Claude Scienceとは何か——Anthropicが放つ「研究室のClaude Code」、その正体と製薬業界を狙う本当の理由

リリース基本情報を一枚にまとめると、こうなる。

ここからは、この表の一つひとつを深掘りしていくで。「Claude Scienceって結局なんなん？」を、専門外の人でも腹落ちするように順を追って説明するわ。

Anthropic自身が公式FAQで明言しとる。「いいえ。Claude Scienceはパブリックベータのアプリであって、モデルではありません。あなたのプランに含まれる同じClaudeモデルを使います。新しいのはモデルの”周り”のすべて——科学ツール、データベース接続、計算統合です」。つまり、賢さの源泉はいつものClaude（Opus 4.8など）のまま。変わったのは、その賢さを”研究の現場でそのまま使える形”に整えたことや。

具体例で考えてみよか。これまで研究者がClaudeに「このゲノムデータを解析して」と頼んでも、Claudeは会話の中で「こういうコードを書けばいいですよ」と”提案”するだけやった。実際にパイプラインを走らせたり、専門データベースを叩いたり、クラスタにジョブを投げたりはできひんかった。Claude Scienceは、その「提案止まり」の壁を超える。計画を立て、必要なリソースにアクセスする前に許可を求め、承認されたらジョブを書いて自分の手元のHPCやModalアカウントに投げ、結果を持ち帰る——ここまでを一気通貫でやる。WorthvieWの表現を借りれば「研究室版のClaude Code」や。

もうひとつ重要な設計思想が「監査可能なアーティファクト（auditable artifacts）」や。Claude Scienceが生成する図表や原稿には、その裏側のコード・計算環境・平易な説明・全メッセージ履歴がまるごと同梱される。「なんでこの数字が出たん？」を後から完全にトレースできる。専任のレビュアー・エージェントが並走して、引用や計算をチェックし、おかしな参照・追跡不能な数値・コードと合わない図を見つけて修正までする。科学論文の査読・再現性という、研究の生命線を意識した作りやね。

Claude Scienceは、ゲノミクス・単細胞解析・プロテオミクス・構造生物学・化学情報学といったライフサイエンスの主要領域に、最初から専門エージェントを備えて出荷される。自然言語で質問すると、専門サブエージェントが下記のような専門ソースを横断して検索・統合してくれる。研究者が一つひとつのDBの独自スキーマやクエリ言語を覚える必要がない、というのが売りや。

さらに計算パワーの部分では、NVIDIAとの提携が効いとる。Claude ScienceはNVIDIA BioNeMo Agent Toolkitのスキルを使って、ライフサイエンス向けモデル群——タンパク質言語モデルEvo 2、構造予測のBoltz-2、フォールディングのOpenFold3——にネイティブ接続する。NVIDIAによれば、トップ20製薬企業のうち18社がBioNeMoを使っており、業界標準の計算基盤にClaudeが乗り込んだ形や。NVIDIA Parabricks（ゲノム解析を数時間→数分に短縮）やnvMolKit（化学情報処理を最大3,000倍高速化）といった加速ライブラリも、エージェントの”手足”として呼び出せる。

タンパク質の折りたたみ（フォールディング）や、巨大データセットに対するゲノミクス・パイプラインのような重い計算も、Claude Scienceが面倒を見る。ジョブを設計し、走らせ、成否を確認し、結果を引っ張ってくる——研究者が「計算のお守り」から解放される。1個のGPUから数百GPUまでスケールできる。

地味やけど効くのが「セッション記憶」や。エージェントはコンテキストをメモリに保持したまま動くので、巨大データセットも一度読み込めば済む。しかも任意の時点でセッションを”フォーク（分岐）”して、別のアプローチを元のスレッドを失わずに試せる。研究の「あっちも試したいけど、こっちのデータを消したくない」というジレンマを、セッション分岐で解決するわけや。実際にGladstoneのSean Whalen研究員は、この仕組みでゲノムブラウザをゼロから数日で組み上げたと報告しとる。

大規模解析の一番のストレスは「計算ジョブのお守り」や。クラスタにジョブを投げて、待って、成否を確認して、結果を引っ張る——この往復に研究者の集中力が削られる。Claude Scienceはこれを自動化する。計画をドラフトし、新しいリソースに触れる前に必ず許可を求め、承認後にバッチスクリプトを書いてSSH経由で自前のHPCクラスタ、あるいはModalアカウント（GPUオンデマンド）にジョブを投入する。しかも1GPUから数百GPUまで必要に応じてスケールする。重要なのは、これがラボ自身のインフラ上で走ること。巨大データや機密データがラボの外に出ない設計になっとる。

科学の知識は何百もの専門ソースに散らばっとる。生物学だけでもUniProt（タンパク質）、PDB（構造）、Ensembl（ゲノム）、Reactome（経路）、ClinVar（臨床変異）、ChEMBL（化合物）、GEO（発現）……それぞれ独自のスキーマとクエリ言語を持つ。Claude Scienceは自然言語の質問を受けると、専門サブエージェントがこれら全部を横断して検索・統合する。さらにNVIDIA BioNeMo Agent Toolkitを通じて、Evo 2・Boltz-2・OpenFold3といった生体分子モデルにネイティブ接続。たとえば「既知のがん抗原変異」から出発して「多数の候補阻害剤を設計して」と頼めば、BioNeMoとNVIDIA NIMマイクロサービスが高スループットの阻害剤予測・最適化・検証を加速する、という具体的なワークフローが公式に示されとる。

科学の世界で最も大事なのに、最も面倒なのが「再現性」や。「その図、どうやって作った？」「そのp値、元データは？」に答えられない研究は信用されへん。Claude Scienceは、生成するあらゆる成果物（図表・原稿）に、基盤コード・計算環境・平易な説明・全対話履歴を同梱する。数ヶ月後でも、他人が見ても、完全に追跡・再現できる。並走するレビュアー・エージェントが引用や計算を常時チェックし、間違った参照・追跡不能な数値・コードと矛盾する図を見つけて直す。ジャーナル投稿に耐える”証拠付き”の成果物が自動で残るわけや。

ここは正直に書いておくべき論点や。創薬に強いAIは、裏を返せば危険な生体分子の設計にも強い——これを「デュアルユース（両用）」問題という。Anthropicのライフサイエンス責任者Eric Kauderer-Abramsも、SynBioBeta 2026で「複雑な治療分子の設計がうまくなるモデルは、危険な知識も獲得するモデルだ。能力構築と同じだけの労力を、安全策と責任ある展開に注ぐ必要がある」と明言しとる。入ってくるリクエストの有害意図を検出する分類器や、開発中のアクセス制御など、複数の安全層で対処する構えや。ただし、これが十分かどうかは外部からの継続的な検証が要る領域やと、正直に言うておくわ。

Claude Scienceの前身Claude for Life Sciences（2025年10月発表）は、すでにAstraZeneca・Sanofi・Novo Nordisk・Genmabを顧客に持つ。Sanofiは「社員の大半が日常的にClaudeを使い、バリューチェーン全体で効率改善が見られる」と評価。AstraZenecaは「規制提出の自動化で、患者に薬を届けるスピードが上がる」とコメントしとる。PwCはClaudeを使って臨床・規制・商業チームの業務を再設計するプロジェクトを進行中や。McKinseyの試算では、生成AIによって臨床開発コストが最大50%減、治験期間が12ヶ月以上短縮、正味現在価値（NPV）が20%以上向上する可能性が示されとる。数字だけ見れば、製薬業界がAIに前のめりになる理由は明白や。

Anthropicは評価額9,650億ドルで2026年秋のIPO（新規上場）を目指しとる（同時期にIPO申請したOpenAIは8,520億ドル）。上場を成功させるには、評価額に見合う収益の”物語”が要る。これまでの主力はコーディング（Claude Code）やったが、それ一本足では心もとない。そこで製薬・ライフサイエンスや。新薬開発は1つあたり10〜15年・数千億円規模の投資が動く世界で、期間短縮に高い対価を払う意欲がある。ここをClaudeが取れれば、コーディングと並ぶ大黒柱になる。QuantHealthのOrr Inbar CEOは、こうした巨額投資について「収益がまだ評価額に見合わない大手AI企業が、その評価額を正当化する手段でもある」と冷静に指摘しとる点も、公平のために付け加えておくわ。

2026年4月、Anthropicは創薬AIスタートアップCoefficient Bioを約4億ドル（全株式）で買収した。設立わずか8ヶ月・10人未満・ステルス運営という異例の案件やったが、中身が濃い。共同創業者のNathan FreyはGenentechのAI創薬部門Prescient Design出身で、ICLR 2024 Outstanding Paper賞受賞者。「標的探索・モダリティ選択・ポートフォリオ計画」という創薬の”事業運営”側の専門性をまるごと取り込んだ。Anthropicはさらにウェットラボ（実験施設）まで開設し、自前で基礎研究を回し始めとる。狙いはKauderer-Abramsいわく「ライフサイエンスのR&Dタイムラインを10倍圧縮する」こと。今回の内部創薬プログラムは、この買収で得た”運営ノウハウ”を実地で使う場でもある。

そして理念の部分。AnthropicはPBC（パブリック・ベネフィット・カンパニー）として、内部創薬プログラムの初期対象に「ネグレクテッドディジーズ（顧みられない疾患）」——従来の製薬企業が商業的に魅力を感じない疾患——を選んだ。「患者の利益を基準に、商業市場が見過ごすプログラムを選べる」というのが同社の説明や。もちろん、これを「純粋な善意」と取るか「上場前のブランディング」と取るかは、読み手次第やけどな。

前身のClaude for Life Sciencesは、汎用ClaudeモデルをコネクタやAPI連携で科学向けに”適応”させたもので、コード記述・論文要約・仮説生成が中心やった。その後、臨床試験・規制ステージ向けにMedidata・ClinicalTrials.gov・Owkin・ChEMBLなどとの接続を追加し、”エンドツーエンド”化を進めてきた。今回のClaude Scienceは、そこからさらに踏み込んで「専用アプリ＋ローカル実行＋計算ジョブ管理＋監査可能な成果物」という独立した作業環境へと格上げされた。「Claudeを科学に使う」から「科学のためのClaude環境」への進化や。

OpenAIのGPT-Rosalindは2026年4月16日発表、6月3日に大型アップデートと全世界展開を実施した、生物学・創薬・トランスレーショナル医療向けの特化型推論モデルや。DNA構造解明に貢献した化学者Rosalind Franklinから命名されとる。ここが面白いんやけど、Claude ScienceとGPT-Rosalindは、同じ「AI×創薬」でもアプローチが正反対や。

この表で一番味わい深いのは、Novo Nordiskが両社と提携している点や。デンマークの製薬大手は、OpenAIと2026年4月に創薬・製造・サプライチェーン・商業を横断する戦略提携を結びつつ、Claude for Life Sciencesの顧客でもある。これは何を意味するか——製薬業界はまだ「AIベンダーを一社に絞る」段階やなく、用途ごとに使い分ける実験フェーズにある、ということや。「特化モデルが欲しい場面はGPT-Rosalind、手元のデータをラボ内で回したい場面はClaude Science」といった併用が、当面の現実解になりそうやね。

どちらが優れているか、と単純に順位づけするのは、正直まだ難しい。GPT-Rosalindはゲノミクスの長時間定量解析でGPT-5.5比31%のトークン削減という効率を公表しとるが、これは”モデルとしての賢さ・効率”の指標。一方Claude Scienceの価値は”環境としての使い勝手・データ主権・再現性”にあり、そもそも土俵が違う。ベンチマーク一本で比べられる関係やないんや。ここは「わからない」と正直に言うておくべきところやと思う。