Insitro মেশিন লার্নিং জীববিদ্যা
ইনসিট্রো আরও ভালো ওষুধের লক্ষ্য এবং রোগীদের সাড়া দেওয়ার সম্ভাবনা খুঁজে পেতে মেশিন লার্নিংয়ের সাথে বড় আকারের মানব জেনেটিক এবং সেলুলার ডেটা ফিউজ করে।
ওভারভিউ
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
গভীর ডুব
2018 সালে কম্পিউটেশনাল বায়োলজিস্ট এবং প্রাক্তন স্ট্যানফোর্ড এবং কোর্সের নেতা ড্যাফনে কোলার দ্বারা প্রতিষ্ঠিত, ইনসিট্রো নিজেকে একটি 'মেশিন লার্নিং-প্রথম' ড্রাগ আবিষ্কার কোম্পানি হিসাবে গড়ে তুলেছিল। এর মূল ধারণাটি হ'ল ঘরে-বাইরে বিশাল, উদ্দেশ্য-নির্মিত ডেটাসেট তৈরি করা — মানব স্টেম-সেল-উত্পন্ন ('ইন ভিট্রো') রোগের মডেল, উচ্চ-কন্টেন্ট ইমেজিং এবং 'ওমিক্স পরিমাপ - এবং ইউকে বায়োব্যাঙ্কের মতো বিশাল মানব জেনেটিক এবং ক্লিনিকাল দলগুলির সাথে যুক্ত করা। মেশিন লার্নিং তারপরে আণবিক এবং সেলুলার স্বাক্ষরকে রোগের সাথে সংযুক্ত করে, জেনেটিক্স যেগুলি সত্যিকার অর্থে অসুস্থতার পরামর্শ দেয় তা সনাক্ত করতে সাহায্য করে এবং রোগীদের উপগোষ্ঠীতে বিভক্ত করে। নামটি নিজেই 'ইন সিলিকো' (গণনা) এবং 'ইন ভিট্রো' (ল্যাব বায়োলজি) মিশ্রিত করে। Insitro Gilead এবং Bristol Myers Squibb-এর সাথে অংশীদারিত্ব করেছে এবং মেটাবলিক, লিভার এবং নিউরোডিজেনারেটিভ রোগের মতো ক্ষেত্রগুলিতে ফোকাস করেছে।
প্রযুক্তিগত অন্তর্দৃষ্টি
একটি স্বাক্ষর ইনসিট্রো পদ্ধতি মেডিক্যাল ইমেজগুলিতে মেশিন লার্নিং ব্যবহার করে - উদাহরণস্বরূপ, লিভার এমআরআই বা হিস্টোপ্যাথলজি পড়ার গভীর মডেলগুলি - পরিমাণগত 'মেশিন-লার্নিং ফেনোটাইপ' বের করতে। বায়োব্যাঙ্ক-স্কেল জনসংখ্যা জুড়ে এই AI-প্রাপ্ত বৈশিষ্ট্যগুলির বিরুদ্ধে জিনোম-ওয়াইড অ্যাসোসিয়েশন অধ্যয়ন চালানোর ফলে জেনেটিক বৈচিত্রগুলি দেখা যেতে পারে, এবং সেইজন্য কার্যকারণ লক্ষ্যগুলি, যা অশোধিত ক্লিনিকাল লেবেলগুলি মিস করে। এটি মানব জেনেটিক্সকে জোড়া দেয়, সবচেয়ে শক্তিশালী প্রমাণ যে একটি লক্ষ্য গুরুত্বপূর্ণ, এআই থেকে সমৃদ্ধ ফিনোটাইপিক রেজোলিউশন সহ।
কৌশলগত প্রভাব
বিক্রেতার কৌশল
বিক্রেতা রোডম্যাপ আপনার দল পরবর্তীতে কী কী বৈশিষ্ট্য তৈরি করতে পারে তা প্রভাবিত করে।
খরচ ও বাজেট
বাণিজ্যিক শর্তাবলী এবং স্থাপনার বিকল্পগুলি দীর্ঘমেয়াদী খরচ এবং ঝুঁকিকে প্রভাবিত করে।
ঝুঁকি এবং নিরাপত্তা
কোম্পানির প্রণোদনা পণ্যের ডিফল্ট, নিরাপত্তা ভঙ্গি এবং উন্মুক্ততাকে আকার দেয়।
ইনসিট্রো মেশিন লার্নিং বায়োলজির ভবিষ্যত
ইনসিট্রো ভবিষ্যদ্বাণীমূলক মডেলগুলির দিকে ঠেলে দিচ্ছে যা রোগীর ফলাফলের সাথে সেলুলার ফিনোটাইপের সাথে জিনোটাইপকে সংযুক্ত করে, ব্যয়বহুল পরীক্ষার আগে লক্ষ্য নির্বাচন এবং রোগীর স্তরবিন্যাস সক্ষম করে। ইমেজিং এবং ওমিক্স, আরও বায়োব্যাঙ্ক লিঙ্কেজ এবং অভ্যন্তরীণ পাইপলাইন প্রার্থীদের অগ্রগতি জুড়ে ফাউন্ডেশন মডেলগুলির গভীর ব্যবহার আশা করুন। মূল চ্যালেঞ্জ হল লুপ বন্ধ করা: প্রমাণ করা যে AI-মনোনীত, জেনেটিক্স-সমর্থিত লক্ষ্যগুলি অনুমোদিত ওষুধে অনুবাদ করে যা সঠিক রোগীদের ক্ষেত্রে কাজ করে।
বাস্তব-বিশ্ব বাস্তবায়ন
পরিমাণগত ফেনোটাইপ তৈরি করতে লিভার এমআরআই স্ক্যানের প্রশিক্ষণ মডেল, তারপর লিভারের রোগের জন্য ওষুধের লক্ষ্যগুলি খুঁজে পেতে জেনেটিক অ্যাসোসিয়েশন স্টাডি চালানো।
ML বিশ্লেষণের জন্য ALS এবং অন্যান্য নিউরোডিজেনারেটিভ রোগের মডেল করার জন্য মানব স্টেম-সেল থেকে প্রাপ্ত নিউরন ব্যবহার করা।
ননঅ্যালকোহলিক স্টেটোহেপাটাইটিস (NASH) এবং লিভার ফাইব্রোসিসের লক্ষ্যগুলি আবিষ্কার করতে গিলিয়েডের সাথে অংশীদারিত্ব করা।
প্রদত্ত থেরাপিতে কে সাড়া দেবে তা ভবিষ্যদ্বাণী করতে রোগীদের জেনেটিক সাবগ্রুপে বিভক্ত করা।
ঝুঁকি এবং প্রহরী
লঞ্চ ঘোষণা বাস্তব উত্পাদন কর্মপ্রবাহ মধ্যে স্থিতিশীলতা ছাড়িয়ে যেতে পারে.
API মূল্য নির্ধারণ বা নীতি পরিবর্তন রাতারাতি অনুমান ভঙ্গ করতে পারে।
একক-বিক্রেতা নির্ভরতা লক-ইন এবং মাইগ্রেশন খরচ বাড়ায়।
বাস্তবায়ন রোডম্যাপ
আপনার নিজের কাজ এবং ডেটাসেট ব্যবহার করে প্রদানকারীদের মূল্যায়ন করুন।
একীকরণের আগে গোপনীয়তা, নিরাপত্তা এবং আইনি শর্তাবলী পর্যালোচনা করুন।
মডেল বা বিক্রেতা জুড়ে একটি ফলব্যাক পরিকল্পনা বজায় রাখুন।
রিলিজ নোটগুলি মনিটর করুন যাতে রোডম্যাপ পরিবর্তন দলগুলিকে অবাক না করে।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Insitro Machine Learning Biology quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
মেশিন লার্নিং বেসিক
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is Insitro Machine Learning Biology?
ইনসিট্রো আরও ভালো ওষুধের লক্ষ্য এবং রোগীদের সাড়া দেওয়ার সম্ভাবনা খুঁজে পেতে মেশিন লার্নিংয়ের সাথে বড় আকারের মানব জেনেটিক এবং সেলুলার ডেটা ফিউজ করে। এটি গুরুত্বপূর্ণ কারণ এটি ওষুধের ব্যর্থতার সবচেয়ে বড় কারণকে মোকাবেলা করে — ভুল লক্ষ্য বাছাই — প্রকৃত মানব জীববিজ্ঞানে আবিষ্কারকে ভিত্তি করে।
'ইনসিট্রো' নামটি কী একত্রিত হয়?
নামটি 'ইন ভিট্রো' ল্যাব বায়োলজির সাথে 'ইন সিলিকো' কম্পিউটেশনকে মিশ্রিত করে, এর এমএল-প্লাস-পরীক্ষা পদ্ধতিকে ক্যাপচার করে।
Insitro কে প্রতিষ্ঠা করেন?
Daphne Koller, একজন কম্পিউটেশনাল জীববিজ্ঞানী এবং প্রাক্তন Coursera সহ-প্রতিষ্ঠাতা, 2018 সালে Insitro প্রতিষ্ঠা করেন।
কেন ইনসিট্রো লক্ষ্য নির্বাচনের ক্ষেত্রে মানব জেনেটিক্সের উপর জোর দেয়?
মানব জেনেটিক প্রমাণ দ্বারা সমর্থিত লক্ষ্যগুলি প্রকৃতপক্ষে কার্যকারণ হওয়ার সম্ভাবনা অনেক বেশি, ওষুধের ব্যর্থতা হ্রাস করে।
ইনসিট্রো এটি ব্যবহার করে একটি 'মেশিন-লার্নিং ফেনোটাইপ' কী?
Insitro ML ব্যবহার করে ইমেজ থেকে পরিমাণগত বৈশিষ্ট্য আহরণ করে, তারপর তাদের জেনেটিক অ্যাসোসিয়েশন অধ্যয়ন করে।
ইনসিট্রোর মতো বায়োব্যাঙ্ক-স্কেল জেনেটিক স্টাডির জন্য কোন বড় মানব দল সাধারণত ব্যবহৃত হয়?
ইউকে বায়োব্যাঙ্ক কয়েক হাজার মানুষের জন্য জেনেটিক, ইমেজিং এবং স্বাস্থ্য ডেটা লিঙ্ক করে।