Biologia dell'apprendimento automatico insitro
Insitro fonde dati genetici e cellulari umani su larga scala con l’apprendimento automatico per trovare bersagli farmacologici migliori e i pazienti che hanno maggiori probabilità di rispondere.
Panoramica
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
Immersione profonda
Fondata nel 2018 dalla biologa computazionale ed ex leader di Stanford e Coursera Daphne Koller, Insitro si è affermata come una società di scoperta di farmaci "incentrata sull'apprendimento automatico". La sua idea centrale è quella di generare internamente enormi set di dati appositamente creati - utilizzando modelli di malattie derivate da cellule staminali umane ("in vitro"), imaging ad alto contenuto e misurazioni "omiche" - e accoppiarli con enormi coorti genetiche e cliniche umane come la Biobanca del Regno Unito. L’apprendimento automatico collega quindi le firme molecolari e cellulari alla malattia, aiutando a identificare i bersagli che la genetica suggerisce che causino realmente la malattia e a stratificare i pazienti in sottogruppi. Il nome stesso fonde "in silico" (calcolo) e "in vitro" (biologia di laboratorio). Insitro ha collaborato con Gilead e Bristol Myers Squibb e si concentra su aree come le malattie metaboliche, epatiche e neurodegenerative.
Approfondimento tecnico
Un metodo Insitro esclusivo utilizza l’apprendimento automatico su immagini mediche – ad esempio, modelli profondi che leggono la risonanza magnetica epatica o l’istopatologia – per ricavare “fenotipi di apprendimento automatico” quantitativi. L’esecuzione di studi di associazione sull’intero genoma contro questi tratti derivati dall’intelligenza artificiale in popolazioni su scala di biobanche può far emergere varianti genetiche, e quindi bersagli causali, che le etichette cliniche grezze non riescono a cogliere. Ciò accoppia la genetica umana, la prova più evidente dell’importanza di un obiettivo, con la ricca risoluzione fenotipica dell’intelligenza artificiale.
Impatto strategico
Strategia del fornitore
Le roadmap dei fornitori influenzano le funzionalità che il tuo team può sviluppare successivamente.
Costo e budget
I termini commerciali e le opzioni di implementazione influiscono sui costi e sui rischi a lungo termine.
Rischio e sicurezza
Gli incentivi aziendali modellano le impostazioni predefinite dei prodotti, la postura di sicurezza e l’apertura.
Il futuro della biologia dell'apprendimento automatico insitro
Insitro sta spingendo verso modelli predittivi che colleghino il genotipo al fenotipo cellulare all’esito del paziente, consentendo la selezione del target e la stratificazione dei pazienti prima di studi costosi. Aspettatevi un uso più approfondito dei modelli di base nell’imaging e nell’omica, più collegamenti tra le biobanche e l’avanzamento dei candidati alla pipeline interna. La sfida chiave è chiudere il cerchio: dimostrare che gli obiettivi nominati dall’intelligenza artificiale e supportati dalla genetica si traducono in farmaci approvati che funzionano nei pazienti giusti.
Implementazione nel mondo reale
Modelli di addestramento su scansioni MRI del fegato per creare fenotipi quantitativi, quindi esecuzione di studi di associazione genetica per trovare bersagli farmacologici per le malattie del fegato.
Utilizzo di neuroni derivati da cellule staminali umane per modellare la SLA e altre malattie neurodegenerative per l'analisi della ML.
Collaborazione con Gilead per scoprire target per la steatoepatite non alcolica (NASH) e la fibrosi epatica.
Stratificazione dei pazienti in sottogruppi genetici per prevedere chi risponderà a una determinata terapia.
Rischi e guardrail
Gli annunci di lancio potrebbero superare la stabilità nei flussi di lavoro di produzione reali.
I prezzi delle API o i cambiamenti politici possono infrangere le ipotesi da un giorno all’altro.
La dipendenza da un unico fornitore aumenta i costi di lock-in e di migrazione.
Tabella di marcia per l'implementazione
Valuta i fornitori utilizzando le tue attività e i tuoi set di dati.
Esamina la privacy, la sicurezza e i termini legali prima dell'integrazione.
Mantenere un piano di riserva tra modelli o fornitori.
Monitora le note di rilascio in modo che le modifiche alla roadmap non sorprendano i team.
Continua a esplorare
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
Prossima guida
Nozioni di base sull'apprendimento automatico
Domande frequenti
What is Insitro Machine Learning Biology?
Insitro fonde dati genetici e cellulari umani su larga scala con l’apprendimento automatico per trovare bersagli farmacologici migliori e i pazienti che hanno maggiori probabilità di rispondere. È importante perché affronta la principale ragione per cui i farmaci falliscono, ovvero scegliere il bersaglio sbagliato, fondando la scoperta sulla biologia umana reale.
Cosa combina il nome "Insitro"?
Il nome unisce il calcolo "in silico" con la biologia di laboratorio "in vitro", catturandone l'approccio ML più esperimento.
Chi ha fondato Insitro?
Daphne Koller, biologa computazionale ed ex co-fondatrice di Coursera, ha fondato Insitro nel 2018.
Perché Insitro enfatizza la genetica umana nella selezione del target?
È molto più probabile che gli obiettivi supportati da prove genetiche umane siano realmente causali, riducendo il fallimento dei farmaci.
Che cos'è un "fenotipo di apprendimento automatico" come lo utilizza Insitro?
Insitro ricava tratti quantitativi dalle immagini utilizzando il machine learning, quindi studia le loro associazioni genetiche.
Quale grande coorte umana viene comunemente utilizzata per studi genetici su scala di biobanche come quello di Insitro?
La biobanca britannica collega dati genetici, di imaging e sanitari di centinaia di migliaia di persone.