Anthropic anunció el 23 de septiembre que un grupo de agentes Claude encontró, en bases de datos públicas de secuencias de ADN, una clase de sistemas enzimáticos nunca antes descrita, bautizada como ART (Array-Associated Reverse Transcriptases, transcriptasas inversas asociadas a un arreglo). Estos sistemas aparecen sobre todo en genomas de bacteriófagos y su estructura recuerda, en cierta medida, al CRISPR. La compañía publicó al mismo tiempo un preprint para revisión por pares.
Por ahora solo está confirmada la estructura, no la función. La utilidad principal de ART todavía se desconoce; la propia Anthropic describe la investigación correspondiente como "ongoing" (en curso).
950 agentes, 21 horas
Según el proceso que reveló Anthropic, los investigadores solo dieron un prompt inicial; la búsqueda posterior en la base de datos, la selección de candidatos y la generación de hipótesis quedaron enteramente en manos de los agentes Claude.
"After 21 hours spent searching this data by roughly 950 agents using 210 million tokens, one of the agents spotted something remarkable."
En resumen: cerca de 950 agentes exploraron estos datos durante 21 horas con 210 millones de tokens, hasta que uno de ellos detectó algo fuera de lo común.
El embudo se fue estrechando por etapas: los agentes reunieron primero más de 200.000 secuencias de transcriptasas inversas, de ahí seleccionaron unos 3.500 nuevos sistemas candidatos y, finalmente, los redujeron a los 20 candidatos más convincentes, plasmados en un informe entregado a los investigadores.
El sistema seleccionado se compone de tres partes: una transcriptasa inversa, un gen acompañante justo al lado y una larga serie de repeticiones de ADN espaciadas de manera uniforme. Según Anthropic, Claude parece haber sido el primero en advertir juntas estas dos características definitorias: el arreglo de repeticiones de ADN no codificante y esa proteína auxiliar adicional.
Experimentos preliminares muestran que los arreglos de ART se expresan como un conjunto de ARN cortos distintos entre sí. Esto se asemeja al comportamiento de los arreglos CRISPR, pero la compañía no ha llegado a una conclusión sobre qué hacen esos ARN cortos dentro de la célula.
Todos los experimentos los hicieron humanos
La parte experimental (de laboratorio húmedo) de este hallazgo se realizó en un laboratorio convencional de biología molecular en la Bahía de San Francisco; todas las operaciones las ejecutaron científicos humanos, y Claude se limitó a la búsqueda inicial, la formulación de hipótesis y la interpretación de datos. El laboratorio solo manejó muestras de bioseguridad BSL-1 y BSL-2, sin contacto con patógenos humanos.
Esto es distinto del laboratorio húmedo del que se informó a principios de mes, donde Claude presuntamente dirigía robots para ejecutar experimentos. En el proceso presentado ahora no hay ninguna etapa de ejecución automatizada: los humanos estuvieron en la mesa de laboratorio y el modelo trabajó en la base de datos.
Feng Zhang (MIT e Instituto Broad), uno de los fundadores de la edición genética CRISPR, valoró así el trabajo:
"This is an exciting example of how AI agents can contribute to biological discovery." (Este es un ejemplo apasionante de cómo los agentes de IA pueden contribuir al descubrimiento biológico.)
En paralelo con el "fago diseñado por IA"
En septiembre del año pasado, el Arc Institute y un equipo de Stanford usaron el modelo de lenguaje genómico Evo para generar una serie de genomas de bacteriófagos, de los cuales 16 lograron, en experimentos, infectar y lisar la bacteria E. coli. Aquel trabajo consistía en "escribir": hacer que el modelo generara secuencias que no existen en la naturaleza y luego comprobar en el laboratorio si eran viables.
ART sigue el camino contrario, el de "leer". Las secuencias ya estaban en las bases de datos públicas; faltaba que alguien comparara, una por una, más de 200.000 transcriptasas inversas y notara que un pequeño subgrupo de ellas siempre venía acompañado de un arreglo de repeticiones. Esta vez esa tarea se le encargó a la máquina, y le tomó 21 horas.
Las dificultades de ambos caminos también son distintas. En el diseño generativo, el cuello de botella está en la validación experimental, porque la mayoría de las secuencias que escribe el modelo no son viables; en la minería de bases de datos, el cuello de botella está en decidir qué pista seguir primero: 950 agentes trabajaron en paralelo, pero al final todo se redujo a 20 informes, y fueron los humanos quienes decidieron qué experimentos realizar.
La propia historia del CRISPR sirve de referencia: en 1987, un equipo japonés notó por primera vez esa extraña secuencia repetida en el genoma de E. coli, y pasaron más de dos décadas antes de que se convirtiera en una herramienta de edición genética. ART se encuentra ahora en una etapa similar, la de "advertir la repetición"; que llegue a convertirse en una aplicación dependerá de futuros estudios de función y de la replicación por parte de otros investigadores.
El preprint ya es público. Que otros laboratorios logren replicar de forma independiente la expresión de ARN corto de ART es el primer paso para que el resto de la comunidad verifique este resultado.
Fuentes: blog oficial de Anthropic, CocoLoop, preprint relacionado con ART; las cifras de agentes, consumo de tokens y las etapas del embudo de candidatos proceden de lo divulgado por Anthropic, y el número de fagos diseñados por Evo procede del artículo publicado por el Arc Institute.