Built with Claude: Life Sciences - пять проектов, где ИИ работает как осторожный учёный
Хакатон Built with Claude: Life Sciences шёл неделю в удалённом формате. Соорганизаторами выступили институт Гладстона и площадка Cerebral Valley, а участники со всего мира работали с Claude Code и научной версией Claude. 17 июля Anthropic назвала пять победителей.
У всех пяти проектов есть общая черта. Claude в них ведёт себя как осторожный помощник-исследователь. Он просеивает варианты, проверяет сам себя и в спорном месте честно признаётся, что уверенности нет - вместо того чтобы выдать красивый, но пустой ответ. Для тех, кто сам хочет собрать нечто похожее, это и есть главный урок хакатона. Ниже разберём каждый проект простыми словами и покажем, что за ним стоит.
1. NCypher отсеивает подозрительные мутации
Фейт Огундиму из Дублина взялась за диффузную срединную глиому - опухоль ствола мозга, от которой почти нет спасения. Около девяноста процентов детей умирают в течение двух лет, а первый системный препарат, одобренный в 2025 году, не вылечивает.
Загвоздка в том, где живёт эта болезнь. Поломки сидят в участках ДНК между генами - тех, что сами не строят белки, но управляют тем, какие гены и когда включаются. Как раз здесь предсказать эффект мутации труднее всего, и обычные инструменты часто ошибаются.
NCypher не берётся угадывать, «плохая» мутация или нет. Он делает работу проще и полезнее - отсеивает лишнее. Из тысяч подозрительных изменений ДНК инструмент оставляет короткий список тех, что реально стоит проверить в лаборатории. Причём вариант попадает в список, только если за него говорят сразу несколько независимых признаков.
Ещё важнее, что NCypher умеет честно сказать «нет». На выборке из 10 869 мутаций он не стал натягивать красивый вывод: оказалось, что искомые поломки не запускают главные «усилители» роста опухоли. Зато сам инструмент подсветил ген NPAS3 как самого вероятного кандидата и держался честно там, где данных не хватало. Каждый его вывод отдельно перепроверял второй ИИ-агент в роли скептика.
Собран NCypher как переиспользуемый набор: инструмент, подключаемый к Claude, отдельный навык со встроенным «скептиком» и скачиваемая карта. Полезный шаблон для любого, кто хочет доверять выводам ИИ, - рядом с ответом всегда идёт встроенная проверка.
Код проекта: faith-ogun/ncypher
2. Extremolith закаляет любой фермент
Джеймин Патель из Беркли с помощью Claude обучил модель, которая переделывает любой фермент под тяжёлые условия - жар, кислоту, соль - так, чтобы тот не развалился и продолжал делать свою работу. Ферменты - это природные «рабочие молекулы»: одни расщепляют пластик, другие трудятся в стиральном порошке или в производстве лекарств. Беда в том, что многие из них лучше всего действуют при температуре, которая их же и убивает.
Модель по сути учится на примерах бактерий, которые живут в кипятке и рассоле, и переносит их «броню» на нужный фермент, сохраняя его функцию. Самой тяжёлой частью были данные: их пришлось собирать и чистить из нескольких научных баз, чтобы модель не выучила ложные закономерности.
Практический смысл - в скорости. По оценке автора, задача, на которую в лаборатории ушло бы от полугода до года, уместилась в пять дней. Claude помогал и писать код, и ставить десятки маленьких проверочных экспериментов, без которых модель легко ушла бы не туда. Для тех, кто строит свои ИИ-проекты, это наглядный пример: сложную задачу стоит разбить на серию мелких шагов и пройти их вместе с моделью.
Код проекта: jayman1466/Extremophilic-Protein-Translator
3. Lazarus воскрешает мёртвый код
Дин Шерри из Йоханнесбурга собрал агента для очень знакомой боли. В науке полно программ, на которые все ссылаются, но которые давно не запускаются: код есть, а окружение устарело, библиотеки не ставятся, и на оживление уходят дни возни. Lazarus берёт на вход всего лишь ссылку на такой заброшенный проект на GitHub и доводит его до рабочего состояния сам.
Работает он как терпеливый инженер. Читает код и научную статью к нему, сам придумывает, что считать успехом, а потом крутит цикл «собрать → запустить → прочитать ошибку → починить» в изолированной песочнице, подбирая старые версии библиотек под ту эпоху, когда код в последний раз обновляли.
На шести мёртвых проектах агент добился не только запуска. В одной программе он нашёл и исправил ошибку, которая тихо сидела там пятнадцать лет. В другой включил работу на видеокарте, которую оригинальные авторы так и не завели. В третьей поймал незаметный баг, из-за которого результат был бы неверным, хотя внешне всё «работало».
Самое ценное - где Lazarus остановился. Когда один из проектов не дотягивал до собственной планки точности, агент отказался рисовать «зелёную галочку» и вместо этого честно воспроизвёл цифры из статьи. На случайной подборке из двадцати научных инструментов сам по себе запускался лишь каждый седьмой - остальные Lazarus оживил. Пакет уже выложен, ставится одной командой pip install lazarus-bio, а найденные исправления автор возвращает создателям программ. Идея переносится далеко за пределы биологии: агенту дают ссылку и право самому проверять результат, без подробной пошаговой инструкции.
Код проекта: DoctorDean/lazarus
4. Provinans сшивает архивы онкологии
Ширин Ли из Торонто сделала инструмент для скучной, но важной работы - сведения старых медицинских данных в единую таблицу. Многолетние исследования рака опираются на архивы, которые копились годами. Проблема в том, что правила постановки диагноза со временем меняются, и старые записи перестают стыковаться с новыми.
Наглядный пример из её работы. В 2023 году международная профессиональная организация поменяла правила определения стадии рака эндометрия. По одной оценке, до 28% пациентов буквально за ночь оказались формально в другой стадии, хотя в их картах ничего не менялось. Свести такие данные вручную - это месяцы труда, и многие лаборатории до сих пор делают это руками.
Ставка Provinans в том, что Claude при аккуратной настройке разбирается в этих отраслевых правилах и, что важно, честно подсвечивает места, где решение должен принять человек. Поэтому у инструмента есть прослеживаемость: видно, откуда взялась каждая склейка записей. Тот же подход пригодится далеко за пределами медицины - везде, где нужно свести разнородные данные, накопленные по разным стандартам.
Демо проекта: reversely-provinans.hf.space
5. Trialign подбирает клинические испытания
Джулс Пак из Торонто и Нил Ванг из Сан-Франциско получили за Trialign отдельный приз института Гладстона. Это помощник, который подбирает онкопациенту клинические испытания, куда он реально может попасть. Человек вставляет выписку, загружает медзапись или подключает свою электронную карту - Claude собирает из этого понятный профиль и сверяет его с испытаниями, которые прямо сейчас набирают участников, показывая по каждому, почему пациент подходит или нет.
Главная находка команды - про время. Другие похожие сервисы смотрят на право участия как на застывший снимок. На деле это окно, которое закрывается: лечение, которое пациент начнёт в следующем месяце, может тихо лишить его испытаний, о которых он даже не знал. Поэтому Trialign после списка доступных сегодня вариантов спрашивает, что врачи планируют дальше, и показывает, какие двери этот шаг закроет.
Цифры объясняют, зачем это нужно. В одной группе пациентов почти половина тех, кто выпал из отбора, уже начали лечение мимо испытаний, так и не попробовав в них попасть. А из всех, кого вообще рассматривали для онкоиспытаний, до первой дозы не доходят примерно 76% - часть просто становится слишком тяжёлой, пока ждёт своей очереди.
Код проекта: itsjoopark/trial-ai-platform
Агент со встроенным скептиком
Пять победителей пришли из совсем разных областей - детская онкология, инженерия белков, оживление кода, медицинские архивы, подбор испытаний. Но собраны они по одному чертежу, и его стоит забрать себе.
Во всех пяти Claude работает с проверкой. Рядом с результатом идёт либо второй агент-скептик, либо честный тест, либо видимая цепочка рассуждений. Это и отделяет эффектную демку от инструмента, которому можно доверить настоящую задачу. Практический вывод простой: если строите что-то на ИИ, закладывайте в проект и «мозг», и «контролёра» рядом с ним. Скорость участники показали заодно - работа на месяцы у нескольких команд ужалась в дни.
И это только пятёрка призёров. За неделю участники собрали десятки проектов на стыке ИИ и биологии, и многие идеи там не менее любопытны - просто не попали в короткий список жюри. Кто хочет посмотреть остальные работы и подсмотреть подход для себя - вся галерея хакатона открыта здесь: все проекты Built with Claude: Life Sciences.
