Claude ontdekt een onbekend enzymsysteem — wat weten we wel en niet?

TL;DR

• Wat: Anthropic meldt dat hun AI-model Claude een onbekend enzymsysteem heeft gevonden in virus-DNA, met een structuur die doet denken aan CRISPR.
• Waarom relevant: dit is een van de eerste keren dat een AI zelfstandig een biologische ontdekking doet — dat zegt iets over waar AI-gestuurd onderzoek naartoe gaat.
• Wat je ermee kunt: volg hoe AI-gedreven R&D zich ontwikkelt in de life sciences; als je in biotech, agri of voeding zit, kan dit op termijn je innovatiepijplijn raken.

Deze week publiceerde Anthropic-CEO Dario Amodei een bericht dat mijn aandacht trok: hun AI-model Claude zou een moleculaire machine hebben gevonden die mogelijk een nieuw mechanisme voor gene-editing vertegenwoordigt. Ik vind dat een opvallende claim, en ik wilde uitzoeken wat er precies is ontdekt — en wat niet.

Wat heeft Claude gevonden?

Het ontdekte systeem heet ART: array-associated reverse transcriptases. Het zit in bacteriofagen — virussen die bacteriën infecteren — en bestaat uit drie onderdelen: een reverse transcriptase-enzym (een eiwit dat RNA omzet naar DNA), een partnereiwit met onbekende functie, en een reeks regelmatig gespreide DNA-herhalingen.

Die laatste component is interessant, want zulke herhalingspatronen in DNA kennen we ook van CRISPR. Bij CRISPR maken die patronen het systeem programmeerbaar: je kunt er specifieke stukjes genetisch materiaal mee aanwijzen om te knippen of te bewerken. Of ART iets vergelijkbaars doet, is nog niet bekend.

Wat mij opvalt: Anthropic is er zelf behoorlijk voorzichtig over. Amodei schrijft letterlijk dat "de precieze functie, het biotechnologisch nut en het belang nog niet duidelijk zijn." Dat is eerlijk, en ik waardeer dat ze het zo framen. Het is een vondst, geen doorbraak — althans, nog niet.

Hoe werkte het onderzoeksproces?

Hier wordt het voor mij als ondernemer pas echt interessant, want het gaat niet alleen om wát er is gevonden, maar om hoe.

Anthopic zette zo'n 950 Claude-agents in die gedurende 21 uur door enorme DNA-databases ploegden. In totaal verwerkten ze 210 miljoen tokens aan data — vergelijk het met het doorlezen van duizenden wetenschappelijke artikelen en genoomdatasets tegelijk. Het resultaat: meer dan 200.000 reverse transcriptases verzameld, 3.500 kandidaat-systemen geïdentificeerd, teruggebracht tot 20 serieuze kandidaten voor menselijke beoordeling.

Anthropics team schrijft dat dit type analyse menselijke experts normaal weken tot maanden zou kosten. De AI deed het in minder dan een dag.

Belangrijk: het labwerk werd volledig door mensen gedaan. Claude analyseerde data en formuleerde hypothesen, maar de experimenten — het daadwerkelijk kweken van eiwitten, het testen of de DNA-herhalingen als korte RNA's worden afgelezen — dat deden wetenschappers van vlees en bloed.

Een kanttekening bij de herhaalbaarheid

Er is één detail dat ik niet wil overslaan, omdat het nuance geeft aan het verhaal. Volgens meerdere bronnen heeft Anthropic dezelfde zoektocht tien keer opnieuw laten draaien. In geen van die tien herhalingen vond een Claude-agent hetzelfde patroon. Alle tien misten de array.

Ik vind dat een eerlijk maar ook ontnuchterend gegeven. Het betekent dat de oorspronkelijke vondst deels op toeval lijkt te berusten — de juiste agent keek op het juiste moment naar het juiste stuk DNA. Dat hoeft de ontdekking zelf niet minder waardevol te maken, maar het zegt wel iets over hoe betrouwbaar dit proces nu nog is. Als je dit vergelijkt met een team onderzoekers: stel dat je tien keer hetzelfde team dezelfde opdracht geeft, en ze vinden het maar één keer. Dan is de methode nog niet robuust.

Wat zeggen experts?

Feng Zhang, een van de pioniers van CRISPR-technologie en professor aan MIT en het Broad Institute, beoordeelde het voorlopige paper. Hij noemt het "een spannend voorbeeld van hoe AI-agents kunnen bijdragen aan biologische ontdekkingen" en zegt dat de identificatie van RNA-repeat arrays bij reverse transcriptases "oprecht intrigerend" is en verder onderzoek verdient.

Dat is een positief maar voorzichtig oordeel. Zhang zegt niet: dit is de volgende CRISPR. Hij zegt: dit is het onderzoeken waard. Dat verschil is belangrijk.

Ondertussen meldden meerdere bronnen dat er ook een onafhankelijk Stanford-team is dat een vergelijkbaar systeem beschreef — een RT-systeem met een bijbehorende niet-coderende array. De twee systemen zijn volgens Amodei onafhankelijk van elkaar geëvolueerd, wat erop kan duiden dat dit type moleculaire machinerie vaker voorkomt dan gedacht.

Wat betekent dit voor ondernemers?

Laat ik helder zijn: als je een MKB-bedrijf runt, ga je morgen niks anders doen vanwege deze ontdekking. Maar ik denk dat het patroon erachter wél relevant is.

Wat Anthropic hier demonstreert is een werkwijze: AI die enorme hoeveelheden wetenschappelijke data doorzoekt, patronen vindt die mensen over het hoofd zien, en hypotheses formuleert die vervolgens door mensen worden getest. Dat is niet science fiction — dat is een concreet samenwerkingsmodel tussen mens en machine.

Amodei trekt in zijn bericht een parallel met wiskunde. In 2023 konden AI-modellen volgens hem nauwelijks middelbareschoolwiskunde. In 2026 lossen ze de moeilijkste open problemen in de wiskunde op. Hij gelooft dat biologie een vergelijkbare exponentiële curve volgt.

Stel dat je als ondernemer in de agri-food, biotech of farmaceutische toeleveringsketen zit. Dan is dit het soort ontwikkeling om in de gaten te houden — niet omdat je er vandaag iets mee kunt, maar omdat de snelheid waarmee AI wetenschappelijk onderzoek kan versnellen direct invloed kan hebben op hoe snel nieuwe producten, therapieën of ingrediënten op de markt komen.

De bredere lijn

Anthopic heeft dit voorjaar een eigen life sciences-onderzoeksgroep opgericht, inclusief een BSL1/BSL2-laboratorium. Ze zijn niet het enige AI-bedrijf dat deze richting op beweegt. Wat mij betreft is de boodschap: de grote AI-labs investeren nu serieus in het toepassen van hun modellen op wetenschappelijk onderzoek. Dat gaat verder dan chatbots en code schrijven.

Een vondst met open vragen

Ik vind het bijzonder dat een AI-model iets kan vinden in genoomdata dat menselijke onderzoekers eerder hebben gemist. Tegelijk: de functie van ART is onbekend, de herhaalbaarheid van het zoekproces is laag, en het is nog volkomen onduidelijk of dit ooit een praktische toepassing krijgt.

Voor mij is dit vooral een signaal over de richting. Niet over wat AI vandaag kan, maar over hoe snel het vermogen groeit om complexe wetenschappelijke puzzels te helpen oplossen. En dat is iets om scherp op te blijven, ook als ondernemer.