Anthropic Claude for Life Sciences 透過新工具與合作夥伴關係加速研究

TL;DR

Claude for Life Sciences 現已運行於 Opus 4.5 模型，並正部署於各種自定義 AI agents 中，例如史丹佛大學的 Biomni、麻省理工學院的 MozzareLLM 以及史丹佛大學 Lundberg Lab 的假設生成器，將長達數週的工作流程縮短至數分鐘，並實現了新的研究策略。

Claude for Life Sciences – 快速升級

Anthropic 於 2023 年 10 月推出了 Claude for Life Sciences，增加了連接器與領域特定技能。自那時起，該公司已將底層模型升級至 Opus 4.5，這在圖表解讀、計算生物學和蛋白質理解的基準測試中展現出顯著的增益。這些進步源於與學術界和工業界研究人員的密切合作，並反映在基於 Claude 構建的下游系統性能中。

AI for Science 計畫 – 為高影響力專案提供免費 API 額度

Anthropic 的 AI for Science 計畫為全球領先的研究人員提供免費的 Claude API 額度。該計畫旨在為希望在雄心勃勃的專案中嘗試 Claude 驅動型 agents 的科學團隊降低進入門檻。

Biomni – 通用型生物醫學代理

Biomni 的功能

Biomni 由史丹佛大學開發，將數百個資料庫、軟體套件和協定整合到單一的 Claude 驅動介面中。使用者提交自然語言請求；Biomni 會在超過 25 個生物子領域中選擇適當的工具、制定假設、設計實驗並執行分析。

實際影響

  • 在一個 GWAS 工作流程中，Biomni 將原本需要數個月的過程縮短至 20 分鐘。
  • 驗證研究顯示：
    • 分子克隆協定設計與資深博士後的研究水平相符。
    • 完成了 450 個穿戴式裝置檔案（葡萄糖、溫度、活動量）的分析，耗時 35 分鐘，而這項任務若由人類專家執行則需要三週。
    • 對 336k 個單細胞圖譜的基因活性分析重現了已知的調節關係，並發現了人類胚胎發育中的新轉錄因子關聯。

限制與護欄

Biomni 包含檢測機制，用於標記 Claude 偏離預期行為的情況。當 Claude 的預設推理不足時，研究人員可以將專家工作流程編碼為 Claude skills，從而教導代理執行領域特定的方法。

MozzareLLM – 自動化大規模 CRISPR 敲除篩選的解讀

解決的瓶頸

麻省理工學院的 Cheeseman 實驗室會產生數千個基因敲除以及隨之產生的細胞表型圖像。雖然軟體可以根據視覺相似性對基因進行聚類，但解讀這些聚類仍需要手動進行文獻挖掘。

Claude 驅動的解決方案

研究生 Matteo Di Bernardo 開發了 MozzareLLM，這是一個 Claude 驅動的系統，可以：

  • 接收一個基因群組並回傳可能的共同生物過程。
  • 標記研究充分與研究不足的基因。
  • 為每個推論提供信心分數，以指導資源分配。

性能亮點

  • Claude 的表現優於其他模型，正確識別出一個被其他模型視為雜訊的 RNA 修飾路徑。
  • 研究人員報告稱，Claude 持續呈現出他們錯過的洞察，從而帶來了可驗證的新發現。
  • 團隊計畫發布 Claude 標註的資料集，使外部實驗室能夠探索研究不足的基因群組。

Lundberg Lab – 用於針對性篩選的 AI 驅動假設生成

傳統方法

針對性 CRISPR 篩選的目標選擇依賴於在試算表中對候選基因進行手動整理，這一過程受到人類記憶力和文獻偏見的限制。

Claude 賦能的工作流程

Lundberg Lab 構建了一個全面的分子關係圖（蛋白質、RNA、DNA），並要求 Claude 在此圖譜中進行導航，根據內在分子特性而非先前研究的普及程度來提出基因候選者。

進行中的實驗

  • 實驗室選擇了初級纖毛（一種研究尚不充分的細胞結構）作為測試案例。

  • Claude 將生成一份候選清單，並將其與全基因組篩選中人工整理的清單進行對比。

  • 初步指標將評估召回率（例如，Claude 識別出 150/200 個真實命中點，而人類為 80/200）和速度。

潛在影響

如果成功，Claude 的假設生成功能可能會成為標準的預篩步驟，讓實驗室能夠在無需進行昂貴的全基因組篩選的情況下，對基因目標進行數據驅動的押注。

對科學研究的更廣泛影響

  • 速度與成本降低 – 以前需要數週專家勞動的任務現在可以在幾分鐘內完成，大幅降低了研究開銷。
  • 新的研究途徑 – 透過消除瓶頸，Claude 使科學家能夠進行以前因資源限制而無法進行的實驗。
  • 迭代改進 – 每個新的 Claude 模型版本都會帶來顯著的能力提升，使 AI 從外圍助手轉變為核心研究夥伴。
  • 社群擴展 – 像 MozzareLLM 這樣的開源工具和公開可用的 Biomni 平台，鼓勵了更廣泛的採用與協作改進。

展望未來

Anthropic 強調這些系統並非完美；護欄、專家編碼的技能和人類監督仍然至關重要。儘管如此，在不同實驗室中的快速採用展示了一個清晰的趨勢：AI agents 正從簡單的文獻摘要轉向端到端的科學協作，重塑實驗設計、執行與解讀的方式。

欲了解更多關於 Claude for Life Sciences 能力的細節，請參閱 Claude 解決方案頁面 及相關教學。AI for Science 計畫的申請目前仍在進行中。

Sources

相關