Prop de 950 agents de Claude van analitzar més de 200.000 transcriptases inverses i van reduir 3.500 possibles sistemes a vint candidats fins a detectar ART, una estranya combinació d’enzim, proteïna i ADN repetitiu que recorda CRISPR i de la qual encara es desconeix la funció.
Claude acaba de travessar una frontera força més interessant que respondre millor una pregunta, escriure codi o resoldre un problema matemàtic. Anthropic assegura que la seva intel·ligència artificial ha participat de manera protagonista en el descobriment d’un sistema enzimàtic fins ara no caracteritzat, amagat en l’ADN de bacteriòfags —virus que infecten bacteris— i acompanyat d’una llarga seqüència d’ADN repetitiu que presenta algunes semblances estructurals amb CRISPR. La troballa no significa que Claude hagi descobert «un nou CRISPR», ni de bon tros una teràpia genètica preparada per ser utilitzada. Els investigadors encara desconeixen quina funció biològica compleix el sistema. Però el procés mitjançant el qual s’ha trobat pot ser tan significatiu com el mateix descobriment: una IA va rebre una orientació científica general, va recórrer enormes bases de dades genòmiques, va llegir literatura especialitzada, va identificar una anomalia que ningú no havia caracteritzat d’aquella manera, va construir una hipòtesi i va proposar experiments que científics humans van portar posteriorment al laboratori.
Anthropic va presentar el 23 de setembre el resultat juntament amb la seva aposta per ampliar la recerca en ciències de la vida. El sistema descobert ha rebut el nom d’ART, sigles d’array-associated reverse transcriptases, o transcriptases inverses associades a matrius. Està format per tres elements que apareixen junts: una transcriptasa inversa, un gen associat que codifica una proteïna de la qual encara es desconeix la funció i una llarga matriu de seqüències repetides d’ADN espaiades regularment. La transcriptasa inversa concreta ja havia aparegut en estudis anteriors sobre un bacteriòfag gegant; la novetat és que Claude sembla haver estat el primer a reconèixer que aquest enzim, la proteïna veïna i la matriu repetitiva podien constituir un mateix sistema biològic. La semblança amb CRISPR resulta suggeridora precisament per aquestes repeticions, tot i que els científics encara són molt lluny de poder afirmar que ART tingui una funció equivalent.
21 hores per buscar una agulla en un paller genòmic
L’escala de l’experiment permet entendre per què la IA pot resultar especialment poderosa en la recerca genòmica. Els científics d’Anthropic no van indicar a Claude on era la troballa ni què havia de trobar exactament. Li van plantejar una tasca àmplia: buscar en una enorme base de dades de seqüències d’ADN exemples interessants i desconeguts de transcriptases inverses, uns enzims capaços de copiar informació genètica des de l’ARN cap a l’ADN. Aproximadament 950 agents de Claude van treballar durant 21 hores i van consumir uns 210 milions de tokens. Van reunir més de 200.000 transcriptases inverses, van identificar al voltant de 3.500 possibles sistemes i van anar descartant candidats fins a quedar-se amb els vint que consideraven més interessants. Per a cadascun van elaborar informes destinats als investigadors humans en què explicaven què havien trobat, quina funció podia tenir i quines evidències sostenien la hipòtesi.
Segons Anthropic, una anàlisi d’aquesta naturalesa pot requerir setmanes o mesos de feina d’un investigador expert. Això no significa que la IA hagi substituït aquestes setmanes de ciència per 21 hores de computació, perquè després calia interpretar el candidat, comprovar que l’observació era real i portar la hipòtesi al laboratori. Però sí que mostra que una de les parts més costoses de la recerca —explorar un oceà d’informació buscant alguna cosa excepcional— es pot comprimir extraordinàriament. La IA pot recórrer en paral·lel quantitats de literatura i dades impossibles d’abastar manualment, descartar milers de candidats poc prometedors i concentrar el treball humà en unes poques possibilitats amb més interès científic.
El més sorprenent va passar quan un dels agents va trobar una anomalia. Mentre analitzava l’ADN situat al voltant del gen d’una transcriptasa inversa poc habitual, Claude va detectar una successió de repeticions espaiades regularment. No era l’objectiu concret que li havien marcat els investigadors, però l’agent va considerar que allò mereixia atenció. Va comptar les repeticions, va estudiar la distància entre elles, va comparar l’arquitectura genètica amb sistemes coneguts i va buscar en la literatura científica si algú havia descrit anteriorment aquella combinació. Finalment va concloure que podia trobar-se davant d’un sistema biològic no caracteritzat i va preparar un informe perquè els investigadors humans el revisessin. Aquest comportament és precisament una de les parts més interessants de l’experiment: la IA no es va limitar a executar una cerca definida prèviament per una persona, sinó que va identificar alguna cosa anòmala, va decidir aprofundir-hi, va buscar evidències i va formular una hipòtesi susceptible de ser comprovada experimentalment.
S’assembla a CRISPR, però encara no sabem què fa
La comparació amb CRISPR és inevitable i, al mateix temps, exigeix molta cautela. CRISPR també va cridar inicialment l’atenció dels científics per unes estranyes seqüències repetitives trobades en microorganismes. Dècades de recerca van permetre comprendre que formaven part d’un sofisticat sistema immunitari utilitzat per bacteris i arqueus contra material genètic invasor. Posteriorment, els investigadors van aprendre a programar aquella maquinària per tallar ADN en llocs específics i la van convertir en una de les eines més importants de la biologia molecular moderna, fins al punt de ser el fonament de noves teràpies genètiques. ART presenta ara una característica visualment suggeridora: al costat de la transcriptasa inversa hi ha una llarga matriu de repeticions d’ADN espaiades regularment. Però semblança no significa equivalència, i encara no hi ha evidències que ART sigui un sistema d’edició genètica.
Els primers experiments realitzats per l’equip han trobat que la matriu ART s’expressa com un conjunt de petits ARN diferenciats. És una dada especialment interessant perquè obre la possibilitat que aquests ARN tinguin algun paper funcional relacionat amb l’enzim. Tanmateix, encara no s’ha demostrat que la transcriptasa inversa d’ART utilitzi aquests ARN, ni quin és el seu substrat, ni quina funció compleix el sistema per al bacteriòfag. Molt menys que sigui programable o que pugui editar ADN. La formulació científicament correcta, per tant, no és que Claude hagi trobat un nou CRISPR, sinó que ha descobert una arquitectura genètica desconeguda amb algunes característiques que recorden famílies de sistemes moleculars que històricament han resultat extraordinàriament interessants per a la biotecnologia.
La peça central d’ART és una transcriptasa inversa, una família d’enzims especialment important en biologia molecular. Mentre que el flux clàssic d’informació genètica va de l’ADN a l’ARN, aquests enzims fan el recorregut invers: utilitzen ARN com a motlle per produir ADN. Durant els últims anys ha augmentat considerablement l’interès científic per les transcriptases inverses presents en bacteris i altres sistemes biològics. Algunes formen part de mecanismes de defensa i d’altres arquitectures moleculars que tot just comencem a comprendre. Anthropic situa ART dins d’una línia científica molt més àmplia que inclou CRISPR i descobriments recents com les bridge recombinases i VIPR, exemples de com l’exploració de l’enorme diversitat molecular de microorganismes i virus pot revelar mecanismes que posteriorment es converteixin en eines biotecnològiques.
La història de la biologia convida a investigar aquestes rareses, encara que no permeti anticipar-ne la utilitat. Els enzims de restricció provenen de sistemes utilitzats pels bacteris per defensar-se dels virus i van acabar proporcionant als científics eines per tallar ADN. La polimerasa Taq, procedent d’un bacteri adaptat a temperatures elevades, va fer possible l’expansió de la PCR com una tècnica fonamental de la biologia molecular. CRISPR va seguir una trajectòria semblant: primer va ser una peculiaritat biològica, després un mecanisme comprès científicament i finalment una eina programable. ART encara es troba en el primer d’aquests esglaons i potser mai no arribarà als següents, però precisament per això constitueix recerca fonamental i no l’anunci d’una aplicació mèdica immediata.
Claude entra en el cicle del descobriment científic
L’aspecte potencialment més rellevant de l’anunci potser no és ART, sinó la manera com Claude ha participat en el seu descobriment. La recerca genòmica s’enfronta a una paradoxa creixent: disposem de quantitats gegantines d’informació biològica, però la nostra capacitat humana per analitzar-la detalladament és limitada. Les bases de dades contenen milions de seqüències genètiques corresponents a organismes, microorganismes i virus, i moltes codifiquen proteïnes de les quals encara desconeixem la funció. En aquest territori, la capacitat d’una IA per treballar durant hores sobre centenars de milers de seqüències, contrastar literatura, classificar famílies, detectar patrons i assenyalar anomalies es pot convertir en una eina científica especialment poderosa.
Un dels fluxos de treball desenvolupats per Anthropic consisteix precisament a demanar a Claude que explori famílies de proteïnes poc caracteritzades. El model comença llegint la literatura científica disponible, reprodueix resultats coneguts utilitzant dades públiques per comprovar que la seva metodologia funciona i després busca membres d’aquestes famílies o gens veïns que no encaixen en cap sistema descrit. La majoria de les hipòtesis acaben descartant-se, i aquest detall és important: la ciència no consisteix simplement a produir moltes idees, sinó a distingir quines mereixen ser investigades. L’abundància d’hipòtesis generades per Claude es converteix així en un altre problema científic, perquè els investigadors necessiten determinar què diferencia una proposta prometedora d’una associació casual o irrellevant i traslladar progressivament aquest criteri al treball del model.
Claude, a més, no va realitzar físicament els experiments. Els agents van explorar les dades, van construir hipòtesis, van analitzar candidats i van ajudar a dissenyar les comprovacions. Quan va aparèixer un candidat prou interessant, científics humans van expressar les proteïnes en soques habituals de laboratori i van dur a terme les anàlisis bioquímiques corresponents. Claude va tornar després a intervenir en la interpretació dels resultats. La divisió del treball resulta significativa perquè qüestiona una objecció habitual sobre la capacitat de la IA per accelerar la biologia: a diferència de les matemàtiques, on determinats problemes es poden resoldre teòricament dins de l’ordinador, la biologia necessita confrontar les hipòtesis amb organismes, cèl·lules, molècules i experiments físics. Però això no significa que la IA hi tingui un paper secundari. Pot reduir enormement l’espai de cerca abans que comenci l’experiment i tornar a intervenir quan arriben els resultats.
Accelerar la ciència sense eliminar el temps de la ciència
Aquesta combinació pot modificar el ritme de la recerca. Un agent pot recórrer bases de dades durant hores, seleccionar candidats i proposar experiments; els científics poden fer les proves durant les setmanes següents; els resultats poden tornar a la IA per generar noves hipòtesis i decidir l’experiment següent. El cicle es repeteix. L’objectiu no consisteix necessàriament a eliminar l’investigador humà, sinó a augmentar el nombre i la qualitat de les hipòtesis que pot provar i reduir el temps dedicat a cerques que acaben en carrerons sense sortida.
Les implicacions van força més enllà del descobriment d’enzims. La recerca biomèdica comença amb coneixement fonamental sobre com funciona la biologia, continua amb la identificació de possibles dianes terapèutiques, passa pel descobriment i desenvolupament de fàrmacs i arriba finalment als assajos clínics i als tractaments. Una IA no pot fer desaparèixer els anys necessaris per comprovar la seguretat i l’eficàcia d’un medicament en éssers humans, però sí que podria augmentar considerablement el nombre de candidats prometedors que arriben al principi d’aquesta llarga cadena. La diferència és important: potser no redueix immediatament la durada d’un assaig clínic, però pot augmentar el volum i la qualitat de les possibilitats que entren al sistema.
Dario Amodei interpreta la troballa dins d’una tesi molt més ambiciosa sobre l’acceleració científica mitjançant intel·ligència artificial. El conseller delegat d’Anthropic sosté des de fa temps que models prou capaços podrien accelerar diferents etapes de la recerca biomèdica i ha plantejat escenaris extraordinàriament optimistes sobre l’impacte de la IA en les malalties durant la pròxima dècada. ART no demostra aquestes prediccions i ni tan sols demostra encara que s’hagi descobert una nova eina d’edició genètica. El mateix Amodei reconeix que la funció precisa del sistema, la seva possible utilitat biotecnològica i la seva importància científica encara no són clares. El que sí que considera rellevant és que la IA hagi estat capaç de recórrer literatura i dades genòmiques, identificar una cosa que els investigadors anteriors no havien caracteritzat com a sistema i generar una hipòtesi prou sòlida per justificar experiments reals.
El descobriment també pot ser una nova manera d’investigar
La història de CRISPR pot provocar una temptació periodística comprensible: presentar qualsevol sistema amb seqüències repetitives i potencial biotecnològic com «el pròxim CRISPR». Les dades disponibles no permeten fer-ho. Anthropic ha obtingut evidències d’una combinació peculiar de transcriptasa inversa, gen associat i matriu repetitiva, i els experiments indiquen que aquesta matriu genera petits ARN. Però encara s’ha de demostrar l’activitat concreta de l’enzim, determinar quines molècules utilitza, comprendre la funció biològica del sistema i establir si existeix alguna capacitat programable aprofitable tecnològicament. Pot resultar que ART acabi sent una eina biotecnològica extraordinàriament útil, que la seva funció sigui científicament interessant però poc aprofitable o que el descobriment condueixi cap a mecanismes completament diferents dels imaginats inicialment. Així funciona la recerca fonamental.
Per això l’experiment mereix atenció fins i tot si ART no arriba mai a utilitzar-se per editar un sol gen. El que és realment nou és el repartiment del treball intel·lectual. Els científics van definir un territori de recerca; Claude va llegir la literatura i va explorar les dades; centenars d’agents van treballar simultàniament sobre diferents possibilitats; un va detectar una anomalia; la IA va decidir investigar-la, va comparar la troballa amb el coneixement existent i va presentar una hipòtesi; els investigadors humans van considerar que valia la pena comprovar-la i van entrar al laboratori; els resultats experimentals van tornar després al cicle d’anàlisi. Encara no som davant d’una IA que gestiona autònomament un laboratori complet, però tampoc davant de científics que simplement utilitzen un cercador més ràpid. Comença a aparèixer un model híbrid en què humans i agents es reparteixen diferents parts del procés científic.
Si aquesta metodologia es generalitza, el canvi pot ser considerable. La literatura científica creix més de pressa del que qualsevol investigador pot llegir, les bases de dades biològiques contenen més informació de la que qualsevol equip pot inspeccionar manualment i la capacitat humana per experimentar continua sent limitada i costosa. Una IA capaç d’explorar aquest espai, descartar milers de carrerons sense sortida i assenyalar unes poques anomalies realment prometedores pot multiplicar l’abast d’un laboratori. El valor no estaria únicament en el fet que Claude «sàpiga biologia», sinó en la seva capacitat per treballar a una escala que cap investigador individual pot assumir i utilitzar després el criteri científic humà per decidir què mereix arribar a una pipeta.
Claude va necessitar 21 hores per recórrer més de 200.000 transcriptases inverses, considerar uns 3.500 possibles sistemes i reduir-los a vint candidats. Entre aquests va trobar ART. Ara comença la part lenta, difícil i decisiva de la ciència: esbrinar si tenia raó quan va considerar que era especial. Encara no sabem què fa aquest estrany sistema amagat dins dels virus que infecten bacteris. Potser acabarà sent simplement una altra curiositat fascinant de l’evolució molecular; potser proporcionarà una nova eina per manipular ADN o ARN. És massa aviat per saber-ho. Però ja sabem una cosa diferent: una intel·ligència artificial ha estat capaç de buscar dins d’una immensitat d’informació biològica, detectar una anomalia que havia passat desapercebuda, convertir-la en una hipòtesi científica i portar investigadors humans fins al laboratori per comprovar-la. La troballa important d’aquesta història pot ser ART, però també pot acabar sent la manera com es va trobar.
