はじめに
Claude Code Skillsのエコシステムで、最多のスキル数を誇るリポジトリがあります。K-Dense AI が開発した claude-scientific-skills は、141スキルを16以上の科学分野に展開する大規模スキル集です。
バイオインフォマティクス、ケモインフォマティクス、臨床研究から量子コンピューティングまで、科学研究のあらゆる場面をカバーしています。
1. claude-scientific-skillsとはどういうスキルなのか？
claude-scientific-skillsは、科学研究の全工程をAIエージェントで支援するためのスキル集です。
基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | https://github.com/K-Dense-AI/claude-scientific-skills |
| Star数 | 7,500+ |
| スキル数 | 141 |
| 対応ドメイン | 16以上の科学分野 |
| ライセンス | MIT（個別スキルは依存OSSに準拠） |
5大カテゴリ・141スキルの構成
| カテゴリ | スキル数 | 具体例 |
|---|---|---|
| 科学データベース | 28+ | OpenAlex, PubMed, bioRxiv, ChEMBL, UniProt, COSMIC, ClinicalTrials.gov, KEGG, DrugBank |
| Pythonパッケージ | 55+ | RDKit, Scanpy, PyTorch Lightning, scikit-learn, BioPython, Qiskit |
| 科学統合ツール | 15+ | Benchling, DNAnexus, LatchBio, OMERO, Protocols.io, Opentrons |
| 分析・コミュニケーション | 30+ | 文献レビュー、科学論文執筆、ピアレビュー、可視化、引用管理 |
| 研究・臨床ツール | 10+ | 仮説生成、研究助成金、臨床意思決定支援、治療計画 |
対応する科学ドメイン
バイオインフォマティクス / ゲノミクス / ケモインフォマティクス / 創薬 / プロテオミクス / 質量分析 / 臨床研究 / 精密医療 / 医療AI / 医用画像 / デジタル病理 / 機械学習 / 材料科学 / 物理学 / 天文学 / シミュレーション
設計上の特徴
3層の補助ファイル構造が際立っています。各スキルフォルダが以下の構成を持ちます:
scientific-skills/[skill-name]/
├── SKILL.md # スキル定義
├── references/ # APIドキュメント、検索構文、フォーマットガイド
├── scripts/ # 実行可能コード（引用検証、QC分析等）
└── templates/ # LaTeXテンプレート、出力フォーマット
科学的方法論への忠実さも特徴です。文献レビューではPICOフレームワーク、システマティックレビューではPRISMAガイドライン、報告ではCONSORT/STROBEといった、確立された学術フレームワークをワークフローに直接組み込んでいます。
MCP対応も提供しており、https://mcp.k-dense.ai/ でホスティングされたMCPサーバーを通じて、Claude Code以外のクライアント（Cursor IDE等）からも利用可能です。
2. どのような用途で利用できるか？
メインの用途
- 文献レビュー: literature-reviewスキルで体系的な文献調査。PubMed・OpenAlex等のデータベーススキルと連携
- 仮説生成: hypothesis-generationスキルで複数の競合仮説を構造的に生成
- 科学論文執筆: scientific-writingスキルで計画→執筆の2段階プロセスを支援
- データ分析: Scanpy（シングルセル解析）、RDKit（化学情報学）等の専門パッケージのワークフロー
- 臨床研究支援: 臨床意思決定支援、治療計画、HIPAA準拠の匿名化処理
具体的なシナリオ
シナリオ1: 論文のための文献レビュー
literature-review（7段階ワークフロー）
Phase 1: 計画・スコーピング（PICOフレームワーク）
Phase 2: 体系的文献検索（3+データベース）
Phase 3: スクリーニング・選択（タイトル→抄録→全文）
Phase 4: データ抽出（構造化収集）
Phase 5: 統合・分析（テーマ別整理）
Phase 6: 引用検証（verify_citations.pyスクリプト）
Phase 7: ドキュメント生成（PDF/Markdown、PRISMAフロー図）
シナリオ2: 新しい研究仮説を立てる
hypothesis-generation（8段階ワークフロー）
1. 現象の理解
2. 文献検索の実施
3. エビデンスの統合
4. 競合仮説の生成（3-5個の異なる選択肢）
5. 品質評価
6. 実験設計
7. 予測の定式化
8. 構造化出力（LaTeX、最大4ページ + 付録）
シナリオ3: 化学情報学のデータ処理
rdkit → 分子構造の解析・フィンガープリント計算
→ deepchem → 機械学習モデルによる活性予測
→ datamol → データクリーニング・標準化
3. どのような選択肢が表示されるか？
claude-scientific-skillsはエージェント自律型の設計が中心で、対話的な選択肢は少なめです。これが他のスキル集（superpowersやmarketingskills）との大きな違いです。
ワークフロー内での分岐点
各スキルの中で、以下のような判断ポイントがあります:
literature-review の場合
- 検索データベースの選択: PubMed / OpenAlex / bioRxiv / 複数組み合わせ
- 引用スタイルの選択: APA / AMA / Vancouver / Chicago / IEEE の5形式
- 出力形式の選択: PDF / Markdown
scientific-writing の場合
- 執筆段階の分離: 計画段階（アウトライン+リサーチ）と 執筆段階（完全な散文への変換）の2フェーズ
- 投稿先テンプレート: venue-templatesスキルで学会・ジャーナル別のフォーマット選択
get-available-resources の場合
- 環境自動検出: CPU/GPU/RAM/ディスク容量を検出
- 最適化推薦: 検出したリソースに基づき、並列化戦略やデータ処理方法を自動推薦
スキル間の相互参照
141スキルは独立して使うだけでなく、スキル同士が相互に参照する設計になっています:
literature-review → pubmed-database, openalex-database, scientific-schematics
hypothesis-generation → literature-review, scientific-schematics
scientific-writing → research-lookup, scientific-schematics, venue-templates
clinical-decision-support → scientific-schematics, treatment-plans
scanpy → anndata, scvi-tools, lamindb
rdkit → deepchem, datamol, medchem
4. 出力されるものは何か？
| スキル | 出力物 |
|---|---|
| literature-review | 文献レビューレポート（PDF/Markdown）+ PRISMAフロー図 + 引用リスト |
| hypothesis-generation | 構造化仮説文書（LaTeX、最大4ページ + 付録） |
| scientific-writing | 学術論文（LaTeXフォーマット、50+引用を含む付録） |
| scientific-schematics | 図表・ダイアグラム（各スキルから呼び出される共通ツール） |
| rdkit / scanpy 等 | 解析結果（データフレーム、プロット、統計レポート） |
| clinical-decision-support | 臨床意思決定レポート（GRADE証拠グレーディング付き） |
出力の特徴
LaTeX出力の標準装備が大きな特徴です。科学論文、ポスター、臨床レポートの各スキルでLaTeX/PDF出力テンプレートが提供されており、scientific_report.styパッケージで統一フォーマットが適用されます。
視覚要素の必須化も独自のポリシーです。文献レビュー・仮説生成・論文執筆の全スキルで「図表なしの文書は不完全」と明言しており、scientific-schematicsスキルとの連携で図表生成が自動化されます。
引用検証パイプラインとして、verify_citations.pyスクリプトがDOIをCrossRefに対して自動検証します。AIが生成しがちな架空の引用を防ぐ仕組みです。
5. まとめ
claude-scientific-skillsは、Claude Code Skillsのエコシステムで最大規模かつ最も専門特化したスキル集です。
強み
- 141スキルで16以上の科学分野をカバー（Claude Code Skills最大規模）
- 3層補助ファイル構造（references/scripts/templates/）で実行可能コード付き
- PICO・PRISMA・CONSORT等の確立された科学的方法論をワークフロー化
- MCPサーバーホスティング提供でClaude Code以外からも利用可能
- LaTeX出力標準装備、引用検証パイプライン、視覚要素必須化
向いている人
- 大学・研究機関で文献レビューや論文執筆を行う研究者
- バイオインフォマティクス・ケモインフォマティクスのデータ分析を行う人
- 臨床研究のデータ管理・意思決定支援を必要とする人
- 科学データベース（PubMed、OpenAlex等）を日常的に利用する人
注意点
- 科学研究特化のため、一般的なソフトウェア開発には使えない
- Python 3.9+、uv、各種科学パッケージへの依存が多く環境構築が重い
- ユーザー対話設計が薄く、自律実行型の設計が中心
- 141スキルの全体像把握に学習コストがかかる
- 全て英語（科学用語は国際的に英語が標準のため、日本語化の優先度は低い）