Anthropic рассказала, как исследователи из Stanford и MIT применяют Claude для ускорения биомедицинских исследований. Платформа Biomni из Стэнфорда теперь выполняет полногеномный поиск ассоциаций за 20 минут. Раньше такой анализ занимал месяцы.

Иан Чизман из MIT работает с CRISPR-скринингом. Его команда отключает тысячи генов в миллионах клеток и фотографирует результаты. Программа группирует гены по похожим повреждениям. Но понять, что эти гены делают и почему оказались вместе, должен человек.

Чизман помнит функции примерно 5000 генов. Но анализ одного скрининга все равно занимал сотни часов. Большинство кластеров оставались неизученными. Просто не хватало времени.

Аспирант Маттео Ди Бернардо решил это изменить. Он подробно расспросил Чизмана о методологии. Какие источники тот проверяет, какие паттерны ищет, что делает находку интересной. Потом закодировал этот подход в систему MozzareLLM на базе Claude.

Теперь ИИ анализирует кластеры как сам профессор. Определяет общий биологический процесс, отмечает малоизученные гены, расставляет приоритеты для дальнейшей работы.

При тестировании нескольких моделей Claude показал лучший результат. В одном случае он правильно определил путь модификации РНК, который другие модели отбросили как шум.

Чизман признается, что Claude стабильно замечает то, что он сам пропустил. Каждый раз думает — а я это не заметил. И в каждом случае это открытия, которые можно понять и проверить.

Команда планирует открыть датасеты с аннотациями Claude. Эксперты из других областей смогут исследовать кластеры, до которых у лаборатории не дойдут руки.

Anthropic расширяет программу AI for Science. В рамках нее ученые получают бесплатные API-кредиты для использования моделей Claude.

Случай показывает, как ИИ меняет научную работу. Он не заменяет ученых, а дает им инструмент для анализа данных, на которые раньше не хватало времени. Это открывает путь к открытиям, которые иначе остались бы незамеченными.

Ускорение с месяцев до минут радикально меняет темп исследований. Ученые могут проверять больше гипотез и исследовать больше направлений. Качество анализа при этом не падает, а в некоторых случаях даже растет благодаря способности ИИ находить неочевидные паттерны.