Claude Scienceの文献レビュー実例 — 研究者のデータ解析・図表作成をどう代替するか

Allen Instituteの研究者は、1本に最長2年かかっていた文献レビューを、多エージェント構成のClaude Scienceの導入後は100ページを超えるものを含む約10本まで仕上げています。UCSFの研究チームは、ゲノム疫学の解析を従来の10分の1の時間で終えています。Manifold Bioの研究者は、生データから論文品質の図を1回のセッションで作れるようになったと語っています。Claude Scienceが研究者の日々の作業をどう代替しているかは、この3つの実例にとりわけ具体的に表れています。

Claude Scienceは研究者のどんな作業を代替するか

科学研究は本来、地道な作業の積み重ねです。研究者はPubMed・Jupyter・R・クラスタのターミナルといった道具を渡り歩き、データベースごとに異なるスキーマやファイル形式に合わせてパイプラインを組み直してきました。研究者向けのAIワークベンチとして発表されたClaude Scienceは、この断片化した作業環境を1つの研究環境にまとめる設計です。発表記事はベータ提供の全体像を紹介する記事で、本稿は文献レビュー・データ解析・図表作成という3つの作業実務がどう変わったかを掘り下げます。

利用者が対話するのは汎用の調整役エージェントで、ゲノミクス・単一細胞解析・プロテオミクス・構造生物学・ケモインフォマティクスなど60を超えるスキルとコネクタを使い分けます。調整役エージェントは必要に応じて専門エージェントを立ち上げ、ユーザーが独自に作った専門エージェントとも連携します。生成された成果物の来歴がどう記録されるかはClaude Scienceは再現性をどう担保するかで扱っているので、ここでは実際の作業がどう変わったかに絞ります。

文献レビューをどう変えるか — Allen Instituteの2つの実例

Allen Instituteの神経科学者Jérôme Lecoq氏は、約20個のカスタムスキルからなる多エージェントの「計算論的レビューテンプレート」を構築し、1本に最長2年かかることもあったレビューを、100ページ超のものを含めて約10本仕上げました。構成の詳細は発表記事で紹介されています。

同じAllen InstituteのTrygve Bakken氏(Associate Investigator)は、大部のレビューを組み立てる手前の、日常的な調べものの使い方を挙げています。「生物学の問いを、根拠が揃い仮説を生み、チームの批評にすぐ回せる一次的な文献レビューとゲノム解析に変えてくれる」と評しています。大部のレビューとは別に、日常の問いを最初のたたき台に変える使い方です。この使い方を支えているのが、後段の「文献検索は何を優先して取得するか」で扱う文献取得の仕組みと、「ドメインごとに用意された専門スキルの中身」に出てくる「literature review」スキルです。

データ解析をどう変えるか — UCSFの神経膠腫ゲノム疫学とデータベース連携

UCSF脳腫瘍センターの准教授で疫学者のStephen Francis氏は、神経膠腫(グリオーマ)の生殖細胞系列の解析を、複数手法をまたいでも従来のおよそ10分の1の時間で終え、結果は研究チームが独自に検証済みです。バルクRNAシーケンスデータに紛れていたウイルスの混入も、着手してすぐClaude Scienceに見つけてもらい、「ほぼ1年足踏みしていた問題で、最初に得られた重要な発見の1つになった」と振り返っています。

標的医薬品を手がけるManifold Bioも、標的選定でClaude Scienceに表面発現・輸送特性・安全性を組織と標的ごとに評価させ、自社データから学んだ基準でランキングさせています。汎用のコーディングアシスタントとの違いとして、データ収集から判断までを過去のプログラムの文脈を踏まえて一貫して任せられる点を挙げています。

こうした解析を下支えしているのが、Claude Science自体が備える公共の生命科学データベースへのコネクタです。Ensembl・UCSC(ゲノム)、gnomAD・ClinVar・dbSNP(変異)、GWAS Catalog・FinnGen(ヒト遺伝学)、GTEx(発現)、PDB・AlphaFold・EMDB(立体構造)、PubChem・ChEBI(化学)など十数系統のデータソースが標準で有効になっており、個別にオン・オフを切り替えられます。予測モデルもAlphaFold2・Boltz-2・Chai-1・OpenFold3・ProteinMPNN・DiffDock・Evo 2・scGPT・scvi-toolsなどがスキルとして用意されており、必要な場面でClaudeが自動で読み込みます。

図表作成をどう変えるか — Manifold Bioの再現可能な図

この発言は、図表作成という作業がClaude Scienceでどう変わるかを端的に表しています。生成された図には、それを作ったコード・実行環境・会話履歴が丸ごと紐づくため、数か月後に同じ図を検証したり作り直したりする作業が、ゼロから手順を再現するより大幅に軽くなります。

図に手を入れる操作は、言葉で場所を説明するよりコメント機能のほうが具体的です。Markdown・プレーンテキスト・LaTeX・コードのファイルなら該当箇所を選択し、PDFも同様に選択し、画像や図なら該当の点をクリックしてコメントを残せます。コメントは保存しただけでは送信されず、複数件をためてから次のメッセージと一緒にまとめて送るか、1件ずつ送るかを選べます。Claudeはファイル名・引用箇所・コメント本文をカードとして受け取り、次の応答で図やコードを直接修正します。

ドメインごとに用意された専門スキルの中身

3つの実例が扱ったのは文献レビュー・データ解析・図表作成という切り口ですが、その土台には生命科学の主要領域ごとに用意された専門スキルがあります。単一細胞RNAシーケンス解析では、複数の組織にまたがる数百万個の細胞をクラスタリングして注釈を付け、表面マーカー遺伝子を洗い出しながら、各図をそれを作ったコードまで遡って追跡できます。系統・進化解析では、オルソログをアラインメントして最尤系統樹を推定し、機能残基を系統樹上にマッピングする一連の作業を、1つの再現可能なセッションの中で完結させます。

タンパク質構造の解析では、予測済みの構造を取得し、ドメインや臨床的なバリアントを重ね合わせたうえで、3Dモデルとして対話的に確認できます。ケモインフォマティクスでは、生物活性データを検索し、化合物の物性や類似性を計算しながら、2Dのスケッチャー上で構造そのものを描いたり修正したりする作業まで一続きです。プロジェクトが複数の専門領域にまたがるときは、調整役のエージェントがそれぞれの専門エージェントを組み合わせて対応します。

文献レビュー向けの「literature review」や、臨床応用の検討に使う「indication dossier」のように、作業のまとまりごとに用意された専用スキルもあります。カスタムスキルは、チャットしながら組み立てる・ゼロから書く・ファイルをアップロードする・既存のGitHubリポジトリから取り込む、といった方法で自分でも追加でき、あるセッションのやり方をそのままスキルとして抽出することも頼めます。

文献検索は何を優先して取得するか

文献レビューの土台になるのが文献データへのアクセスです。Claude Scienceは認証情報なしでもオープンアクセスの全文を取得でき、DOIまたはタイトルを渡すと、次の順序で取得を試みます。

1. オープンアクセスの写し(Unpaywall・Semantic Scholar・PubMed Central)
2. CrossRefの全文リンク
3. 鍵を保有している出版社の経路
4. 所属機関のライブラリプロキシ
5. 出版社のページそのもの

有料の文献にアクセスするには、Elsevier・Springer Nature・Semantic Scholar・NCBI・CORE・所属機関のEZproxyといった認証情報を個別に追加できます。ただしどの鍵を追加してもペイウォールそのものを回避するわけではなく、正当な購読・契約の範囲内でアクセス経路が広がるだけです。リクエストは各提供元に対して1秒に1回のペースに抑えられ、ペイウォール後のHTMLをスクレイピングする実装にもなっていません。

汎用コーディングエージェントとの違いはどこにあるか

3つの実例に共通するのは、単発の質問応答ではなく、セッションを通した文脈の保持と、ドメインに合わせた専門エージェントの使い分けです。Manifold Bioが指摘した「過去のプログラムの文脈を踏まえた判断」も、Lecoq氏のチームが約20個のカスタムスキルを組み合わせて仕上げたレビューテンプレートも、1回のプロンプトで完結する作業ではありません。汎用のコーディングアシスタントが生物学について答えられても、パイプラインの実行やクラスタジョブの調整、前回セッションの続きを引き継ぐところまでは踏み込みにくいというのが、Claude Science側の主張です。

Whitehead InstituteでMITの生物学教授も務めるIain Cheeseman氏は、計算生物学を専門としない自分にとって、これまで手が届かなかった解析が現実的になったと述べています。解析を実行し、既存のWebサイトを滑らかに行き来し、科学的な中身を慎重に考慮する点を高く評価しています。

まとめ

Lecoq氏は1本に最長2年かかることもあったレビューを100ページ超のものを含め約10本仕上げ、Bakken氏は日々の問いを最初のたたき台にしています。UCSFのFrancis氏のチームは、複数手法をまたぐ生殖細胞系列の解析を従来のおよそ10分の1の時間で終えています。データ解析はこうした事例に加え、生命科学の公共データベースへのコネクタと予測モデルのスキルが土台になっています。図表作成はコメント機能で図に直接指示を出せるようになり、コードと会話が紐づいた1セッション完結の作業に変わりました。いずれも、断片化したツールを1つの環境にまとめ、セッションを通じて文脈を保持する設計が土台にあります。導入できるプランと対応OSの詳細はClaude Scienceの対応プランと料金にまとめており、成果物の来歴を裏づけるProvenanceとレビューアーの仕組みは前段で触れた記事が扱っています。