발견에서 실제 적용까지

과학의 속도를 높여 보세요

Claude는 제약회사, 바이오테크 스타트업, 리서치 기관이 업무에 필요한 정확성을

유지하면서도 더 빠르게 전진할 수 있도록 지원해 드립니다.

“Broad Institute의 과학자들은 생물학과 의학 분야에서 가장 야심찬 질문을 던지며, 우리는 전 세계 과학자들의 역량을 강화하는 도구를 개발하고 공유합니다. 우리는 차세대 Terra.bio 플랫폼인 Terra Powered by Manifold를 개발하기 위해 Manifold와 긴밀히 협력해 왔습니다. 이러한 업그레이드 중 가장 흥미로운 것은 Claude 기반 AI 에이전트로, 과학자들이 완전히 새로운 규모와 효율성으로 작업을 수행하고, 이전에는 불가능했던 방식으로 과학 영역을 탐험할 수 있게 해줍니다.”

Heather Jankins, 데이터 과학 플랫폼 책임자

“10x의 단일 셀 및 공간 분석 기능을 활용하려면 명령줄 스크립트 작성부터 고성능 컴퓨팅 시스템 관리에 이르기까지 전산 전문 지식이 필요했습니다. 이제 이러한 도구들이 평이한 영어로 된 질문에도 답변할 수 있습니다. 이제 연구원들은 Claude를 활용해 기존의 전산 워크플로우를 보완하는 대화형 인터페이스를 통해 판독 값 정렬, 형상 바코드 행렬 생성, 클러스터링 및 기타 2차 분석 수행 등 일반적인 분석 작업을 수행할 수 있으며, 이를 통해 연구원들은 데이터를 더 빠르고 쉽게 직접 활용할 수 있습니다. Claude는 신규 사용자의 진입 장벽을 낮추고, 고급 연구 팀의 대규모 분석 요구에 맞춰 확장할 수 있습니다.”

Serge Saxonov, 공동 창립자 겸 CEO

“R&D 분야의 AI는 에코시스템을 통해서만 작동합니다. Anthropic은 접근성, 거버넌스, 상호 운용성을 최우선으로 두면서, 최고의 기술을 결합하여 이를 실천하고 있습니다. Benchling은 이러한 상황에 기여할 수 있는 독보적인 입지를 갖추고 있습니다. 10년 이상 과학자들은 실험 데이터를 수집하고 워크플로우를 현대화하는 데 도움이 되는 진정한 공급업체로서 우리를 신뢰해 왔습니다. 이제 우리는 R&D의 다음 장을 강화할 AI를 구축하고 있습니다.”

Ashu Singhal, 공동 창립자 겸 사장

“Claude는 내부 지식 라이브러리와 결합하여, Sanofi의 AI 중심 혁신에 필수적인 역할을 수행하고 있으며, 대부분의 Sanofi 직원들이 내부 Concierge 앱에서 매일 사용하고 있습니다. 우리는 프로세스를 최적화하여 가치 사슬 전반에서 큰 효율성을 얻고 있으며, 전사적 배포로 팀의 업무 방식이 강화되었습니다. Anthropic과의 이번 협업은 전 세계 환자들에게 삶을 변화시키는 의약품을 더 빠르고 효과적으로 제공할 수 있도록 인간의 전문성을 강화합니다.”

Emmanuel Frenehard, 최고 디지털 책임자

“우리는 제약 개발 분야에서 문서 및 콘텐츠 자동화를 가장 먼저 도입하는 기업 중 하나입니다. Anthropic 및 Claude와의 협력은 새로운 기준을 정립했습니다. 우리는 단순히 작업을 자동화하는 것이 아니라, 의약품 개발 단계에서 이를 필요로 하는 환자에게 전달되는 과정을 혁신하고 있습니다.”

Louise Lind Skov, 콘텐츠 디지털화 디렉터

“Claude Code는 Schrödinger에서 강력한 가속기가 되었습니다. 가장 적합한 프로젝트는 Claude Code를 통해 몇 시간이 걸리던 아이디어를 몇 분 안에 실제 코드로 전환할 수 있으며, 일부 프로젝트는 최대 10배 더 빠르게 진행할 수 있습니다. 우리는 Claude와 계속 협력하면서, 소프트웨어를 구축하고 맞춤화하는 방식을 더욱 혁신할 수 있게 될 것이라 기대하고 있습니다.”

Pat Lorton, 수석 부사장, CTO, COO

“Manifold의 사명은 더 빠르고 더 효율적인 생명과학을 지원하는 것입니다. Claude와 함께 구축한 덕분에 과학자들이 맡는 의미 영역에서 질문을 전문적인 데이터셋과 도구가 담당하는 기술 영역에서 실행할 수 있는 AI 에이전트를 개발할 수 있었습니다. 우리는 함께 앞으로 생명과학 R&D가 어떻게 진행될지 혁신하고 있습니다.”

Sourav Dey, PhD, 공동 창립자 겸 최고 AI 책임자

“PwC는 책임 있는 AI가 단순한 기술 기회가 아니라, 신뢰가 필수라고 믿습니다. 우리는 심층적인 업계 인사이트를 Claude의 에이전틱 인텔리전스와 결합하여, 임상, 규제 및 상업 팀의 운영 방식을 새롭게 구상할 수 있게 된 것을 자랑스럽게 생각합니다. 우리는 단순히 프로세스를 간소화하는 것이 아니라, 품질을 높이고, 발견을 가속화하며, 혁신과 함께 자신감을 더할 수 있는 시스템을 구축하고 있습니다.”

Matt Wood, 미국 및 글로벌 상업 기술 및 혁신 책임자

“생물정보학 분석을 자동화할 수 있는 AI 에이전트를 개발하기 시작했을 때, 어떤 모델을 선택할지 결정하기 위해 세 가지 핵심 요소를 고려했습니다. 즉, 소프트웨어 개발 분야가 최고인지 생명과학 분야와 연계되어 있는지, 스타트업을 지원하는 방식입니다. 우리는 6개 플랫폼을 평가했으며, Claude가 가장 뛰어난 플랫폼이라는 것이 명확해졌습니다. 우리는 이러한 협력을 계속하고, 최첨단 AI 에이전트를 생명공학 연구 분야에 도입하게 되어 기쁩니다.”

Alfredo Andere, 공동 창립자 겸 CEO

“Claude는 Axiom이 약물 독성을 예측하는 AI를 구축하는 과정에서 매우 중요한 성과를 배가하는 역할을 했습니다. 우리는 Claude Code에서 수십억 개의 토큰을 사용했으며, 이를 활용해 많은 PR 작성 과정에 활용하고 있습니다. 최근에는 MCP 서버가 탑재된 Claude 에이전트가 우리의 과학 연구를 위한 핵심 도구가 되었습니다. 적절한 MCP를 통해 Claude 에이전트는 데이터베이스와 스토리지 서비스에 직접 쿼리를 수행해 데이터의 상관 관계를 해석, 변환, 테스트할 수 있으며, 임상 약물 독성을 예측하는 데 가장 유용한 데이터와 기능을 식별할 수 있습니다.”

Alex Beatson, Axiom Bio 공동 창립자

“EvolutionaryScale은 생물 세계를 모델링하는 차세대 AI 시스템을 구축하고 있습니다. Anthropic의 프론티어 모델은 복잡한 생물학적 데이터를 추론하고 이를 과학적 인사이트로 전환하는 능력을 가속화하며, 생명과학 발견의 한계를 넓혀나가도록 돕습니다.”

Sal Candido, 공동 창립자, 최고 기술 책임자

0/5

Built for breakthrough science

AI you can trust

Claude models are safe, secure, and reliably accurate, so you can handle clinical trial data and proprietary compounds with confidence.

Built for scientific complexity

Analyze genomic data, synthesize findings across hundreds of papers, and design experiments with full citations. Claude matches the complexity of modern drug development.

Made for R&D

Claude connects to Benchling, PubMed, 10x Genomics, and your lab platforms—so every scientist can accelerate their work from discovery through regulatory submission.

Your partner in discovery

We collaborate with pharma leaders and research institutions to make sure Claude evolves with the needs of life sciences and advances real scientific discovery.

Case study

Novo Nordisk accelerates clinical documentation and drug development with Claude

Livestream

Tune in to watch Anthropic CEO and Co-founder Dario Amodei share his vision for AI in healthcare and life sciences, along with an executive customer panel.

생명과학 팀의 Claude 활용 방식

Prompt

I need to draft a Phase 2 clinical protocol for our Parkinson's drug. Attached is a summary of the biologic including molecular targets, mechanism of action, and preclinical data from our Phase 1 trial. Let’s use the clinical protocol skill.

첨부파일

PD biologic summary

1.2mb

PDF

Phase 1 results summary

348kb

XLSX

Phase 2 Clinical Trial Protocol

ABX-7291 for Treatment of Parkinson's Disease | DRAFT v0.1

Study Synopsis

Protocol Title: A Phase 2, Randomized, Double-Blind, Placebo-Controlled Study to Evaluate the Efficacy and Safety of ABX-7291 in Patients with Early-Stage Parkinson's Disease

Sponsor: [Sponsor Name]

Phase: Phase 2

Indication: Early-stage Parkinson's Disease (Hoehn & Yahr Stage 1-2)

Study Duration: 24 weeks treatment + 4 weeks follow-up

Objectives and Endpoints

Primary Objective

Evaluate the efficacy of ABX-7291 compared to placebo in reducing motor symptoms in patients with early-stage Parkinson's disease.

Primary Endpoint

Change from baseline in MDS-UPDRS Part III (Motor Examination) score at Week 24.

Secondary Endpoints

Change from baseline in MDS-UPDRS Total Score at Week 24
Proportion of patients achieving ≥30% improvement in MDS-UPDRS Part III
Change in PDQ-39 (Quality of Life) score at Week 24
Safety and tolerability (AEs, laboratory parameters, vital signs)

Study Design

This is a Phase 2, randomized, double-blind, placebo-controlled, parallel-group study. Eligible patients will be randomized 1:1:1 to receive ABX-7291 low dose, ABX-7291 high dose, or placebo for 24 weeks.

Sample Size and Rationale

Total Enrollment: 120 patients (40 per arm)

Statistical Power: 80% power at α=0.05 (two-sided)

Expected Effect Size: 5-point difference in MDS-UPDRS Part III (SD=8)

Dropout Assumption: 15% (based on comparable Phase 2 PD trials)

Rationale: Sample size derived from analysis of 12 comparable Phase 2 trials on ClinicalTrials.gov with similar indications and endpoints.

Regulatory References

21 CFR 312 (Investigational New Drug Application)
FDA Guidance: Parkinson's Disease: Developing Drugs for Treatment (2023)
ICH E6(R2): Good Clinical Practice
ICH E9: Statistical Principles for Clinical Trials

Generated using Clinical Protocol Generation skill

Sources: ClinicalTrials.gov (12 comparable studies), FDA guidance documents

Ready for review with biostatisticians and regulatory affairs

‍

리서치 통합

수백 건의 논문을 몇 주가 아니라 몇 시간 만에 검토할 수 있습니다. Claude는 생의학 문헌 전반의 결과를 종합하고, 모순을 식별하며, 검증 가능한 인용을 기반으로 실험 가능한 가설을 생성해 드립니다.

Prompt

My colleagues recently published the attached single-cell dataset that describes gene expression differences between adult and pediatric liver samples with a focus on the immune system. I would like to explore these samples but focus on the parenchymal cells and differences between adult and pediatric liver. Can you help me first go through the differentially expressed genes and create a heatmap and then also identify pathways or sets of genes that are enriched in each sample?

Research synthesis

Survey hundreds of papers in hours instead of weeks. Claude synthesizes findings across biomedical literature, identifies contradictions, and generates testable hypotheses with verifiable citations.

Prompt

> 내 실험에서 생성된 raw_feature_matrix에 대해 scRNA-qc 스킬을 활용해 QC와 필터링을 해줘

이제 raw feature matrix에 대해 QC 분석을 실행해 보겠습니다:
Bash(python3 scripts/qc_analysis.pypbmc_test_data/raw_feature_bc_matrix.h5)
↳===========================================================
Single-Cell RNA-seq Quality Control AnalysisFollowing scVerse Best Practices
… +60 lines (ctrl+o to expand)

좋습니다! QC 분석이 성공적으로 완료되었습니다. 이제 시각화도 업데이트하겠습니다.
Read(qc_metrics_before_filtering.png)↳ Read image (732.3KB)
Read(qc_filtering_thresholds.png)↳ Read image (210KB)
Read(qc_metrics_after_filtering.png)↳ Read image (1.1MB)
모두 완료했습니다! scRNA-qc 스킬을 사용하여 raw feature matrix에서 QC 분석을 성공적으로 마쳤습니다. 결과 요약:QC Analysis SummaryDataset: 2,700 cells × 32,738 genes (raw)Quality Metrics Detected:
- 미토콘드리아 유전자 13개
- 리보솜 유전자 106개
- 헤모글로빈 유전자 13개
MAD 기반 필터링 임계값:
- 총 카운트: 709 - 6,812
- 검출된 유전자 수: 367 - 1,821
- 미토콘드리아 % : MAD 임계값 3.65%, 하드 임계값 8.0%
필터링 결과:
- 이상치로 266개 세포 제거됨(9.9%)
- 2,434개 세포 유지됨(90.1%)
- 유전자 필터링 결과, 32,738개에서 9,487개로 감소(29.0%)
Visualizations의 주요 관찰 결과:
1. 필터링 전: 데이터는 일반적인 scRNA-seq 품질을 보여주며, 대부분의 세포는 1,000~2,000개의 카운트를 가지고, 500~1,000개의 유전자를 검출합니다. 미토콘드리아 비율이 전반적으로 낮아(5% 미만) 매우 양호합니다.
2. 임계값: MAD 기반 임계값은 비교적 완화된 설정(카운트/유전자에 대해 5MAD, MT%에 대해 3MAD)으로, 과도한 필터링을 피하기 위해 scverse 권장 기준을 따릅니다.
3. 필터링 후: 필터링된 데이터셋은 더 깔끔한 분포를 나타내며, 클러스터링이 더 조밀하게 형성되고, 미토콘드리아 비율도 낮고(대부분 3% 미만), 세포와 유전자 상관도도 양호합니다.
생성된 출력 파일:
- raw_feature_bc_matrix_filtered.h5ad - 다운스트림 분석에 바로 사용 가능한 정제된 필터링 데이터셋
- raw_feature_bc_matrix_with_qc.h5ad - QC 주석이 포함된 원본 데이터
- QC 시각화 PNG(이전/임계값/이후)
데이터 품질이 우수합니다! 이제 필터링된 데이터셋으로 정규화, 차원성 축소, 클러스터링과 같은 다운스트림 분석을 계속 진행할 수 있습니다.