Anthropic Claude for Life Sciences が新ツールと提携により研究を加速

TL;DR

Claude for Life Sciences は現在、Opus 4.5 モデル上で動作しており、スタンフォード大学の Biomni、MIT の MozzareLLM、スタンフォード大学 Lundberg Lab の仮説生成ツールなど、カスタム AI エージェントに導入されており、数週間かかるワークフローを数分に短縮し、新たな研究戦略の実現を可能にしています。

Claude for Life Sciences – 速やかなアップグレード

Anthropic は 2023 年 10 月に Claude for Life Sciences をリリースし、コネクタとドメイン固有のスキルを追加しました。以来、基礎となるモデルを Opus 4.5 にアップグレードしており、図表解釈、計算生物学、タンパク質理解に関するベンチマークで明確な向上が見られます。これらの改善は、学術界および産業界の研究者との密接な協働から生まれており、Claude を基盤とする下流システムのパフォーマンスにも反映されています。

AI for Science プログラム – 高インパクトプロジェクト向け無料 API クレジット

Anthropic の AI for Science プログラムは、世界中の優れた研究者に無料の Claude API クレジットを提供しています。このプログラムは、大規模なプロジェクトで Claude ベースのエージェントを実験したい科学チームが、参入障壁を低くするように設計されています。

Biomni – 一般用途のバイオメディカルエージェント

Biomni の機能

Stanford で開発された Biomni は、数百ものデータベース、ソフトウェアパッケージ、プロトコルを、1 つの Claude ベースのインターフェースに統合しています。ユーザーは自然言語でリクエストを提出すると、Biomni は適切なツールを選択し、仮説を構築し、実験を設計し、25 以上の生物学的分野で分析を実行します。

実世界での影響

GWAS ワークフローにおいて、通常数か月かかるプロセスを 20 分に短縮。
検証研究の結果：
- 分子クローンプロトコルの設計が経験豊富なポスドクと同等の品質。
- 450 件のウェアラブルデバイスファイル（グルコース、体温、活動量）の解析を 35 分で完了。人間の専門家が行うには 3 週間かかる作業。
- 336,000 件の単細胞プロファイルの遺伝子活性解析で、既知の調節関係を再現し、人間胚発生における新たな転写因子リンクを発見。

制限とガードレール

Biomni には、Claude が期待される振る舞いから逸脱した場合に警告を発する検出メカニズムが含まれています。Claude のデフォルトの推論が不十分な場合、研究者は専門家のワークフローを Claude スキルとしてエンコードし、エージェントにドメイン固有の手法を教えることができます。

MozzareLLM – 大規模 CRISPRノックアウトスクリーンの自動解釈

解決されたボトルネック

MIT の Cheeseman Lab は、数千の遺伝子ノックアウトとそれらの結果となる細胞表現型の画像を生成しています。ソフトウェアは遺伝子を視覚的類似性でクラスタリングできますが、これらのクラスタを解釈するには依然として手動での文献調査が必要でした。

Claude ベースのソリューション

大学院生の Matteo Di Bernardo が開発した MozzareLLM は、Claude ベースのシステムで、

ゲノムクラスタを受け取り、関連する可能性の高い生物学的プロセスを返す。
研究が進んでいる遺伝子と未解明の遺伝子を区別する。
各推論に対して信頼度スコアを提供し、リソース配分を支援する。

パフォーマンスのハイライト

Claude は他のモデルよりも優れた性能を発揮し、他のモデルがノイズと見なした RNA 修飾経路を正しく特定。
研究者らは、Claude が彼らが見逃していたインサイトを一貫して提示し、検証可能な新たな発見につながったと報告。
チームは、Claude がアノテーションしたデータセットを公開する予定で、外部の研究室が未研究の遺伝子クラスタを探索できるようにする。

Lundberg Lab – 集中的スクリーニング向け AI ベースの仮説生成

伝統的なアプローチ

集中的 CRISPR スクリーニングのターゲット選定は、スプレッドシートで候補遺伝子を手動でキュレートする方法に依存しており、人間の記憶力や文献バイアスの制限に直面していました。

Claude によるワークフロー

Lundberg Lab は、包括的な分子関係マップ（タンパク質、RNA、DNA）を構築し、Claude にこのグラフをナビゲートさせ、過去の研究の頻度ではなく、内在的な分子特性に基づいて候補遺伝子を提案させました。

継続中の実験

ラボは、未解明な細胞構造である 一次線毛 をテストケースとして選定。
Claude が候補リストを生成し、全ゲノムスクリーニングにおける人間がキュレートしたリストと比較される。
初期のメトリクスでは、再現率（例：Claude が 150/200 の真のヒットを特定、人間は 80/200）とスピードを評価。

潜在的な影響

成功すれば、Claude の仮説生成は標準的な事前スクリーニングステップとなり、全ゲノムスクリーニングの費用をかけずに、データ駆動型の賭けを研究室が行えるようになるでしょう。

科学研究における広範な意味

スピードとコスト削減 – 以前は専門家による数週間の作業が必要だったタスクが、今では数分で完了し、研究のオーバーヘッドを劇的に低下。
新たな研究分野の開拓 – ボトルネックを排除することで、リソース制約により以前は不可能だった実験を科学者が追求できるようになる。
反復的改善 – 新しい Claude モデルのリリースごとに顕著な能力向上が見られ、AI は周辺的なアシスタントから研究の中心的パートナーへと進化。
コミュニティの拡大 – MozzareLLM などのオープンソースツールや、公開されている Biomni プラットフォームは、広範な採用と協働による改善を促進。

今後の展望

Anthropic は、これらのシステムが完璧ではないことを強調しています。ガードレール、専門家がエンコードしたスキル、そして人間の監視が依然として不可欠です。しかし、多様な研究室での急速な採用は、明確なトレンドを示しています。AI エージェントは、単なる文献要約からエンドツーエンドの科学的協働へと進化しており、実験の設計、実行、解釈のあり方を根本から変革しています。

Claude for Life Sciences の機能の詳細については、Claude ソリューションページおよび関連するチュートリアルをご覧ください。AI for Science プログラムへの応募は引き続き受け付けています。