editorという役割に分けられていました。
AIによって科学が速くなるとすれば、モデル一体が突然「天才科学者」になることだけが経路ではありません。
失敗しても安価にやり直せる探索を何百、何千と走らせ、その中の少数の有望な経路を人間の実験へ接続する。
ARTは、その研究スタイルが実際に一つの発見候補を生み出した事例です。
AIは「研究者」になれるのか
ARTの主要な機能はまだ分かっておらず、詳細な研究報告もプレプリント段階です。追加実験は続いています。
さらに、類似するRT＋反復ncRNAアレイは別の研究チームからも独立に報告され、Anthropic自身の再実行では10回すべてARTを見逃しました。
今回だけで独立した「AI科学者」が誕生したとするのは早いでしょう。
一方で、Claudeが担当した作業を検索の高速化だけで説明するのも難しくなっています。
大量の候補を調べ、異常な配列を見つけ、その異常について追加分析を選び、文献と照合して未知システムという仮説を作るところまで進んだからです。
今回確認できた能力には、もう一つ特徴があります。
発見できることと、安定して発見できることは別でした。
ARTの配列を見れば反復を認識できても、自律探索の中でその配列を読む場所まで毎回たどり着けるわけではありません。
研究テーマの設定、実験、限られた資源をどの仮説へ投入するかという判断も、まだ人間に大きく依存しています。
それでも研究という仕事を工程ごとに分ければ、探索、観察、仮説生成、文献確認の一部はすでにAIエージェントが担当しています。
ARTの事例が示した現在地は、「AIが研究者になった」という地点ではありません。
人間が決めた研究領域の中で、多数のAIエージェントが探索し、その一部が人間でも追っていなかった問いを見つけるところまで来た、という段階です。
よくある質問
ClaudeはARTという酵素をゼロから作ったのですか？
いいえ。
ARTの中心となる逆転写酵素は自然界のバクテリオファージに存在しており、2021年の論文ですでに報告されていました。Anthropic自身も、基礎となるRTが過去研究で知られていたことを明記しています。
Claudeが新たに認識したとされるのは、RT、隣接するpartner gene、長いDNA反復配列を一つの未報告システムとして結びつけたことです。
RTが以前から知られていたなら、何が「発見」なのですか？
2021年の研究ではRTだけでなく、上流の非コード領域まで確認されていました。さらに、抗ファージ系ならエフェクター遺伝子が別の位置に存在する可能性も考察されています。
一方、反復配列とpartner geneを含むARTという構成は報告されていませんでした。
既知の部品から、それまで一つのシステムとして認識されていなかった関係を見つけたことが今回の新規性です。
2021年に予想されたエフェクターがClaudeのpartner geneなのですか？
現時点では確認されていません。
Kornらは抗ファージシステムである場合の可能性としてエフェクター遺伝子を考察しましたが、ARTの主要機能自体がまだ不明です。
今回見つかったpartner geneを、そのエフェクターと同一視することはできません。
別の研究チームも同じものを発見したのですか？
同じARTを発見したわけではありません。
Stanford大学などの研究チームは、別系統のUG27逆転写酵素の近くに反復する非コードRNAアレイを発見しました。「RT＋反復ncRNA」という似た構成が独立に見つかったことになります。
ARTでは特定のRT、partner gene、反復アレイを一つのシステムとして報告している点が異なります。
Claudeは同じ条件なら毎回ARTを発見できますか？
今回の技術報告ではできていません。
Anthropicが同じ探索キャンペーンを10回再実行したところ、10回とも反復アレイを見逃しました。再実行では、最初の成功時のようにRT上流の生DNA配列を読むところまで進まなかったと報告されています。
ARTはCRISPRの代わりになる技術ですか？
現時点では分かりません。
ARTにはCRISPRを思わせるDNA反復配列があり、初期実験ではそこから短いRNAが発現することも確認されています。しかしARTが何をしているのかはまだ解明されておらず、遺伝子編集へ利用できることも示されていません。
今回の研究は査読を受けていますか？
詳細な研究報告はプレプリントとして公開されており、査読済み論文ではありません。ARTの主要機能についても追加実験が続いています。
参考・参照元
Anthropic「Claude discovers a novel enzyme system with CRISPR-like repeats」（2026年9月23日）
Anthropic公式発表
Anthropic / Yoon et al.「Autonomous AI agents discover reverse transcriptases with tandem repeat arrays」（2026年9月）
Anthropic公式発表から技術報告PDFを参照できます。
David B. Li et al.「Coevolutionary mining of prokaryotic non-coding elements with a genome language model」（bioRxiv, 2026）
bioRxivプレプリント
Abby M. Korn et al.「Comparative Genomics of Three Novel Jumbo Bacteriophages Infecting Staphylococcus aureus」（Journal of Virology, 2021）
Anthropic「Formalizing Fermat’s Last Theorem」（2026年9月4日）
Anthropic公式研究記事
Google DeepMind「AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms」
Google DeepMind公式発表
