Yapay Zeka İnsan DNA’sını İnceledi: Claude Yeni Bir Enzim Sistemi Keşfetti

Hakan Hasırcıoğlu

25 Eylül 2026

Anthropic tarafından geliştirilen Claude yapay zeka biyoloji keşfi alanında önemli bir adım atarak daha önce tanımlanmamış bir enzim sistemi ortaya çıkardı. Bakterileri enfekte eden virüslerin DNA dizilerini inceleyen model, bilim dünyasında dikkat çeken yeni bir bulguya imza attı.

Array-associated reverse transcriptases (ART) olarak adlandırılan bu sistem, CRISPR yapısına benzerlik gösteren uzun DNA tekrar dizileri içeriyor. Sistemin keşfi, yapay zekanın biyolojik araştırmalarda nasıl bir yardımcı araç olarak kullanılabileceğini gözler önüne seriyor.

Yapay Zeka Destekli Genomik Keşif Süreci

Anthropic, 2026 ilkbaharında temel biyoloji araştırmalarını yürütmek üzere özel bir yaşam bilimleri grubu kurdu. Şirket, San Francisco Körfez Bölgesi’nde oluşturduğu moleküler biyoloji laboratuvarında Claude’un büyük veri kümelerini analiz etmesini sağlıyor.

Today we announced the Claude-led discovery of a molecular machine that we suspect could represent a new gene editing mechanism. Its precise function, biotechnological utility (if any), or level of significance is not yet clear, but at minimum it is work I would have been proud to do as a PhD student. The work was done mostly, though not entirely, by Claude: our life sciences team suggested a broad area of research, Claude read through the literature and a bunch of genome data and discovered something interesting, then Claude proposed experiments to verify the discovery and our team carried them out.

It’s easy to dismiss this as a one-off or curiosity, but we’ve repeatedly seen a pattern where AI performance in new intellectual domains goes from weak to superhuman in a matter of a few years. In 2023 models struggled to do math at the level of an average high-school student. In 2024 they started to do well on math competitions for the best high-schoolers in the country, in 2025 they started to solve minor open problems, in early 2026 more significant open problems, and in late 2026 they are beginning to solve the top few open problems in all of mathematics. We believe AI for biology is on a similar exponential trend.

The main difference between biology and mathematics, of course, is that math can be done purely theoretically, while biology requires experimentation. Some have used this to draw the conclusion that AI’s utility in biology will be limited. We think this is wrong. As we’ve demonstrated today, humans can collaborate with AI to perform the experiments, validate key results in a few weeks and, if necessary, work with the AI to iterate on what they find. Eventually it may even be possible for Claude itself to safely perform the experiments by autonomously controlling lab equipment, with appropriate safeguards in place, but we aren’t doing that today (our lab is also a BSL1/BSL2 facility that doesn’t handle materials dangerous to humans).

More broadly, biomedical advancement has many stages — from fundamental biology discoveries, to translational research, to drug discovery, clinical trials, and finally the actual delivery of medicines and health care to patients. We are also interested in these later stages, but even simply accelerating the first stage of fundamental biological discoveries has the potential to speed up and broaden the entire pipeline. Improving our understanding of biology and sharpening biologists’ tools can drive forward all of the later stages, for example by identifying new drug targets, finding new therapeutic modalities, allowing for more precise measurement, and speeding up the experimental loop which itself further accelerates our understanding of biology. This will not in itself speed up clinical trial times, but if it succeeds it could greatly increase the number of promising candidates that go into the pipeline — an increase in throughput even though latency remains.

In Machines of Loving Grace, I wrote about AI’s potential to “cure most diseases in 5-10 years” — a goal that sounds impossible, but one I believe is just barely possible if AI is applied to every stage of the pipeline. The first step is showing that AI can first help with, and then drive, biological discoveries.

Claude’s discovery is the latest in a line of related prior work that goes back decades, beginning with systems like CRISPR, and continuing with discoveries like the bridge recombinase and VIPR in the past few years. Recently, there has been heightened interest in systems based on reverse transcriptase (RT) enzymes, the enzyme underlying the system Claude identified. And most recently, a Stanford team working independently described a novel RT system with an associated non-coding array that is in some ways similar to the one Claude found, though they are distinct systems that evolved independently from each other. I believe that we’re at the very beginning of finding such systems and developing them into powerful tools for biotechnology.

I’m proud of the resources Anthropic has invested in accelerating the public benefits of AI through the life sciences, and we’re aiming both to grow our life sciences team and to work with other scientists to extend this approach to a broad range of problems. If you have a proposal for a research collaboration or are interested in joining our life sciences team, please reach out.

— Dario Amodei (@DarioAmodei) September 23, 2026

Araştırma sürecinde yaklaşık 950 Claude ajanı, 21 saat boyunca paralel şekilde çalışarak genomik verileri taradı. Bu süreçte toplam 210 milyon token kullanılarak 200 binden fazla ters transkriptaz örneği incelendi.

Claude, bu devasa veri yığını arasından 3.500 yeni sistem adayı belirledi ve daha ayrıntılı analiz için en dikkat çekici 20 adayı seçti. İnsan araştırmacıların haftalarca sürebilecek genom madenciliği çalışmasını, yapay zeka ajanları çok daha kısa bir sürede tamamladı.

Model, genin çevresindeki ham DNA dizilerini tararken düzenli aralıklarla tekrarlanan uzun dizileri fark etti. Yapıyı bilinen sistemlerle karşılaştıran Claude, bilimsel literatürü tarayarak daha önce rapor edilmemiş bir biyolojik sistem adayı için rapor oluşturdu.

Keşfedilen adaylar, laboratuvar ortamında fiziksel deneylere tabi tutulmak üzere insan bilim insanlarına sunuldu. Proteinler standart laboratuvar organizmalarında ifade edilerek biyokimyasal özellikleri araştırıldı.

ART Sisteminin Yapısı ve Geleceği

ART sistemi üç temel parçadan oluşuyor: bir ters transkriptaz, hemen yanında bulunan bir partner gen ve uzun DNA tekrar dizileri. Bu yapı, bakterileri enfekte eden virüsler olan bakteriyofajlarda ağırlıklı olarak bulunuyor.

Sistemdeki ters transkriptazın kendisi daha önceki çalışmalarda tanımlanmıştı. Claude’un katkısı, bu enzimin yanında bulunan kodlamayan DNA dizileri ve işlevi bilinmeyen proteinin aynı sistemin parçaları olduğunu ortaya koymak oldu.

DNA tekrarlarının düzeni CRISPR sistemlerine benziyor ancak ART’ın doğrudan bir gen düzenleme aracı olup olmadığı henüz net değil. Sistemin hangi moleküler işlemleri gerçekleştirdiği ve biyolojik işlevi üzerindeki çalışmalar devam ediyor.

MIT ve Broad Institute profesörü Feng Zhang, ön baskıyı inceleyerek ters transkriptazlarla ilişkili RNA tekrar dizilerinin bilimsel açıdan dikkat çekici olduğunu belirtti. Araştırmacılar, bu sistemin kesme veya kopyalama gibi DNA işlemlerinde rol oynayıp oynamadığını anlamaya çalışıyor.

Anthropic CEO’su Dario Amodei, araştırmanın büyük bölümünün Claude tarafından yürütüldüğünü ancak fiziksel deneylerin insanlar tarafından yapıldığını vurguladı. Laboratuvarda şu an için yapay zeka tarafından yönetilen fiziksel bir deney süreci bulunmuyor.

Amodei, gelecekte güvenlik önlemleri sağlandığında yapay zekanın laboratuvar cihazlarını kontrol edebileceğini ifade ediyor. Bu çalışma, temel biyolojiden ilaç keşfine kadar uzanan geniş bir araştırma zincirinin ilk aşamasını temsil ediyor.

Yapay zekanın biyolojik keşifleri hızlandırması, yeni ilaç hedeflerinin bulunması ve tedavi yöntemlerinin geliştirilmesi açısından umut verici görülüyor. Araştırma ekibi, aynı yöntemi genomik dışındaki alanlara da genişletmeyi hedefliyor.

Sizce yapay zekanın biyolojik araştırmalarda bu denli aktif rol alması, gelecekteki tıbbi keşiflerin hızını ne kadar değiştirebilir?