Anthropic Claude for Life Sciences 通过新工具与合作伙伴关系加速研究

TL;DR

运行在 Opus 4.5 模型上的 Claude for Life Sciences 正在被部署于定制化 AI agent 中，例如斯坦福大学的 Biomni、麻省理工学院的 MozzareLLM 以及斯坦福大学 Lundberg Lab 的假设生成器，将长达数周的工作流程缩短至几分钟，并开启了新的研究策略。

Claude for Life Sciences – 快速升级

Anthropic 于 2023 年 10 月发布了 Claude for Life Sciences，增加了连接器和领域特定技能。自那时起，该公司已将底层模型升级至 Opus 4.5，该模型在图像解释、计算生物学和蛋白质理解的基准测试中表现出显著提升。这些改进源于与学术界和工业界研究人员的紧密合作，并体现在基于 Claude 构建的下游系统的性能中。

AI for Science 计划 – 为高影响力项目提供免费 API 额度

Anthropic 的 AI for Science 计划为全球领先的研究人员提供免费的 Claude API 额度。该计划旨在为希望在雄心勃勃的项目中尝试 Claude 驱动型 agent 的科学团队降低准入门槛。

Biomni – 通用生物医学 agent

Biomni 的功能

由斯坦福大学开发的 Biomni 将数百个数据库、软件包和实验方案整合到一个由 Claude 驱动的单一界面中。用户提交自然语言请求；Biomni 会在 25 多个生物子领域中选择合适的工具、制定假设、设计实验并运行分析。

现实世界的影响

  • 在一个 GWAS 工作流中，Biomni 将通常需要数月的过程缩短至 20 分钟。
  • 验证研究显示：
    • 分子克隆实验方案设计与资深博士后水平相当。
    • 完成了 450 个可穿戴设备文件（葡萄糖、温度、活动）的分析，耗时 35 分钟，而人类专家完成该任务需要三周时间。
    • 对 33 6k 个单细胞谱图的基因活性分析重现了已知的调节关系，并发现了人类胚胎发育中新的转录因子联系。

局限性与护栏

Biomni 包含检测机制，用于标记 Claude 偏离预期行为的情况。当 Claude 的默认推理不足时，研究人员可以将专家工作流编码为 Claude skills，从而教导 agent 领域特定的方法。

MozzareLLM – 实现大规模 CRISPR 敲除筛选解释的自动化

解决的瓶颈

麻省理工学院的 Cheeseman 实验室生成了数千个基因敲除及由此产生的细胞表型图像。虽然软件可以根据视觉相似性对基因进行聚类，但解释这些聚类仍需要手动挖掘文献。

Claude 驱动的解决方案

研究生 Matteo Di Bernardo 构建了 MozzareLLM，这是一个由 Claude 驱动的系统，它能够：

  • 获取基因聚类并返回可能共享的生物过程。
  • 标记研究充分与研究不足的基因。
  • 为每个推断提供置信度分数，指导资源分配。

性能亮点

  • Claude 的表现优于其他模型，正确识别出一条被其他模型视为噪声的 RNA 修饰通路。
  • 研究人员报告称，Claude 一致地揭示了他们忽略的见解，从而带来了可验证的新发现。
  • 该团队计划发布 Claude 标注的数据集，使外部实验室能够探索研究不足的基因聚类。

Lundberg Lab – 用于针对性筛选的 AI 驱动假设生成

传统方法

针对性 CRISPR 筛选的目标选择依赖于在电子表格中手动整理候选基因，这一过程受到人类记忆和文献偏见的限制。

Claude 赋能的工作流

Lundberg Lab 构建了一个全面的分子关系图谱（蛋白质、RNA、DNA），并要求 Claude 在该图中进行导航，根据内在分子属性而非既往研究的普遍程度来提出候选基因。

进行中的实验

  • 该实验室选择初级纤毛（一种研究不足的细胞结构）作为测试案例。

  • Claude 将生成一份候选名单，并将其与全基因组筛选中人工整理的名单进行对比。

  • 初步指标将评估召回率（例如，Claude 识别出 150/200 个真实命中点，而人类为 80/200）和速度。

潜在影响

如果成功，Claude 的假设生成功能可能会成为标准的预筛选步骤，允许实验室在无需承担全基因组筛选成本的情况下，对基因靶点进行数据驱动的押注。

对科学研究的更广泛影响

  • 速度与成本降低 – 以前需要数周专家劳动的任务现在可以在几分钟内完成，大幅降低了研究开销。
  • 新的研究途径 – 通过消除瓶颈，Claude 使科学家能够进行以前因资源限制而无法进行的实验。
  • 迭代改进 – 每一个新的 Claude 模型发布都会带来显著的能力提升，使 AI 从外围助手转变为核心研究伙伴。
  • 社区扩展 – 像 MozzareLLM 这样的开源工具和公开可用的 Biomni 平台鼓励了更广泛的采用和协作改进。

展望未来

Anthropic 强调这些系统并非完美无缺；护栏、专家编码的技能和人工监督仍然至关重要。尽管如此，在不同实验室中的快速采用展示了一个清晰的趋势：AI agent 正在从简单的文献摘要转向端到端的科学协作，重塑实验设计、执行和解释的方式。

欲了解更多关于 Claude for Life Sciences 能力的详情，请访问 Claude solutions page 及相关教程。AI for Science 计划的申请仍在进行中。

Sources

相关