2025 októberében elindult a Claude for Life Sciences — egy olyan csomag, amely csatlakozókat (connectors) és skill-eket tartalmazott, hogy a Claude hatékonyabb tudományos együttműködővé váljon. Azóta Anthropic jelentős fejlesztéseket fektetett be abba, hogy Claude a tudományos munkához a lehető legalkalmasabb modell legyen: az Opus 4.5 kiadás javulást mutatott ábraértelmezés, számításos biológia és fehérjeértelmezési benchmarkokban. Ezek a fejlesztések az egyetemi és ipari kutatópartnerekkel folytatott együttműködésekből származó tapasztalatokat tükrözik.
Párhuzamosan az AI for Science program keretében Anthropic ingyenes API-kreditet biztosít kiemelt kutatóknak magas hatású projektekhez. Az együttműködő kutatócsoportok Claude-ot nem csupán irodalomáttekintésre vagy kódírási segítségre használják: az ügynökök a kutatási folyamat minden szakaszában segítenek — a kísérlettervezéstől és hipotézisalkotástól kezdve az adatelemzésig és a szelektálásig —, sokszor hónapokat hónapokat rövidítve órákra.
Biomni: több száz eszköz és adatforrás egy rendszerben
A biológiai kutatások egyik alapvető problémája a döntésekhez és elemzéshez szükséges eszközök széttagoltsága: több száz adatbázis, szoftvercsomag és protokoll áll rendelkezésre, és a kutatók jelentős időt töltenek ezek kiválasztásával és megtanulásával. A Stanford Egyetem által fejlesztett Biomni egy agentikus AI-platform, amely több száz eszközt, csomagot és adattárat egyesít, és egy Claude-alapú ügynökön keresztül navigálható. A kutatók egyszerű angol utasítást adnak, a Biomni automatikusan kiválasztja a megfelelő erőforrásokat: képes hipotézisalkotásra, kísérlettervezésre és elemzésekre több mint 25 biológiai aldiszciplínában.
Példaként egy genome-wide association study (GWAS) — genetikai variánsok és egy tulajdonság vagy betegség közötti összefüggések keresése — munkafolyamata jól szemlélteti a problémát. A genomfeltérképezés önmagában viszonylag egyszerű, de az adatok tisztítása, a zavaró tényezők kontrollja, hiányzó adatok kezelése és a „találatok” biológiai értelmezése időigényes: minden lépés több eszközt és fájlformátumot igényelhet, és jelentős manuális döntéshozatalt. Egy GWAS hagyományosan hónapokig tart. Az egyik korai Biomni-próbában ugyanaz a feladat 20 perc alatt lefutott.
A Biomni pontosságát a csapat több esettanulmánnyal is validálta. Egyikben molekuláris klónozási kísérletet tervezett; vak értékelésben a protokoll és a tervezés megfelelt egy több mint öt éves tapasztalattal rendelkező posztdok munkájának. Egy másik esetben több mint 450 viselhető eszközből származó adatfájlt (30 személytől, folyamatos glükózmonitorozás, hőmérséklet, fizikai aktivitás keveréke) elemzett 35 perc alatt — ezt emberi szakértő három hétre becsülte. Harmadik vizsgálatban 336 000 egyedi sejtből vett emberi embrió szöveti transzkripciós adatait elemezve a rendszer megerősítette ismert szabályozási kapcsolatokat és új transzkripciós faktorokat azonosított, amelyeket a kutatók korábban nem kötöttek az emberi embriófejlődéshez.
Biomni nem hibátlan, ezért beépített őrségvonalak (guardrails) figyelik, ha Claude eltér az elvárt iránytól. A hiányosságoknál a szakértők „skill”-eket írhatnak, vagyis explicit módon kódolhatják a szakértői módszertant. Az Undiagnosed Diseases Network ritka betegségek diagnosztikájában például a csapat felmérte, hogy Claude alapértelmezett megközelítése eltért a klinikusokétól; interjút készítettek egy szakértővel, dokumentálták lépésről lépésre a diagnosztikai folyamatot, és ezzel javították az ügynök teljesítményét.
MozzareLLM és a Cheeseman-labor: nagy léptékű gén-kiesések automatikus értelmezése
Iain Cheeseman laboratóriuma a Whitehead Institute és a Massachusetts Institute of Technology Biológiai Tanszékén CRISPR-eszközzel több ezer gént ültet ki tízmilliónyi emberi sejten, majd képeket készít, hogy megfigyeljék, mi változik. Ezek az optikai adatok mintázatokat mutatnak: hasonló funkciójú gének hasonló sejtkárosodást okoznak. A lab pipeline-ja, a Brieflow, automatikusan detektálja és csoportosítja ezeket a mintázatokat.
A csoportok biológiai értelmezése viszont továbbra is emberi erőforrást igényel: miért clustering-elik együtt a gének, melyek ismertek vagy kevéssé tanulmányozottak, és melyek érdemesek további vizsgálatra. Egy-egy képernyő több száz klasztert adhat, amelyek nagy része sosem lesz feltérképezve idő- vagy szakértelemhiány miatt. Iain Cheeseman hosszú ideig maga végezte az értelmezést; becslése szerint körülbelül 5000 gén funkcióját tudja fejből, de a munka így is több száz órát igényel.
PhD-hallgató Matteo Di Bernardo Cheeseman módszerét automatizálta: részletesen megértették, milyen adatforrásokat használ, milyen mintázatokat keres, és mitől számít egy eredmény érdekesnek. Az így létrehozott Claude-alapú rendszer MozzareLLM névre hallgat. MozzareLLM egy génklasztert úgy értelmez, ahogy egy szakértő tenné: javasolja a közös biológiai folyamatokat, megjelöli a jól karakterizált és a kevéssé ismert géneket, valamint kiemeli a további vizsgálatra érdemes jelölteket.
Cheeseman azt tapasztalja, hogy Claude gyakran talál olyan szempontokat, amelyeket ő maga elmulasztott: "Every time I go through I’m like, I didn’t notice that one! And in each case, these are discoveries that we can understand and verify," mondta. A rendszer hasznosságát növeli, hogy bizonyossági szinteket is ad az eredményekhez, ami segít eldönteni, érdemes-e további erőforrást fordítani egy adott követésre. Di Bernardo több AI-modellt is tesztelt; egy esetben Claude azonosított helyesen egy RNS-modifikációs útvonalat, amit más modellek zajnak minősítettek.
Cheeseman és Di Bernardo azt tervezik, hogy a Claude által annotált adathalmazokat nyilvánossá teszik, így más területek szakértői is folytathatnák a labor által időhiány miatt el nem követett klaszterek vizsgálatát — például egy mitokondriális kutató elmélyedhet mitokondriális klaszterekben, amelyeket a Cheeseman-csapat jelzett.
Lundberg Lab: AI-alapú hipotézisgenerálás és célzott képernyők előkészítése
Míg a Cheeseman-labor optikai pooled screeninget használ — ami nagy léptékű, de az értelmezésnél akad el —, a Stanfordi Lundberg Lab kisebb, fókuszált képernyőket futtat, és az ő fő szűk keresztmetszetük az, hogy milyen géneket érdemes célozni. Egy fókuszált képernyő költsége jellemzően 20 000 USD fölött kezdődik; ezért a laborok általában néhány száz jelöltgénre szűkítik a listát, amit emberi csoportok egy Google-táblázatban gyűjtenek össze, irodalmi indoklás vagy emlékezet alapján.
A Lundberg-csapat Claude-ot arra használja, hogy a megközelítést megfordítsa: ne a már publikált feltételezések alapján találjanak jelölteket, hanem a molekuláris tulajdonságok és kapcsolatok alapján határozzák meg, mit érdemes vizsgálni. Felépítettek egy térképet minden ismert sejtkomponens molekuláris kapcsolatairól — fehérjék, RNS, DNS kölcsönhatásairól, a kötődési és szerkezeti hasonlóságokról —, majd Claude-ot használják arra, hogy adott céltárgy (például egy sejtszerkezet) esetén a térképen végighaladva jelölt géneket ajánljon.
A labor egy valós kísérletben vizsgálja az eljárás hatékonyságát: olyan témát kellett választaniuk, ahol kevés korábbi kutatás áll rendelkezésre, így a modell nem egyszerűen reprodukálhatna ismert eredményeket. A választás a primer ciliumokra esett — sejtszintű antenna-szerű képletekre, amelyekről még sokat nem tudunk, de szerepük van különféle fejlődési és neurológiai rendellenességekben. A terv egy teljes genomméretű képernyő lefuttatása lesz, hogy megállapítsák, mely gének befolyásolják a cilium kialakulását, és így létrejöjjön a ground-truth összehasonlításhoz.
A tesztben az emberi szakértők a hagyományos táblázatos módszerrel állítanak össze jelölteket, míg Claude a molekuláris kapcsolati térképet használja. A cél összehasonlítani, hogy a Claude által javasolt lista hány valódi ható gént fedez fel a genomszintű eredményekhez képest, illetve hogy mennyivel gyorsabb ez a megközelítés. Ha eredményes, ez a módszer standard előszűrésként szolgálhat fókuszált perturbációs képernyők előtt.
Összegzés és kilátások
Ezek a rendszerek nem tökéletesek, de világosan mutatják, hogy a tudományos közösség hogyan épít be AI-ügynököket mint aktív kutatási partnereket: sokszor jóval többre képesek, mint egyszerű dokumentumszintetizálás vagy kódgenerálás. Egyre több modellkiadás hoz mérhető előrelépést; ahol két éve az AI még főleg kódolásra vagy összefoglalóra volt alkalmas, ma már lassan reprodukálni kezdi azokat a munkafolyamatokat, amelyeket a publikációk leírnak.
Az eszközök fejlődésével párhuzamosan a kutatók tovább finomítják a domain-specifikus guardrail-eket és skill-eket. Anthropic folytatja a Claude for Life Sciences bővítését és az AI for Science programra érkező pályázatok fogadását; a részletekért és oktatóanyagokért a cég dokumentációjára és tutorial-jaira hivatkoznak.
