PRŮVODCE společnostmi

Insitro biologie strojového učení

Insitro spojuje rozsáhlá lidská genetická a buněčná data se strojovým učením, aby nalezla lepší cíle pro léky a pacienty, kteří s největší pravděpodobností zareagují.

Poslechněte si tento návodAI-vyprávěný · ~2 min

Na této stránce2 minuty čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost insitro biologie strojového učení
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.

Hluboký ponor

Společnost Insitro, kterou v roce 2018 založila počítačová bioložka a bývalá vedoucí Stanford a Coursera Daphne Kollerová, se vybudovala jako společnost zabývající se objevováním léků „první strojovým učením“. Jeho hlavní myšlenkou je vytvářet obrovské, účelově vytvořené datové soubory interně – pomocí modelů nemocí odvozených z lidských kmenových buněk („in vitro“), zobrazování s vysokým obsahem a „omických měření – a spárovat je s masivními lidskými genetickými a klinickými kohortami, jako je britská Biobanka. Strojové učení pak spojuje molekulární a buněčné signatury s nemocí, což pomáhá identifikovat cíle, které podle genetiky skutečně způsobují nemoc, a rozdělit pacienty do podskupin. Samotný název se mísí „in silico“ (výpočet) a „in vitro“ (laboratorní biologie). Společnost Insitro navázala partnerství s Gilead a Bristol Myers Squibb a zaměřuje se na oblasti jako metabolická, jaterní a neurodegenerativní onemocnění.

Real-World Implementace

Trénink modelů na MRI skenech jater k vytvoření kvantitativních fenotypů, pak provádění studií genetické asociace k nalezení cílů léků pro onemocnění jater.

Použití neuronů pocházejících z lidských kmenových buněk k modelování ALS a dalších neurodegenerativních onemocnění pro analýzu ML.

Spolupráce se společností Gilead s cílem objevit cíle pro nealkoholickou steatohepatitidu (NASH) a jaterní fibrózu.

Rozdělení pacientů do genetických podskupin za účelem predikce, kdo bude reagovat na danou terapii.

Budoucnost insitro biologie strojového učení

Insitro tlačí na prediktivní modely, které spojují genotyp s buněčným fenotypem a výsledkem pacienta, což umožňuje výběr cíle a stratifikaci pacienta před nákladnými studiemi. Očekávejte hlubší využití základních modelů napříč zobrazováním a omiky, více propojení biobank a postupující kandidáty na interní potrubí. Klíčovou výzvou je uzavření smyčky: dokázat, že cíle nominované umělou inteligencí a podporované genetikou se promítají do schválených léků, které fungují u správných pacientů.

Uvedení do praxe

Proč na tom záleží

  • Strategie dodavatelů. Plány dodavatelů ovlivňují, jaké funkce může váš tým dále vybudovat.
  • Cena a rozpočet. Komerční podmínky a možnosti nasazení ovlivňují dlouhodobé náklady a rizika.
  • Riziko a bezpečnost. Firemní pobídky utvářejí výchozí produkty, bezpečný postoj a otevřenost.

Pozor na

  • Oznámení o uvedení mohou předstihnout stabilitu v reálných výrobních pracovních postupech.
  • Změny cen API nebo politik mohou přes noc narušit předpoklady.
  • Závislost na jediném dodavateli zvyšuje náklady na uzamčení a migraci.

Další kroky

  1. Vyhodnoťte poskytovatele pomocí vlastních úkolů a datových sad.
  2. Před integrací si přečtěte podmínky ochrany soukromí, zabezpečení a právní podmínky.
  3. Udržujte záložní plán napříč modely nebo dodavateli.
  4. Sledujte poznámky k vydání, aby změny plánu nepřekvapily týmy.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Take the Insitro Machine Learning Biology quiz

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

What is Insitro Machine Learning Biology?

Insitro spojuje rozsáhlá lidská genetická a buněčná data se strojovým učením, aby nalezla lepší cíle pro léky a pacienty, kteří s největší pravděpodobností zareagují. Záleží na tom, protože řeší největší důvod selhání léků – výběr špatného cíle – tím, že zakládá objevy ve skutečné lidské biologii.

Co spojuje název „Insitro“?

Název spojuje výpočty „in silico“ s laboratorní biologií „in vitro“ a zachycuje její přístup ML-plus-experiment.

Kdo založil Insitro?

Daphne Koller, počítačová bioložka a bývalá spoluzakladatelka Coursera, založila Insitro v roce 2018.

Proč Insitro při výběru cíle klade důraz na lidskou genetiku?

Cíle podporované lidskými genetickými důkazy jsou mnohem pravděpodobněji skutečně kauzální, což snižuje selhání léků.

Co je to „fenotyp strojového učení“, jak jej Insitro používá?

Insitro odvozuje kvantitativní znaky z obrázků pomocí ML a poté studuje jejich genetické asociace.

Která velká lidská kohorta se běžně používá pro genetické studie v biobankách, jako je Insitro?

Biobanka Spojeného království propojuje genetická, zobrazovací a zdravotní data pro stovky tisíc lidí.