AI自主发现类CRISPR新酶系统，张锋点评“值得研究”

早上刷到一条消息Claude在近乎无人干预的状态下自主发现了一个类CRISPR新酶系统张锋转出来说了一句值得研究。我第一反应是放下手里的活把能找到的公开材料翻了一遍然后越想越觉得这件事值得认真拆一拆。不是因为它又一次证明了AI很聪明而是因为它把AI在科研里的角色从帮忙算数据的工具顶到了提出科学问题的人这个位置上。作为一个长期关注基因编辑技术和AI辅助科研的技术从业者我把这个事件的前因后果、科学背景、以及张锋的点评到底有多重掰开揉碎讲清楚。先说结论这件事无论最后这个酶系统能不能变成工具它都是一个值得被记住的节点。它标志着AI自主科研不再停留在论文和Demo里而是真的产出了一个人类还没见过的大自然答案。至于还不知道它能干什么这恰恰不是缺陷而是新发现该有的样子。1. 自主发现四个字水分在哪里干货在哪里1.1 事件还原AI第一次把科研闭环整个跑完了先说这次报道里的关键信息我根据公开资料整理了一下Arc研究所团队与Anthropic合作让Claude在自主模式下做生物研究。Claude的任务不是你给我搜一下数据库里有没有Cas9的同源物而是更接近一个研究生接到的大课题——去宏基因组数据里寻找新型的遗传元件评估它们是什么、可能做什么、值得不值得继续挖。报道里最让我注意的细节是Claude自己完成了提出假设、设计实验方案、分析结果、修正下一步方向这一整套循环。说得直白一点以前我们用AI做科研是人在回路里——AI负责跑数据人负责定方向这次是AI自己定了方向还顺手把活干完了。当然我不是说实验室里真的有个机器人拿着移液枪在干活自主主要体现在计算和决策层面自主筛选数据、自主选择候选序列、自主设计湿实验验证方案。湿实验大概率还是人类研究员动手做但做什么实验为什么做已经是由AI主导的了。这个区别非常关键。以前的宏基因组挖掘本质上是一套人为设定好的搜索流程你告诉BLAST去比对某个已知酶它给你返回一堆同源序列然后人类挨个看。这一轮工作里Claude面对的是开放式的探索任务它自己决定这个家族值得关注那个序列的特征说明它可能是核酸酶。换句话说自主指的是科研决策权的转移不是手部动作的自动化。这一点想清楚了这个事件的真正分量才浮出水面。1.2 类CRISPR新酶系统到底是个什么东西这里补一点基础背景方便完全没接触过CRISPR的读者也能跟上。CRISPR是细菌和古菌的一种适应性免疫系统。细菌被噬菌体感染细菌的病毒攻击之后会把病毒的一小段DNA存进自己基因组的CRISPR阵列里相当于建立了一个通缉档案。下次同一种病毒再来细菌就转录出对应的RNA引导Cas蛋白找到入侵者的DNA并切断它。后来科学家把这个系统改造成了基因编辑工具Cas9蛋白加上一段人工设计的向导RNAsgRNA就能在指定的基因组位置切断DNA。这就是过去十年红遍全球的CRISPR基因编辑技术张锋、杜德娜、沙彭蒂耶等人是其中的核心推动者。那类CRISPR又是什么这个词指的是跟已知CRISPR效应蛋白在进化上相关、结构上相似或者功能上沾边但并不来自典型CRISPR系统的酶。最典型的例子是张锋实验室2021年报道的Casλ以及被称作OMEGA系统的IscB、TnpB家族——它们是转座子编码的RNA引导核酸酶被认为是Cas9和Cas12的远古祖先。说白了大自然在一套系统成熟之前先在旁边留了一批半成品这些半成品就是类CRISPR系统。类CRISPR新酶系统的核心特点有两个词第一是新意味着之前没人表征过第二是类意味着能看出来它和已知的核酸酶家族有关系但又没被归进任何已知的类别里。所以当你听到还不知道它能干什么时不要觉得这是个失败的结果。考古学家挖到一块刻着陌生文字的石碑能判断它是某种古文字体系的后代但还没破译——这就是这次发现的状态吊人胃口又充满信息量。2. 张锋一句值得研究为什么含金量这么高2.1 点评者的位置他本身就是这门手艺的顶级玩家先说张锋是谁这点不能含糊。张锋是MIT教授、Broad Institute核心成员也是把CRISPR-Cas9做成哺乳动物细胞基因编辑工具的头号人物。2013年他率先在哺乳动物细胞里实现了CRISPR基因编辑2016年他又开发了靶向RNA的Cas13系统2021年他实验室一口气报道了Casλ和OMEGA系统把类CRISPR这个概念的版图给画了出来。也就是说张锋不只是一个会评论别人工作的旁观者他是这个领域里真正挖过矿、炼过金的人。他自己的实验室从1987年细菌里那些奇怪的重复序列到今天的庞大基因编辑工具箱一路见证了一个功能未知系统如何变成改变世界的工具。这种情况下他看到AI发现了一个新的类CRISPR酶系统说值得研究这相当于什么呢相当于一个干了三十年矿产勘探的老师傅看到一块石头说这里有矿苗。他不是在发表客套的场面话而是在用自己积累了几十年的判断力背书这不只是又一个巧合而是有研究前景的东西。我特意去留意了一下他原话的语气——不是了不起突破性而是克制的值得研究。这种克制恰恰说明他是真的在评估一个科学线索的价值而不是在做公关表态。2.2 功能未知在科学发现史上其实是优等生的标志大概有人会觉得AI发现了一个没人知道能干什么的东西这算什么成果我反而觉得这正是这则消息最值得关注的部分。翻开科学史你会发现大量今天的基础工具在被发现的那一刻都是不知道能干什么的限制性内切酶1970年代被发现时人们只知道细菌里有种酶能切DNA至于怎么用几年后才被想明白然后它直接开启了基因工程时代。CRISPR序列本身1987年首次被记录时只是大肠杆菌基因组里一段来历不明的重复序列连免疫系统的概念都没有直到二十多年后才被破解成基因编辑工具。就连张锋自己挖出来的Casλ和OMEGA系统刚发现时也谈不上现成的应用现在却在为下一代小型化、低脱靶的编辑工具提供弹药。话说回来如果一个AI发现的东西一开始就能说清楚有什么用途那我反而要怀疑它是不是把数据库里已知的东西重新包装了一遍。真正的新发现必然是还不知道它能干什么的。功能未知是这个阶段的正常状态不是失败状态。它就像拿到一把来路不明的钥匙齿轮上的齿痕已经很清晰了但还没找到对应的锁孔。3. 还不知道它能干什么但我们能期待它什么3.1 基因编辑工具箱是真的缺新工具不是贪多有人会问我们已经有Cas9这个一代神刀了为什么还要不断找新酶这个问题我在这几年的行业观察里被问过太多次。Cas9确实强但它身上的短板也实实在在分子量太大约1368个氨基酸塞进腺相关病毒AAV这种常用递送载体很吃力对PAM序列NGG有严格要求等于在基因组上划出了一片编辑盲区存在脱靶效应在实际治疗场景里这是很敏感的问题基础专利壁垒高商业转化绕不开授权问题。类CRISPR系统恰好可能在几个方向上提供突破体积更小TnpB只有约400个氨基酸意味着更容易递送来自更多样的进化分支可能有不同的PAM要求说不定还有全新的切割特性比如DNA和RNA都能处理。这就好比Cas9是一把大家都会用的瑞士军刀但有些场景需要一把更轻巧的指甲刀有些场景需要一把更精准的镊子。大自然在进化中留下的这些类CRISPR系统本质上是一个未经充分开发的工具库每多挖出一件后续设计编辑工具时手里的积木就多一块。3.2 基因编辑不是唯一出口分子诊断和RNA工具也能受益一个类CRISPR酶系统如果它真的是RNA引导的核酸酶那它的应用想象空间就不仅限于剪基因组。举几个方向诊断Cas13系统已经被用来做SHERLOCK核酸检测技术即通过Cas13识别特定RNA序列然后切割报告分子产生可读信号。如果发现的新型酶切割活性更敏锐、底物兼容性更好完全可能催生新一代分子诊断工具。RNA编辑Cas13也推动了RNA层面的编辑工具有了新酶就可能有新的RNA靶向策略。碱基编辑与先导编辑这两类工具的精髓在于把Cas切口酶作为定位器再接上其他功能蛋白。新酶如果具有合适的DNA结合或切割特性就能为这个定位器家族提供新选项。科研工具链哪怕它最终不适合做基因编辑只要它具备独特的核酸酶/结合活性也能被做成新的实验工具比如特异性切割RNA的试剂、捕获特定核酸序列的探针。当然这些方向目前全都处于如果它是那样的推测阶段。这恰好回答了一个问题为什么一个还不知道能干什么的系统值得追踪因为它的进化位置决定了它有成为工具的可能性剩下的是验证和开发的问题。3.3 从新发现到能用中间隔着一条完整的开发链我必须给所有看到这类新闻就热血上头的读者泼一点冷水从AI发现一个酶系统到它成为你实验室里稳定可用的工具中间隔着一条完整的开发链。按照行业的常规节奏大致是这样的流程序列分析确认新酶的结构域组成、与已知蛋白的进化距离、可能的活性位点异源表达与纯化把基因拿到工程菌里大量表达看蛋白是否稳定折叠体外生化表征在试管里测它的核酸酶活性、切割底物偏好、是否需要辅助因子细胞内功能验证转入真核细胞看它是否真的像预测的那样工作工程化改造调整序列提高活性、降低脱靶、优化PAM选择动物模型与安全性评估进入应用阶段前的最后大关。这六步走完乐观估计也需要以年为单位。所以值得研究的意思是值得投入研究资源而不是马上就能用。4. AI从工具变成科研主体这一步到底变了什么4.1 过去的AI科研再强的引擎方向盘也始终在人类手里把时间往前倒几年AI在生物科研里已经是熟面孔了AlphaFold用深度学习把蛋白质结构预测的精度拉到实验级别的边缘Evo系列模型能直接生成基因组序列RoseTTAFold、ESM等蛋白质语言模型也很能打。但这些工具都有一个共同点它们解决的是人类指定的问题。AlphaFold再强也需要人类告诉它请预测这个蛋白的结构蛋白质语言模型再会生成序列也需要人类设置我要设计一个结合某抗原的蛋白质这个目标。AI是引擎人是方向盘。这种模式下AI做的是计算加速它不会推翻人类的前提也很难主动发现人类根本没想问的东西。AI很强但它在科研链条里的位置是固定的人提出问题AI提供答案。4.2 Claude这次的关键变化假设生成权开始移交了这次报道里Claude做的和上述模式有本质区别。它的起点不是去找某个酶的同源物而是一个相对开放的探索目标。于是它自己做了决定哪些数据值得深挖哪些序列特征暗示着新功能哪个候选线索值得进入湿实验验证。也就是说提出一个有价值的问题这个环节从人类专家手里移交给了AI。这一步的意义在我看来比AI会操作实验设备要大得多。因为科学发现的瓶颈从来不只是算力或数据的堆砌而是假说的质量。一个足够好的、出人意料的研究方向可能价值超过一百次精确但没有新意的实验。过去十年AI领域的统计学习模型也在做预测但它们预测的都是人类框架内的东西。这次Claude做的事情接近于自主设定框架它在大数据里嗅到了一个此前没有类别的系统然后自己去验证它的存在。这已经非常接近科研工作者日常的核心工作了。4.3 这波范式变化会怎么重塑实验室的日常有点心理准备的话未来实验室的工作流大概率会变成这样人类科学家定义研究大方向、资源边界和伦理底线AI负责跑完具体的研究循环——查文献、提假设、设计实验、分析结果、再迭代。人类则把精力集中在评估AI的建议是否靠谱和做那些AI短期做不了的实验上。这听起来很遥远但这个事件恰恰说明它已经在发生。对一个普通实验室而言变化可能比预想来得更快文献综述的活儿AI干得比实习生快一百倍而且不会漏关键论文实验设计的盲区检查AI可以用它读过的海量论文来帮你发现你设计的阴性对照根本不能排除那个替代解释这类问题阴性结果的解读AI因为没有这是我自己的课题的执念反而更容易客观地提出这个实验失败了是因为试剂污染而不是你的假设错了。当然这套模式也有它那根最大的软肋AI的幻觉和过度自信。一个会自信地提出漂亮假说的AI如果没人把关同样会自信地把一个错误结论写进报告。所以人机协作的新分工不是人类退场而是人类换岗——从做实验的执行者变成审核判断的把关人。5. 泼几盆冷水别把自主发现想象成万能钥匙5.1 验证一个AI发现可能花掉一个团队几年时间AI的优势在于高吞吐地提出候选方向但生物学的残酷现实在于每一个候选方向的验证都需要真金白银的湿实验。AI提出十个假说九个可能是错的这个概率一点不丢人——连人类科学家都做不到一半的命中率。但问题是AI提出假说的速度远超人眼验证的速度。这意味着未来实验室的瓶颈很可能会从想法不够多变成值得验证的想法太多来不及验证。这其实是资源配置问题不是AI能力问题。所以当你看到AI做了一个发现的新闻时最该问的不是AI怎么会这么强而是这个发现是否值得团队投入接下来的三年。张锋的值得研究翻译过来可能正是这个意思目前证据足够支撑投入但结论还远远没到盖棺定论的时候。5.2 我追踪这类新闻时的三个习惯分享给你由于工作关系我每周都会看到各种AI科学的爆炸性新闻。看多了之后我给自己定了三个习惯能有效过滤掉大部分水分看原始数据不看转述标题。很多重大突破在看完原始论文之后会发现其实只是一个模拟结果连试管都没碰过。这次事件里至少有公开的实验验证流程可信度加了一档。看一线人物的反应。像是张锋这类真正在这个领域做过硬功夫的人他们愿意说值得研究比十个营销号的颠覆性突破都更有参考价值。反过来的情况我也见过不少某个结果热闹了半个月真正的一线科学家集体沉默基本就不了了之。看是否开源可复现。AI参与的发现如果连数据和代码都不公开那基本无法纳入科学循环。真正有价值的科研合作几乎都会把方法论共享出来让别人复现。5.3 值得立刻开始做的事在你自己的研究里加一层AI协作我不是叫每个人都去训练大模型也不是叫你赶紧去复现这个类CRISPR发现——那个工程量不是普通团队能扛的。我真正想说的是这波变化里普通实验室和从业者最该补的能力是把AI当科研协作者的意识。几个轻量级的做法今天就能开始下次读文献时把你困惑的段落直接丢给AI让它用第一性原理推导出这里可能有几种解释你会惊讶于它能把问题重新拆解得多清楚写实验方案之前让AI扮演一个挑剔的审稿人专门找方案里的逻辑漏洞拿到阴性结果之后让AI给出三个实验失败但假设仍可能成立的解释方向以此打开思路。这些动作都不需要你懂一行代码也不需要你有一张高端API卡只要把心态从用搜索引擎查资料切换成和一个读过海量论文但没做过湿实验的聪明助理商量就会体验到完全不同的工作节奏。6. 功能未知的酶系统恰恰是科学最本真的样子再说回开头那个画面Claude自主发现了一个类CRISPR新酶系统暂时没人知道它能干什么张锋说值得研究。我个人的体会是这件事里最让我感慨的反而不是AI的智商而是功能未知四个字。科学研究里最动人的部分从来不是把已知的事情打磨得更精确而是突然摸到一片未知的边缘。限制酶发现时没人想到它会开启基因克隆CRISPR被记录时没人想到它会成为改写生命代码的工具AlphaFold学会预测结构之前也没人想到AI能用几何约束解决困扰人类五十年的蛋白质折叠问题。这次的类CRISPR新酶系统也是一样。它安静地躺在宏基因组数据的某个角落里不知道存在了多少年等到了被AI翻出来那天。人类还不知道它能干什么但它很可能知道——大自然用它干了一些我们还没理解的事。张锋说值得研究我完全同意。不是因为AI的发现完美无缺而是因为这样一个还没被人类归类的东西放在任何一代科学家面前都值得抬起头来看一眼。我甚至有点羡慕第一个接手这个酶系统、准备花三五年把它彻底表征清楚的研究团队——他们接下来要做的就是标准的基础科研工作把不知道能干什么慢慢变成它能干这些、不能干那些、或许还能这样改造。这个过程会很慢会充满失败的实验和被推翻的假设也会在某个凌晨突然因为一条漂亮的活性曲线而值得了。这就是科学最本真的样子AI可以把发现未知的速度加快但那种面对未知时的谨慎和耐心依然是人类这份工作里最值钱的东西。