本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《AI 新药摸到「返老还童」门槛？3.7 万名 AI 员工组团开药企》
上一次看到大规模的Agent行动，还是它们集体「闯祸」，黑进各种系统。这一次有点不一样，A社召集了950个Agent让进入庞大的DNA数据库，干了件好事。
21个小时里，Agent们消耗了2.1亿Token，寻找此前没有被认识的逆转录酶系统。它们收集超过20万个逆转录酶，从中挑出3500个候选系统，再逐步缩小到20个。
就在检查其中一个候选对象附近的DNA时，一个Agent注意到一串排列整齐的重复序列。
它停了下来。这种排列，看起来很像CRISPR。
950个Claude，在DNA里寻找异样
逆转录酶的工作，是把RNA信息复制回DNA。Claude找到的这类酶存在于噬菌体，也就是感染细菌的病毒中。它并非一种从未被人见过的蛋白质：相关逆转录酶早已出现在过去的研究里，只是没有人注意到，它旁边还连着一个功能未知的基因，以及一长串间距均匀的DNA重复序列。
Claude把三者视为一个完整系统，Anthropic将它命名为ART，即「阵列相关逆转录酶」。这种结构让研究人员想到CRISPR。
CRISPR的重复阵列保存着来自外来遗传物质的间隔序列，随后可以转录成引导RNA，使系统识别和切割目标DNA。Anthropic随后的实验发现，ART阵列同样会表达出一组短RNA，意味着类似的可编程机制或许也存在于其中。
但「类似CRISPR」不等于「新的基因编辑工具」。ART究竟在病毒中做什么，能否切割、复制或粘贴DNA，目前都没有答案。Claude完成的是数据库搜索、候选筛选与分析；所有湿实验仍由人类科学家亲手完成。
这也是Anthropic今年成立生命科学研究组和分子生物学实验室后，公开的第一项成果。研究人员只提供了最初的任务和方向，Claude Agent自行检查不同的逆转录酶家族，判断哪些异常值得继续追踪，再把少数候选对象交到实验室里。
一家拥有3.7万名AI员工的药企
Claude发现ART的一周前，斯坦福大学医学院展示了另一种规模更大的实验，创立了一家拥有3.7万名「员工」，却没有办公室、工资和午休时间的虚拟生物科技公司。
毫不意外，这些员工全部是AI Agent。它们按照真实药企的组织结构分工，由一个「首席科学官」管理不同部门，分别寻找药物靶点、分析临床数据、设计药物和规划试验。
研究人员把大约5万项临床试验分给Agent，每个Agent只负责一项，再由整个系统汇总。不到一周，它们便发现了一组与药物成功率有关的特征：如果一个靶点集中存在于特定细胞中，而且基因活动更像开关，而不是可以缓慢调节的旋钮，相关药物从一期进入二期试验、最终上市的概率都更高，副作用则更少。
这是从历史数据中总结出的关联，尚不能直接证明因果。为了继续测试这家虚拟公司的能力，研究人员又让Agent针对肺癌靶点B7-H3设计治疗方案。Agent提出，应当制造一种抗体药物偶联物，找到带有B7-H3的细胞，再把化疗药物直接送到附近。
几个月后，一家真实药企独立提出了相同的治疗思路，其药物随后获得美国FDA突破性疗法认定。AI从公开数据中推导出的方向，被人类研究团队走了一遍，并且证明了是一个会带来惊喜的方向。
AI的假设，已经进入人体
如果说Claude和斯坦福的Agent还在发现机制、提出候选方案，那么另一款药已经把AI辅助产生的假设送进了人体。
英矽智能开发的Rentosertib原本用于治疗特发性肺纤维化。AI参与发现了药物靶点TNIK，又生成并筛选了候选分子。今年9月发表的新研究重新分析了这款药二期临床试验中的血液样本：研究人员取得其中42名参与者在12周试验中的完整血液数据，再用六套蛋白质衰老时钟计算他们在不同时间点的预测生物年龄。
六套时钟最终都测到了相同方向的变化，尤其是，接受Rentosertib治疗后，患者的预测生物年龄下降了——难道返老还童的神药真的出现了？
六套时钟分析的是同一批血液样本，其中四套预测年龄，两套预测死亡风险；它们有的使用传统机器学习，有的使用深度学习，研究对象也全部是肺纤维化患者，所以仍然是效果有限的观察，目前无法完全区分蛋白质变化究竟来自疾病改善，还是药物真的干预了衰老过程。
但从TNIK靶点、候选分子，到临床试验中隐藏的蛋白质信号，计算模型已经出现在药物研发链条的多个位置，扮演起重要的角色。
实验室开始来不及了
虽然AI前所未有地提升了效率，但是没有哪一个实例能证明AI已经成为一名能够独立工作的科学家：Claude不能亲手操作移液器，斯坦福的3.7万名虚拟员工没有直接制造出药物，六套衰老时钟也不能替代长期临床观察。
只是，我们也无法否认科研的流程正在被改写。过去，研究人员需要阅读文献、搜索数据库，再从无数蛋白质和药物靶点中选出少数值得实验的对象。
如今，950个Agent可以在21小时里检查20多万个对象，一家虚拟药企可以在不到一周内整理5万项临床试验。Anthropic一次搜索便留下3500个候选系统，最终只把20个列为重点分析对象。斯坦福的虚拟药企也承认，下一步是把更多发现送进真实实验室，看看其中究竟有多少能够成立。
提出假设正在变快，验证假设却仍然必须等待细胞生长、动物实验、伦理审查和人体试验。
AI没有消灭科学发现最昂贵的部分，现在重要的问题不再只是人类能否想出足够多的可能性，而是当AI一次产生几千个看似合理的答案，我们有没有足够的实验、时间和耐心，逐一确认哪些是真的、值得跟进的。
AI可以连续工作21个小时，生命却不会因为Token变便宜而生长得更快。越接近真实的生命，最后的证据就越不能只存在于AI之中。
