anthropics/life-sciences

解決的問題

本專案為 Claude Code 提供了一個專門的外掛市集，讓生命科學領域的研究人員能夠將專業研究工具、學術資料庫和生物資訊學工作流程直接整合到他們的 AI 助理中。它彌補了通用大型語言模型與生物研究中高度專門的資料來源及分析工具之間的落差。

運作方式

它利用模型情境協定（MCP）將 Claude Code 連結到外部服務與本地工具。它提供兩種主要類型的擴充功能：

• MCP 伺服器：這些伺服器作為連結 PubMed、BioRender 和 Synapse 等遠端服務的橋樑，讓 AI 能夠搜尋文獻、存取資料管理平台，並與科學插圖工具互動。
• 技能：這些是特定領域的工作流程，例如對單細胞 RNA-seq 資料進行自動化品質管控，或透過 Nextflow 執行 nf-core 生物資訊學流程。

適用對象

• 實驗室科學家：需要執行大規模體學分析，但缺乏深厚生物資訊學訓練的人員。
• 生命科學研究人員：希望簡化文獻搜尋、資料管理與專案構想流程的人員。
• 生物資訊學家：希望將 scvi-tools 等深度學習工具包整合到 AI 輔助工作流程中的人員。

亮點

• 學術整合：直接存取 PubMed、Wiley Scholar Gateway 和 Consensus，以進行實證研究。
• 生物資訊學流程：支援 nf-core 流程（rnaseq、sarek、atacseq）以及用於深度學習體學分析的 scvi-tools。
• 資料標準化：用於將儀器資料轉換為 Allotrope Simple Model (ASM) 格式的工具。
• 策略規劃：基於既有方法論的科學問題選擇與風險評估框架。
• 產業工具：連結 10x Genomics Cloud、Cortellis 和 AdisInsight 等專業平台。