バイオテクノロジーへの人工知能（AI）の統合は、これまでの遅く線形な発見のパラダイムを、指数関数的なイノベーションへとシフトさせました。ライフサイエンス分野の創業者にとって、AI はもはや単なる自動化ツールではありません。膨大なデータセットを統合し、実験デザインを最適化し、複雑な規制環境をナビゲートすることができる「副操縦士（コパイロット）」なのです。
これらのプロンプトは、ChatGPT、Gemini、Claude、DeepSeek を含むすべての主要な大規模言語モデル（LLM）において、高いパフォーマンスを発揮するように厳密にテストされています。論理とコーディングに長けた DeepSeek や、微細なニュアンスを含むテクニカルライティングに強い Claude など、各モデルには特有のアーキテクチャがありますが、以下の 10 個のプロンプトは、バイオテック・ベンチャーをスケールさせるための普遍的で強固な基盤となります。
1. 文献レビューとギャップ分析の自動化
推奨モデル: Gemini（強力な情報検索能力と大きなコンテキストウィンドウのため）または ChatGPT。
創業者は、新規のメカニズムを特定するために、しばしば何百もの論文を読み解く必要があります。このプロンプトは、AI を研究アシスタントとして機能させ、現在の CRISPR 応用におけるギャップを特定させます。
博士号レベルの分子生物学者として振る舞ってください。 [特定の遺伝子/タンパク質ターゲット] に関する最近の論文 [挿入：論文数] 本の抄録（アブストラクト）を提供します。
これらの情報を統合して、以下を行ってください：
1. 作用機序に関するコンセンサス（共通見解）を特定する。
2. 現在の文献における 3 つの具体的な矛盾点またはギャップを強調する。
3. これらのギャップに対処する、CRISPR ベースの介入に向けた 2 つの新しい仮説を提案する。
4. 各ポイントを裏付ける具体的な論文（著者/タイトル）を引用する。
効果: 何時間もの読書時間を構造化された戦略的分析に変換し、「インサイトを得るまでの時間」を大幅に短縮します。
2. シリーズ A テクニカル・ピッチの起草
推奨モデル: Claude（優れたトーン、構成、および専門的なニュアンスのため）。
高度な科学を投資可能なストーリーに翻訳することは、極めて重要なボトルネックです。このプロンプトは、科学的な質を落とすことなく、複雑なテクノロジーを説得力のあるビジネスケースへと構築します。
ライフサイエンス専門のベンチャーキャピタリストとして振る舞ってください。当社の創薬プラットフォームに関する以下の技術概要を確認してください：[概要を挿入]。
以下の点に焦点を当てた 10 枚のスライド構成のピッチブック案を作成してください：
1. 具体的な未充足の医療ニーズ（Unmet Medical Needs）。
2. 標準的な NGS と比較した、当社の特定のシーケンシング技術の「圧倒的な優位性（Unfair Advantage）」。
3. FDA の規制当局承認に向けたマイルストーンのロードマップ。
4. 明確な収益化戦略（例：ライセンス供与 vs 自社パイプライン開発）。
トーン：権威があり、データ駆動型で、商業的実現可能性を感じさせるもの。
効果: 研究現場と取締役会のギャップを埋め、科学的なブレイクスルーをスケーラブルな市場機会として位置づけます。
3. FDA 規制上の障害のシミュレーション
推奨モデル: ChatGPT（多才なロールプレイングのため）または Gemini。
規制当局からの反論を予測しておくことは、後で修正するよりもはるかに低コストです。このプロンプトは、Pre-IND（臨床試験実施申請前）会議をシミュレートします。
FDA（米国食品医薬品局）の生物製品評価研究センター（CBER）のシニア審査官として振る舞ってください。[ベクタータイプ、例：AAV] を介して投与される [疾患] を標的とした遺伝子治療案を評価してください。
以下の点に関して、あなたが提起するであろう上位 5 つの安全性懸念を挙げてください：
1. オフターゲット効果と遺伝毒性。
2. この特定のベクターにおける CMC（化学・製造・品質管理）の課題。
3. 第 1 相試験の患者選択基準。
各懸念事項について、説明用資料（ブリーフィング・パケット）に含めるべき具体的な軽減戦略を提案してください。
効果: 厳格な規制基準に照らして開発計画をストレステストすることで、重要なコンプライアンス上の失敗を未然に防ぎます。
4. 特異性を高める sgRNA ライブラリのデザイン
推奨モデル: DeepSeek（論理と技術的パターンの最適化）または ChatGPT。
最終的なデザインには専用のバイオインフォマティクスツールが使用されますが、LLM は CRISPR スクリーンのハイレベルな戦略とパラメータ設定に非常に適しています。
CRISPR バイオインフォマティクスのスペシャリストとして振る舞ってください。[薬物] への耐性メカニズムを特定するため、[細胞型] におけるゲノムワイドなノックアウトスクリーンのためのプール型 sgRNA ライブラリを設計する必要があります。
以下の最適パラメータを定義してください：
1. 1 遺伝子あたりのガイドカバレッジ（例：1 遺伝子あたり何個の sgRNA か？）。
2. コントロール配列（非標的 vs セーフ標的）。
3. この特定の細胞株におけるオフターゲット効果を最小限に抑えるためのランキング基準。
4. スクリーン後のシーケンシングデータをデコンボリューションするための計算ワークフロー。
効果: 厳格な実験枠組みを確立し、ウェットラボでの実験から統計的に有意でクリーンなデータが得られるようにします。
5. 治験実施計画書（プロトコル）の最適化
推奨モデル: Claude（大規模な文書と複雑な制約の処理に長けているため）。
患者の募集と保持は主要なコスト要因です。このプロンプトは、患者中心のプロトコル設計を支援します。
臨床運用ディレクター（Clinical Operations Director）として振る舞ってください。[適応症] に関する第 1/2 相試験の選択・除外基準のドラフトを確認してください：[基準を貼り付け]。
このリストを以下の観点から分析してください：
1. 不必要に制限的で、患者募集を遅らせる可能性のある基準。
2. 治験施設でのプロトコル逸脱につながる可能性のある曖昧さ。
3. デジタルバイオマーカーや遠隔モニタリングを使用して、患者の負担を軽減できる機会。
安全性を維持しつつ、募集対象を最大化する修正案を提示してください。
効果: 治験の運用を合理化し、募集期間を数ヶ月短縮し、バーンレート（資金燃焼率）を抑制できる可能性があります。
6. 特許状況の分析（FTO）
推奨モデル: Gemini（広範なウェブアクセスと統合能力のため）または ChatGPT。
実施の自由（FTO）は死活問題です。このプロンプトは、高額な弁護士に依頼する前に、IP（知的財産）状況の予備的な調査を行うのに役立ちます。
バイオテクノロジー分野の IP 戦略コンサルタントとして振る舞ってください。当社は [特定の属性、例：小型化、高精度化] を備えた新規の Cas9 変異体を開発しています。
主要な特許保持者（例：ブロード研究所、カリフォルニア大学バークレー校）による広範なクレームを含む、現在の CRISPR 特許状況の概念的な分析を行ってください。
1. [特定の属性] に関連する具体的な IP 「地雷原」を特定する。
2. 既存の広範なクレームを「回避（Design-around）」するための 3 つの戦略を提案する。
3. 当社のデリバリーメカニズムの周囲に防御的な特許の堀（Moat）を構築するための戦略の概要。
効果: IP 紛争の早期警告を提供し、将来の高額な訴訟を避けるための研究開発の方向性を形作るのに役立ちます。
7. ラボワークフローの自動化と Python スクリプティング
推奨モデル: DeepSeek（コード生成能力が非常に高い）または Claude。
現代のバイオテックはデータ集約型です。創業者は、シーケンシングデータを解析したり、液体分注機を自動化したりするためのクイックスクリプトを必要とすることがよくあります。
計算生物学者として振る舞ってください。Biopython または Pandas を使用して、以下の処理を行う Python スクリプトを書いてください：
1. [個数] 個の DNA 配列を含む FASTA ファイルをインポートする。
2. [長さ] bp 未満の配列、または曖昧な塩基（'N'）を含む配列をフィルタリングして除外する。
3. 残りの DNA 配列をタンパク質に翻訳する。
4. 結果を「Sequence ID」「DNA」「Protein」の列を持つ CSV ファイルとして出力する。
ジュニア・バイオインフォマティシャンが理解できるように、コードの各ステップに説明コメントを含めてください。
効果: データ処理を加速し、再利用可能なコード資産を作成することで、手動のデータ入力や外部委託への依存を減らします。
8. 複雑なマルチオミクスデータの解釈
推奨モデル: ChatGPT または Gemini。
トランスクリプトミクス、プロテオミクス、ゲノミクスデータの統合には、高度なパターン認識が必要です。
システム生物学者として振る舞ってください。当社の候補薬を投与した後の [組織型] における遺伝子発現上昇を示すデータセットがあります。発現が上昇した上位 10 個の遺伝子は以下の通りです：[遺伝子リスト]。
1. （概念的に）パスウェイ解析を行い、どの生物学的プロセスが活性化されている可能性が高いか特定してください。
2. これらの遺伝子を既知の薬物反応データベースと照合してください。
3. これらの発現変化が、[症状] で観察された表現型の改善とどのように結びつくのか、作用機序の仮説を立ててください。
効果: 生データのリストを超えて生物学的なストーリーへと昇華させ、薬が「なぜ」効いているのか（あるいは失敗しているのか）を迅速に理解する助けとなります。
9. 競合他社の市場インテリジェンス
推奨モデル: Gemini（リアルタイムまたは広範なウェブ情報の処理に優れている）または DeepSeek。
誰が同じ適応症をターゲットにし、どのようなモダリティを使用しているかを知る必要があります。
製薬業界の競合分析アナリストとして振る舞ってください。[疾患/適応症] に関する競合状況を分析してください。
現在臨床試験を行っている上位 3 社の比較表を作成してください。以下の基準で比較してください：
1. 治療モダリティ（例：低分子化合物、モノクローナル抗体、遺伝子治療）。
2. 開発段階（第 1 相、2 相、または 3 相）。
3. 報告されている有効性データ（公開されている場合）。
4. 当社の提案するアプローチ [当社のアプローチを記述] と比較した際の、彼らの主要な弱点。
効果: 差別化戦略を研ぎ澄まし、競合状況に関する投資家からの質問に備えることができます。
10. 既存薬再開発（ドラッグ・リパーパシング）のアイデア創出
推奨モデル: Claude（創造的な連想に優れている）または ChatGPT。
市場への最短ルートが既存資産の再利用である場合があります。
創薬化学者および薬理学者として振る舞ってください。薬物 [薬物名] の分子構造と既知のターゲットを考慮してください。
[ターゲットタンパク質] への結合メカニズムに基づいて、現在の用途以外で 3 つの新しい治療適応症を提案してください。
各提案について：
1. 生物学的な根拠を説明する。
2. 新しい適応症における潜在的なオフターゲット毒性のリスクを特定する。
3. この仮説を試験管内（in vitro）で検証するための迅速な「キラー実験（決定的な実験）」を提案する。
効果: 既存の資産に隠された潜在的価値を引き出し、アーリーステージのプラットフォームにおける創造的なピボットの選択肢を生み出します。
プロのヒント：コンテキストを活用した「フューショット（Few-Shot）」プロンプティング
シーケンシングの異常値の解釈など、最も複雑なバイオテックのタスクには「フューショット・プロンプティング」を使用してください。AI に単にデータを分析させるのではなく、あなたが高品質だと考える「過去の分析例」を 2、3 個提供します。
例の構造:
「良い作用機序分析の例をここに示します：[例]。では、この新しいデータセットに対して同じ分析を行ってください：[新しいデータ]。」
この手法により、モデルはあなたの科学的厳密さとフォーマットの基準に固定され、修正の必要性が大幅に減少します。
生物学とコードの融合こそが、この時代の決定的な特徴です。これらのプロンプトをマスターすることは、科学的な専門知識を置き換えることではなく、それを増幅させることを意味します。これらの AI モデルを、計り知れないアウトプット能力を持ちながらも、画期的な科学を生み出すためにあなたの専門的な指示を必要とする「不眠不休の博士研究員」として扱ってください。