概要

MedgeClawは、生物医学研究者向けのオープンソースAIアシスタントです。Claude API 使い方を徹底解説：コード生成自動化の全ガイドで紹介されているClaudeをベースに、140個の専門的な科学スキルを搭載しており、RNA-seq解析、薬物発見、臨床データ分析といった複雑なバイオインフォマティクスタスクを、自然言語での対話だけで実行できます。

開発背景には、生物医学研究の生産性問題があります。従来、研究者は複数のツール（RStudio、JupyterLab、統計ソフト）を行き来しながら、スクリプト作成→実行→デバッグを繰り返していました。MedgeClawはこの課題を解決し、スクリプト作成の手間を大幅に削減することで、研究者がデータ解釈という創造的な業務により多くの時間を充てられるようにします。

主な機能

  • RNA-seq自動解析：生のシーケンスデータから遺伝子発現パターン抽出・可視化まで、全工程を対話型で実行
  • 薬物発見ワークフロー：化学構造探索から分子ドッキングシミュレーション、毒性予測まで一括処理
  • 臨床データ分析：患者データの統計解析、疾患リスク判定、治療効果予測を自動生成レポート化
  • マルチモーダル統合：ゲノム、タンパク質、表現型データを統合して、包括的な生物学的洞察を導出
  • リアルタイム研究ダッシュボード：進行中の解析状況を可視化し、結果を即座に共有・検証
  • RStudio/JupyterLab統合：既存の研究環境をそのまま活用でき、学習コスト がゼロ
  • 140個の科学スキルライブラリ：バイオインフォマティクス、統計、機械学習、化学計算などの領域専門知識を内蔵

技術スタック

  • 基盤AI：Claude Code（Anthropic）
  • 計算言語：Python、R、Julia
  • バイオインフォマティクス：Bioconductor、Biopython、scikit-bio
  • 統計・機械学習：pandas、scikit-learn、statsmodels、TensorFlow
  • 可視化：ggplot2、matplotlib、Plotly
  • 統合環境：RStudio Server、JupyterLab、Docker
  • データベース接続：NCBI、UniProt、ChEMBL API統合
  • オーケストレーション：Snakemake（パイプライン自動化）

導入方法

MedgeClawは、GitHubリポジトリからのインストールが最も簡単です。

git clone https://github.com/xjtulyc/MedgeClaw.git
cd MedgeClaw
pip install -e .

初期セットアップでは、Claudeの認証トークンを設定し、ローカル計算環境（RおよびPython）を自動検出させます：

medgeclaw configure --claude-api-key YOUR_API_KEY
medgeclaw check-environment

Docker利用の場合：

docker-compose up -d

セットアップ後、ブラウザで http://localhost:8888 にアクセスするとJupyterLab環境が起動し、チャットパネルからAIアシスタントに指示を送信できます。

競合比較

項目 MedgeClaw ChatGPT (無料) Benchling AI Galaxy
会話型インターフェース ○ ○ △ ✗
RNA-seq自動解析 ○ ✗ ○ ○
ローカル実行可能 ○ ✗ ✗ △
オープンソース ○ ✗ ✗ ○
RStudio/JupyterLab統合 ○ ✗ ✗ ✗
140個の科学スキル内蔵 ○ ✗ △ ○
リアルタイムダッシュボード ○ ✗ ○ △

MedgeClawの最大の差別化ポイントは、オープンソース＋ローカル実行可能＋既存研究環境との深い統合です。ローカルでLLMを実行する方法としてはDistributed Llama：複数PCでLLMローカル実行を分散化する方法も参考になります。Benchling AIやChatGPTは便利ですが、医療機関の厳格なデータセキュリティ要件を満たせない場合が多く、また汎用型なため生物医学の細かな専門知識が不十分です。一方MedgeClawは、オンプレミス環境で動作し、140個の領域特化スキルにより、大学や企業の既存の研究インフラ（RStudioプロジェクト、Jupyter Notebook）をそのまま活用できます。これにより、研究グループ全体で迅速な導入・カスタマイズが可能です。

こんな人におすすめ

  • 大学の生物医学系研究者：論文執筆に必要な複雑な統計解析やデータ可視化を、スクリプト作成なしに短時間で実行できるため、研究の構想立案に時間を割ける
  • 製薬企業のバイオインフォマティシャン：膨大な化学構造や臨床データを自動処理し、創薬パイプラインを数倍高速化したい担当者向け
  • 臨床検査技師・病理医：患者のゲノムや病理画像データを、医学的に正確に解析し、診断の根拠を迅速に得たい医療従事者
  • バイオスタートアップのデータサイエンティスト：高額な商用バイオインフォマティクスツールを導入できない環境で、研究品質を妥協せずに進めたい起業家向け
  • 医学部の学生・大学院生：バイオインフォマティクスやデータ分析に初めて取り組む際、プログラミング知識がなくても実践的スキルを獲得したい学習者

参考リンク