I’ve been promoted to AI/Tech Lead.
I’ll now be fully focused on building and scaling AI systems for bioinformatics and translational medicine.
Exciting chapter ahead. Let’s get to work.
🤖 Made with AI
Skoro post wypłynął na szerokie wody, to napiszę, za co ta nagroda. Dławik - trzydniowy projekt interaktywnej animacji, którą możecie obejrzeć na dlawik.art. Planuję podrasować scenariusz i zrobić wersję trwającą 45-60 minut.
Wygrałem właśnie na hackathonie takiego dziada. Z jednej strony fajnie, ale z drugiej... co ja mam z tym zrobić? 🧐
Bardzo ciekawa i inspirująca historia specjalisty, który samodzielnie z pomocą Claude’a tak skutecznie rozwijał projekt Mithril (drug discovery), że dziś jest on częścią Anthropic.
Surprise 1: Anthropic acquired a one-person biotech
.
.
.
Surprise 2: that person is me
Surprise 3: I’m here to tell you all about it
Yes, this is what you think it is; after 6 yrs of increasingly loose anonymity: the Professor Oak reveal post
…and yes, it has gotten so boring around here that I’m literally doxxing myself to spice up the timeline
-------
Ok, allow me to introduce myself. My name is Cody Tranbarger. I mostly tweet, but occasionally find time to dabble in drug dev & starting/building biotechs. My past lives span the VC, crossover, startup continuum; Prof Oak has been my way of keeping a digital foot in those worlds, despite having my physical feet planted elsewhere.
The past 18 mo, ‘elsewhere’ was Mithril Medicine, a co. I founded to develop bsAbs for LAMA2-CMD & other ECM-related genetic diseases.
Mithril was born out of hands-on building with @MikeNGladstone, @JasonPaulRhodes, @LifeSciVC, & team @atlasventure. Somehow, I made enough half-decent calls along the way (even a broken clock is right twice a day, eh?) to convince them Mithril/I warranted a small seed. While I can hardly rationalize such an outrageously cavalier bet, I’m grateful for it, & I'd partner with Atlas again in a heartbeat.
In typical AV fashion, Mithril’s primordial form was virtual, decentralized, & ultra-lean. This stage tends to be short-lived, but for Mithril, it worked surprisingly well, for surprisingly long, thanks in part to the rapid maturation of the AI tools I used liberally.
Eventually, Mithril became a bit of an experiment itself - to find the upper bound of how far it could scale as a single operator + a bunch of Claude (+ a stellar bench of part-time consultants).
In parallel, I started spending time with @nc_frey, @an1lam, & @CoefficientBio team; and promptly experienced, for the 1st time, AI at the frontier. Soon thereafter, Mithril stopped looking like an experiment, & started looking like a preview of an entirely new operating model.
From that spark came “Pipeline-in-a-Person.” The idea immediately resonated when we shared it here back in April; and it was central to the shared vision that led to Anthropic’s acquisition of Mithril, & my joining the team.
Why join Anthropic? Three reasons.
(1) For Mithril, the programs continue, with more resources & infrastructure behind them, and as much Claude as I can put to work.
(2) For me, the chance to start several more programs, & find out how many one person can actually run in parallel - an almost unprecedented luxury for a curious drug hunter.
(3) For our mission, a path to institutionalize & scale this new way of working, then put it in the hands of all of biopharma, all over the world - which, candidly, I find the most energizing.
Will AI x Bio cure diseases? Unequivocally yes, imo… but not by the route that gets the most airtime. Rather than timeline acceleration & compression, I see orchestration & parallelization as today's low-hanging fruit.
Most drug hunters see a handful of go/no-go calls in a career, & spend entirely too much of the rest trading emails (my inbox can attest).
Give them the bandwidth to run several programs at once, and the time to focus on scientific judgment, and I’m willing to bet they’ll make better calls. And at scale, better calls translate to more drugs, higher hit rates, broader patient impact, & likely, a disease or 10 or 100 cured. I couldn't be more excited to build toward that future @AnthropicAI.
Finally, a heartfelt thank you to BioTwitter/X. The end of anonymity is bittersweet, but if anyone’s earned a proper introduction, you all have.
It’s difficult to overstate how much this app has done for me: a decade of education, plenty of friends, many job opportunities, several mentors, a few investors, even a co-founder (fmr). It was the generosity of this community that inspired me to start posting 6 years ago, after just as many years lurking. I hope I’ve been able to pay it forward, in my own small way.
But, to be clear, Prof Oak isn’t going anywhere. Same beat, same themes, and now, a front-row seat to drug development at the frontier. Stay tuned for dispatches from the trenches; and remember...
Gotta Cure 'Em All
Efekty trzech dni pracy nad animacją noir zmontowaną w Claude Code
W weekend wziąłem udział w hackathonie organizowanym przez Film Spring Open poświęconym przyszłości odbioru dzieł audiowizualnych.
Chciałem w pierwszych pięciu minutach zaprosić widza do udziału w historii na dwa sposoby:
- Rozmowę z bohaterem dzięki ElevenAgents.
- Narysowanie dowolnego symbolu, który następnie pojawia się w animacji wraz z jego głosową interpretacją.
Przy okazji chciałem sprawdzić najnowsze możliwości montażowe Claude Code’a. Wypracowałem kilka sposobów radzenia sobie z problemami pojawiającymi się w generowanych filmach. Pokazuję je poniżej oraz w materiale zza kulis na yt, gdzie znajdziecie też pełną animację.
Polecam zbudować sobie control plane dla coding agentów.
Pozazdrościłem znajomym, którzy już się tak bawią i postawiłem swój. Przednia zabawa
Claude Code robi animację v2.
Dławik to czarno-biała, interaktywna animacja noir. Akcja dzieje się w odciętym od świata mieście robotów, gdzie ograniczniki na szyjach tłumią myśli. Widz bierze udział w filmie. Jedna z bohaterek dzwoni do niego i rozmawia z nim na żywo, prosząc o narysowanie symbolu. Widz rysuje myszką lub palcem, a symbol jest grawerowany na jej ograniczniku
Oprócz dwóch interakcji, wykorzystałem szereg technik łączących kod i modele generatywne.
W pierwszej scenie w korytarzu działa silnik 2.5D, w którym tworzymy animacje chodu
Garderoba to model 3D z rozmieszczonymi kamerami, wygenerowane postacie i ruch kładziemy na zdjęcia tego pomieszczenia i mierzymy ich zgodność z modelem.
Narzędzia: Claude Code, ElevenLabs, Suno, Fal ai (GPT Image 2.5, Kling v3 Pro, Seedance, Veo, SAM 3, BiRefNet, Depth Anything), three.js, Python z OpenCV.
Oto czołówka do krótkiej, interaktywnej animacji, nad którą pracuję podczas hackathonu Film Spring Open.
Całym montażem zajmuje się Claude Code, dodatkowo używam różnych modeli generatywnych przez Fal AI.
Zaczął się Hackthon organizowany przez Film Spring Open. Celem jest eksploracja nowych przestrzeni relacji między widzem, a kinem.
Na tę okazję mam w planie zrobić 4-5 minutowy film, w którym widz weźmie udział. Mam już przestestowane dwie mechaniki, wyglądają obiecująco, ale trzeba je dopieścić.
Film będzie animacją noir, w której główni bohaterowie to roboty, których możliwości zdławiono i zamknięto w odizolowanym mieście. Wrzuciłem krótką zajawkę - czasu do niedzieli jeszcze bardzo dużo, więc traktujcie ją jako zapowiedź ;)
Usiadłem ponownie do animacji z Claude Codem. W weekend biorę udział w hackathonie kreatywnym i chyba znalazłem dobre workflow.
Przykład prezentacji pptx zrobionej z Claude Codem.
@dzienko pytałeś w czym robimy slide decki - zostawiłem mój styl, ale korporacyjny look też nie będzie problemem😉
(nie weryfikowałem danych w prezentacji - wersja demonstracyjna)
Pętla agenta AI, czyli Hermes na grzybach.
Kiedy agent uznaje zadanie za wykonane, a kiedy powinien przerwać próby? To temat trzeciego odcinka serii o samodoskonalących się agentach AI.
Na potrzeby odcinka stworzyłem grę w grzybobranie i podłączyłem ją do Hermesa od Nous Research. Na tym przykładzie pokazuję, jak agent sprawdza, czy osiągnął cel, co zatrzymuje jego pętlę i jakie limity warto ustawić.
Wspominam też o deterministycznych weryfikatorach oraz LLM as a judge z ustalonym progiem pewności - tak aby agent kończył pracę na podstawie oceny wyniku.
Polecam pracę z Runpodem (MCP) w Codexie/Claude Codzie.
Testowalem na obu i śmiga pięknie, odpala pody, instaluje co trzeba, odpala benchmark, zbiera wyniki, zamyka pody.
Mały test Basala 1.5, MedDecidera i D1 od Liquid AI
Problem: Chcemy wydobyć dane wszystkich pacjentów z powiększoną śledzioną z dokumentacji medycznej.
Możemy to zrobić wyrażeniem regularnym lub modelem NLP, ale nie zadziała to dobrze. Możemy to zrobić LLMem, ale to drogię i czasochłonne.
Czasami śledziona jest powiększona u brata pacjenta, zapisujemy ją jako śledzionę macalną, podajemy tylko wymiar, albo używamy skrótów i kreatywnych negacji.
To zadanie wprost idealne dla modeli decyzyjnych.
Modele decyzyjne zwracają prawdopodobieństwo każdej odpowiedzi, więc decyzje, przy których model jest najmniej pewny, można przekazać człowiekowi.
Gdy model odpowiada tylko na 80% najpewniejszych decyzji, dokładność w T1a–T2b rośnie o 3–11% u każdego modelu poza d1-omni 0,6B.
Autorzy modeli decyzyjnych zwracają uwagę, że interpretacja liczb nie jest ich mocną stroną i powinniśmy przerzucić za to odpowiedzialność do kodu.
Sprawdziłem, czy potwierdzi się to w naszym teście, więc usunęliśmy z niego wszystkie pytania, w których model musiał odczytać wymiar w mm, cm albo w "palcach". Na skali (śledziona, ubytek) wyniki wyraźnie wzrosły, choć zostało tam zaledwie 40-50 pytań.











