Claude ontdekt een nieuw enzymsysteem: AI-gestuurde wetenschap arriveert
Op 23 september 2026 publiceerde Anthropic resultaten waaruit bleek dat Claude autonoom ART ontdekte — een nieuw enzymsysteem met CRISPR-achtige eigenschappen — na 21 uur analyse door 950 agenten die 210 miljoen tokens gebruikten. Deze les laat zien hoe AI-gestuurde hypothesegeneratie eruitziet en hoe je hetzelfde workflowpatroon in je eigen werk kunt toepassen.
Claude vond iets wat niemand eerder had opgemerkt. In het voorjaar van 2026 gaf Anthropic's nieuwe levenswetenschappelijke laboratorium Claude een enkele, hoogwaardige prompt: doorzoek een enorme database van DNA-sequenties naar interessante nieuwe voorbeelden van reverse transcriptases (RT's — enzymen die RNA kopiëren naar DNA). 21 uur later, nadat 950 agenten 210 miljoen tokens hadden verwerkt, spotte één agent een herhalend DNA-patroon naast een ongebruikelijk RT-gen en schreef: "[Het DNA naast de RT] is spectaculair: ik zie met het blote oog een tandem repeat array … dat is een CRISPR-achtige … repeat array?!"
De ontdekking heet Array-associated Reverse Transcriptases (ART). Claude verzamelde meer dan 200.000 RT's uit de database, verkleinde deze tot 3.500 kandidaatsystemen, en vervolgens tot de 20 meest overtuigende — een proces dat deskundige wetenschappers weken tot maanden kost. ART wordt gevonden in bacteriofagen (virussen die bacteriën infecteren) en heeft drie delen: de RT zelf, een partnergen en een lange reeks gelijkmatig verdeelde DNA-herhalingssequenties. Die herhalingslay-out lijkt op een CRISPR-array. CRISPR is al de basis van gen-editing geneeskunde. Feng Zhang, een CRISPR-pionier aan MIT en het Broad Institute, noemde dit resultaat "werkelijk intrigerend en verdient verder onderzoek."
Wat dit werk mogelijk maakte, was de workflow, niet alleen het model. Het team van Anthropic gaf Claude een doel op hoog niveau en liet agenten autonoom werken — literatuur lezen, bekende resultaten reproduceren om methoden te controleren, korte kandidaatrapporten genereren en zwakke kandidaten in elk stadium kritisch elimineren. Het team gebruikte Claude Science en Claude Code, tools die vandaag de dag voor elke onderzoeker beschikbaar zijn. Hun rol was de initiële prompt en de laboratoriumexperimenten. De rest was Claude. Omdat Claude hypothesen overvloedig genereert, werden de evaluaties van het team een feedbacksignaal: wat ze leerden over welke kandidaten het waard waren om te testen, ging terug in de volgende prompt, waardoor Claude leerde hun wetenschappelijke smaak na te bootsen.
Je hebt geen moleculair biologisch laboratorium nodig om dit patroon te gebruiken. De kernworkflow — een domein onderzoeken, kandidaatrapporten genereren, zwakke kandidaten elimineren, je evaluatiecriteria terugkoppelen naar de prompt — werkt overal waar je een grote ongestructureerde dataset en een hypothese hebt die het waard is om te testen. Juridische precedentenonderzoek, financiële documentanalyse, literatuuronderzoek, concurrentie-informatie: het patroon is overdraagbaar. Definieer de familie van dingen waarnaar je zoekt. Vraag Claude om eerst bekende resultaten te reproduceren om de methode te verifiëren. Vraag om korte rapporten die een functie voorstellen en het bewijs beschrijven. Evalueer wat de nuttige kandidaten onderscheidde van de ruis — en geef die criteria vervolgens terug aan Claude voor de volgende run.
Wat je nu kunt doen. Claude kan grootschalige hypothesegeneratie uitvoeren over datasets — in de biologie en in elk veld met veel ongestructureerde informatie. De ART-ontdekking toont drie praktijken die direct overdraagbaar zijn: (1) geef Claude een zoekdoel op hoog niveau met een duidelijke familie om te onderzoeken en vraag het om aan te geven wat buiten bekende patronen valt, (2) vraag om korte kandidaatrapporten die een hypothese en het bewijs daarachter vermelden — niet alleen een lijst, en (3) voer je evaluatie van welke kandidaten nuttig waren terug in de volgende prompt. De lus tussen jouw oordeel en de breedte van Claude is waar de waarde ligt.