Nchịkọta
Insitro na-ejikọta nnukwu mkpụrụ ndụ ihe nketa mmadụ na cellular yana mmụta igwe iji chọta ebumnuche ọgwụ ka mma yana ndị ọrịa nwere ike ịzaghachi. Ọ dị mkpa n'ihi na ọ na-egbochi nnukwu ihe kpatara ọgwụ ji ada - ịhọpụta ebumnuche na-ezighi ezi - site n'itinye nchoputa na usoro ndu mmadu n'ezie.
Insitro Machine Learning Biology bụ nke a ghọtara nke ọma n'usoro atụmatụ, ịnweta ihe nlereanya, mkpebi ikpo okwu, na mmekorita gburugburu ebe obibi.
Ime miri emi
Tọrọ ntọala na 2018 site n'aka ọkà mmụta ihe omimi nke mgbakọ na mwepụ na onye bụbu Stanford na Coursera onye ndu Daphne Koller, Insitro wuru onwe ya dị ka ụlọ ọrụ nchọpụta ọgwụ 'igwe mmụta-mbụ'. Isi echiche ya bụ imepụta nnukwu datasets wuru n'ime ụlọ - iji ụdị ọrịa stem-cell enwetara ('in vitro'), onyonyo ọdịnaya dị elu, yana nha 'omics - wee jikọta ya na nnukwu mkpụrụ ndụ ihe nketa mmadụ na ụlọ ọgwụ dịka UK Biobank. Ọmụmụ igwe na-ejikọkwa mbinye aka mkpụrụ ndụ na cellular na ọrịa, na-enyere aka ịchọpụta ebumnuche ndị mkpụrụ ndụ ihe nketa na-egosi na-ebute ọrịa n'ezie, wee kewaa ndị ọrịa n'ime obere otu. Aha ahụ n'onwe ya na-agwakọta 'na silico' (mgbakọ) na 'in vitro' (biology lab). Insitro esorola Gilead na Bristol Myers Squibb rụkọọ ọrụ ma lekwasị anya na mpaghara dịka ọrịa metabolic, imeju na neurodegenerative.
Nghọta nka nka
Usoro Insitro mbinye aka na-eji mmụta igwe na onyonyo ahụike - dịka ọmụmaatụ, ụdị miri emi na-agụ imeju MRI ma ọ bụ histopathology - iji nweta ọnụọgụ 'phenotypes-ịmụ igwe.' Na-agba ọsọ ọmụmụ genome-wide mkpakọrịta megide àgwà AI-ewepụtara n'ofe biobank-ọnụ ọgụgụ mmadụ nwere ike ihie mkpụrụ ndụ ihe nketa variant, ya mere ebumnobi na-akpata, na crude ụlọ ọgwụ labelụ na-efunahụ. Di na nwunye a na-ejikọta mkpụrụ ndụ ihe nketa mmadụ, ihe akaebe siri ike na-egosi na ebumnuche ebumnuche, yana mkpebi phenotypic bara ụba sitere na AI.
Mastering Insitro Machine Learning Biology
Insitro na-ejikọta nnukwu mkpụrụ ndụ ihe nketa mmadụ na cellular yana mmụta igwe iji chọta ebumnuche ọgwụ ka mma yana ndị ọrịa nwere ike ịzaghachi. Ọ dị mkpa n'ihi na ọ na-egbochi nnukwu ihe kpatara ọgwụ ji ada - ịhọpụta ebumnuche na-ezighi ezi - site n'itinye nchoputa na usoro ndu mmadu n'ezie. Insitro Machine Learning Biology bụ nke a ghọtara nke ọma n'usoro atụmatụ, ịnweta ihe nlereanya, mkpebi ikpo okwu, na mmekorita gburugburu ebe obibi. Iji wuo nghọta miri emi, na-emeso Insitro Machine Learning Biology dị ka ihe nlere anya na-arụ ọrụ, ọ bụghị otu njirimara: kọwapụta nsonaazụ achọrọ, dokwuo anya echiche, kewaa ihe sistemụ ahụ nwere ike ime nke ọma na ihe ka chọrọ mkpebi ndị ọkachamara.
Na omume, ndị otu siri ike na-eji Insitro Machine Learning Biology na-enyocha atụmatụ ndị na-ere ahịa, ntụkwasị obi nke map okporo ụzọ, na mkpọchi n'ihe egwu tupu ha emee. Ha na-edepụta njirisi ịga nke ọma nke ọma, nwalee megide data ziri ezi yana usoro ọrụ, yana na-atụgharị dabere na usoro ọdịda ahụrụ karịa karịa mmeri otu oge. Nke a bụ ebe nghọta usoro ihe atụ na-atụgharị ghọọ ike na-adịgide adịgide n'ofe ngwaahịa, amụma na arụmọrụ.
Ụzọ ndị na-ere ahịa na-emetụta atụmatụ ndị otu gị nwere ike ịrụ na-esote. N'otu oge ahụ, Mwepụta ọkwa nwere ike karịa kwụsie ike na ezigbo mmepụta workflows. Ụzọ kachasị na-agbanwe agbanwe bụ ijikọ ọsọ nnwale na ịdọ aka ná ntị ọchịchị: ndị na-anya ụgbọ elu, ijide ihe akaebe, bipụta ndekọ mkpebi, na na-aga n'ihu na-emelite nchekwa dị ka omume nlereanya, atụmanya ndị ọrụ, na ihe iwu chọrọ.
Mmetụta atụmatụ
Ụzọ ndị na-ere ahịa na-emetụta atụmatụ ndị otu gị nwere ike ịrụ na-esote.
Ụzọ ndị na-ere ahịa na-emetụta atụmatụ ndị otu gị nwere ike ịrụ na-esote. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Usoro azụmahịa na nhọrọ mbugharị na-emetụta ọnụ ahịa ogologo oge yana ihe egwu.
Usoro azụmahịa na nhọrọ mbugharị na-emetụta ọnụ ahịa ogologo oge yana ihe egwu. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Ihe mkpali ụlọ ọrụ na-akpụzi ndabara ngwaahịa, ọnọdụ nchekwa, na oghere.
Ihe mkpali ụlọ ọrụ na-akpụzi ndabara ngwaahịa, ọnọdụ nchekwa, na oghere. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Mmejuputa n'ezie n'ụwa
Ụdị ọzụzụ na imeju MRI na-enyocha iji mepụta phenotypes quantitative, wee na-agba ọsọ ọmụmụ ihe gbasara mkpụrụ ndụ ihe nketa iji chọta ebumnuche ọgwụ maka ọrịa imeju.
Iji akwara stem-cell nke mmadụ ewepụtara iji mee ka ALS na ọrịa neurodegenerative ndị ọzọ maka nyocha ML.
Soro Gilead na-emekọ ihe iji chọpụta ebumnuche maka steatohepatitis na-adịghị egbu egbu (NASH) na fibrosis imeju.
Ịkewapụta ndị ọrịa n'ime otu obere mkpụrụ ndụ ihe nketa iji mara onye ga-anabata ọgwụgwọ enyere.
Usoro mmejuputa
Insitro Machine Learning Biology na omume
Ụdị ọzụzụ na imeju MRI na-enyocha iji mepụta phenotypes quantitative, wee na-agba ọsọ ọmụmụ ihe gbasara mkpụrụ ndụ ihe nketa iji chọta ebumnuche ọgwụ maka ọrịa imeju.
Ụdị ọzụzụ na imeju MRI na-enyocha iji mepụta phenotypes quantitative, mgbe ahụ na-agba ọsọ ọmụmụ ihe gbasara mkpụrụ ndụ ihe nketa iji chọta ebumnuche ọgwụ maka ọrịa imeju Otu dị iche iche na-enwetakarị nsonaazụ ka mma mgbe ha na-akọwapụta ọnụ ụzọ dị mma n'ihu, na-eme ka ụzọ mmadụ na-arịwanye elu maka ikpe ikpe, ma soro ma uru mmepụta ihe na ụgwọ njehie na oge.
Insitro Machine Learning Biology na omume
Iji akwara stem-cell nke mmadụ ewepụtara iji mee ka ALS na ọrịa neurodegenerative ndị ọzọ maka nyocha ML.
Iji mkpụrụ ndụ stem-cell na-ewepụtara mmadụ iji gosipụta ALS na ọrịa neurodegenerative ndị ọzọ maka nyocha ML Otu na-enwetakarị nsonaazụ kacha mma mgbe ha kọwapụta ọnụ ụzọ dị mma n'ihu, debe ụzọ mmụba mmadụ maka ikpe ikpe, ma soro ma uru nrụpụta na ụgwọ njehie n'ime oge.
Insitro Machine Learning Biology na omume
Soro Gilead na-emekọ ihe iji chọpụta ebumnuche maka steatohepatitis na-adịghị egbu egbu (NASH) na fibrosis imeju.
Mmekọrịta na Gilead iji chọpụta ebumnuche maka steatohepatitis na-adịghị egbu egbu (NASH) na ndị otu imeju fibrosis na-enwetakarị nsonaazụ ka mma mgbe ha na-akọwapụta ọnụ ụzọ dị mma n'ihu, debe ụzọ mmụba mmadụ maka ikpe ikpe, ma soro ma uru nrụpụta na ụgwọ njehie n'ime oge.
Insitro Machine Learning Biology na omume
Ịkewapụta ndị ọrịa n'ime otu obere mkpụrụ ndụ ihe nketa iji mara onye ga-anabata ọgwụgwọ enyere.
Ịmepụta ndị ọrịa n'ime obere mkpụrụ ndụ ihe nketa iji buru amụma onye ga-azaghachi na ọgwụgwọ enyere, otu na-enwetakarị nsonaazụ ka mma mgbe ha kọwapụtara ọnụ ụzọ dị mma n'ihu, na-edobe ụzọ ịrị elu mmadụ maka ikpe ọnụ, ma soro ma uru nrụpụta yana ụgwọ njehie n'ime oge.
Ihe ize ndụ & okporo ụzọ nche
Mwepụta ọkwa nwere ike karịa nkwụsi ike na usoro nrụpụta n'ezie.
Ọnụ ahịa API ma ọ bụ mgbanwe amụma nwere ike imebi echiche n'otu abalị.
Ndabere otu onye na-ere ahịa na-abawanye mkpọchi na ọnụ ahịa mbugharị.
Map mmejuputa
Nyochaa ndị na-eweta ọrụ site na iji ọrụ nke gị na nhazi data.
Nyochaa ndị na-eweta ọrụ site na iji ọrụ nke gị na nhazi data. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Nyochaa nzuzo, nchekwa na usoro iwu tupu njikọta.
Nyochaa nzuzo, nchekwa na usoro iwu tupu njikọta. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Jikwaa atụmatụ ọdịda n'ofe ụdị ma ọ bụ ndị na-ere ahịa.
Jikwaa atụmatụ ọdịda n'ofe ụdị ma ọ bụ ndị na-ere ahịa. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Nyochaa ndetu mwepụta ka mgbanwe map ụzọ ghara iju ndị otu anya.
Nyochaa ndetu mwepụta ka mgbanwe map ụzọ ghara iju ndị otu anya. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.