1年前、「AI科学者」というアイデアは主に概念的なものだった。今日、一握りのエージェンティックAIツールが実演段階から日常的な研究室での使用へと移行しつつあり、Ewen CallawayによるNatureのニュース記事が、研究者がどのツールが自分たちのニーズに合うかを見極めるための実践的なガイドを提供している。
この分野は、大きく3つのカテゴリーに分類される：汎用的な科学研究ワークベンチ、マルチエージェント仮説生成システム、そして専門的なオープンソースツールである。
Claude Science
AnthropicのClaude Scienceは、現在提供されている中で最も幅広い能力を持つ。文献レビュー、データ分析、図表作成、原稿作成を単一のインターフェースで行う科学研究ワークベンチとして機能する。ローカルでのPython、R、シェル実行、実行記録に照らして主張をクロスチェックする内蔵の「レビュアー」エージェント、そしてHPCやSSH計算リソースへの接続機能を備えている。
最も印象的なデモンストレーションは、スタンフォード大学のEuan Ashleyによるものだ。2010年、彼のチーム（31名の科学者）はヒトゲノムの初の臨床分析を完了するのに9か月を要した。Ashleyは自身のゲノムをClaudeに与え、臨床レポートの作成を依頼した。30分で完了した。出力は、アルツハイマー病のリスク対立遺伝子と薬物代謝バリアントを、Ashleyが臨床的に実用可能と判断する水準で正確に特定した。
Claude Scienceはすべての有料Claudeプランに含まれており、Pro層は月額20ドル、Max層は月額100〜200ドルで、チームおよびエンタープライズオプションも利用可能である。
Co-Scientist
Google DeepMindのCo-Scientistは、2026年5月にNatureに発表され、異なるアプローチを取っている。Generation、Reflection、Ranking、Evolution、Proximity、Meta-Reviewの6つの専門エージェントと、それらを議論と進化のサイクルで調整するスーパーバイザーエージェントを使用する。広範な研究課題が与えられると、システムは妥当性と新規性でランク付けされた検証可能な仮説を提示する。
ケンブリッジ大学の免疫学者Clare Bryantは、Co-Scientistに助成金申請書といくつかの予備データを提供した。Co-Scientistは、自然免疫タンパク質を変異させ、インフルエンザ感染への影響をテストするという仮説を生成した。Bryantの評価：「人間の研究者が同じアイデアにたどり着くには2年かかっていたかもしれない。」
スタンフォード大学のGary Peltzは、Co-Scientistを使用して肝線維症に転用可能な既存の薬剤を特定し、オルガノイドモデルで予測を検証し、その結果をAdvanced Scienceに発表した。大学院レベルの科学的推論のベンチマークであるGPQA Diamondにおいて、Co-Scientistのトップ評価仮説は78.4%の精度を達成した。
Co-Scientistはまだ一般公開されていない。研究者はGoogle Labsを通じて実験的アクセスを登録できる。
オープンソースの代替手段
Phyloの共同創業者Yuanhao Quを含む学術チームによって開発され、Scienceに掲載されたBiomniは、ゲノム解析などの特定のタスク向けに設計されたオープンソースツールである。GeneCardsなどのデータベースと統合し、根拠に基づいた生物医学的クエリを実行できる。無料である。
ロンドンを拠点とするスタートアップのオープンソースタンパク質設計ツールBoltzは、Claudeエージェントと組み合わせて、2つの治療標的を同時に認識する抗体を設計するために使用されたが、その出力はまだ実験的に検証されていない。
選び方
ラボラトリーソフトウェアプラットフォームBenchlingのAshu Singhalは、プロジェクトの段階に基づいた明確なガイダンスを提供している。初期の仮説生成にはCo-Scientistから始める。特定の分析タスク（ゲノムデータ分析、文献合成、図表作成）には、Claude ScienceまたはBiomniから始める。
Singhalによると、最も重要なアドバイスは、実際に試してみることである：「AI科学者を完全に統合しているラボは20%未満です。人々は見出しで共有されているものを単に信頼するのではなく、実際にこれらのツールを試してみることが本当に重要です。」
BoltzのGabriele Corsoは、出力を簡単に確認できるよう、小さな検証可能なタスクから始めることを推奨している。「最悪の場合、やり直せばいい。」
この記事は、すべてのシステムに依然としてドメイン専門家によるレビューが必要であると指摘している。これまでに公開されたAI生成仮説はいずれも臨床試験を完了しておらず、データプライバシーも懸念事項であり、特に機密性の高い臨床データやプロプライエタリデータを扱うラボにとっては重要である。
ソース
[1] Callaway, E. 「Which ‘AI scientist’ suits your lab? A guide for the perplexed.」 Nature (2026). https://www.nature.com/articles/d41586-026-02091-6
雅子 訳