연구소 기계 학습 생물학
Insitro는 대규모 인간 유전 및 세포 데이터를 기계 학습과 융합하여 더 나은 약물 표적과 반응 가능성이 가장 높은 환자를 찾습니다.
개요
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
심층 분석
컴퓨터 생물학자이자 전 Stanford 및 Coursera 리더인 Daphne Koller가 2018년에 설립한 Insitro는 '머신러닝 우선' 신약 개발 회사로 자리매김했습니다. 핵심 아이디어는 인간 줄기 세포 유래('시험관 내') 질병 모델, 고용량 이미징 및 '오믹스 측정'을 사용하여 대규모의 목적에 맞게 구축된 데이터 세트를 사내에서 생성하고 이를 영국 Biobank와 같은 대규모 인간 유전 및 임상 코호트와 결합하는 것입니다. 그런 다음 기계 학습은 분자 및 세포 특징을 질병과 연결하여 유전학이 실제로 질병을 유발한다고 제안하는 표적을 식별하고 환자를 하위 그룹으로 분류하는 데 도움을 줍니다. 이름 자체는 'in silico'(계산)와 'in vitro'(실험실 생물학)를 혼합한 것입니다. Insitro는 Gilead 및 Bristol Myers Squibb과 파트너십을 맺고 대사, 간, 신경퇴행성 질환과 같은 분야에 중점을 두고 있습니다.
기술적 통찰력
대표적인 Insitro 방법은 의료 이미지(예: 간 MRI 또는 조직병리학을 판독하는 심층 모델)에 대한 기계 학습을 사용하여 정량적 '기계 학습 표현형'을 도출합니다. 바이오뱅크 규모 인구 전반에 걸쳐 AI에서 파생된 특성에 대해 게놈 차원의 연관 연구를 실행하면 조잡한 임상 라벨이 놓친 유전적 변이 및 인과 표적을 표면화할 수 있습니다. 이는 표적이 중요하다는 가장 강력한 증거인 인간 유전학과 AI의 풍부한 표현형 분해능을 결합합니다.
전략적 영향
벤더 전략
공급업체 로드맵은 팀이 다음에 구축할 수 있는 기능에 영향을 미칩니다.
비용 및 예산
상업적 조건과 배포 옵션은 장기적인 비용과 위험에 영향을 미칩니다.
위험과 안전
회사 인센티브는 제품 기본값, 안전 태세 및 개방성을 형성합니다.
Insitro 기계 학습 생물학의 미래
Insitro는 유전자형과 세포 표현형, 환자 결과를 연결하는 예측 모델을 추진하여 비용이 많이 드는 임상시험 전에 표적 선택과 환자 계층화를 가능하게 합니다. 이미징 및 오믹스 전반에 걸쳐 기초 모델의 심층적 사용, 더 많은 바이오뱅크 연계, 내부 파이프라인 후보 발전을 기대합니다. 핵심 과제는 루프를 닫는 것입니다. 즉, AI가 지정한 유전학 기반 표적이 올바른 환자에게 효과가 있는 승인된 의약품으로 전환된다는 것을 입증하는 것입니다.
실제 구현
정량적 표현형을 생성하기 위해 간 MRI 스캔 모델을 훈련한 다음, 간 질환에 대한 약물 표적을 찾기 위해 유전적 연관 연구를 실행합니다.
ML 분석을 위해 인간 줄기세포 유래 뉴런을 사용하여 ALS 및 기타 신경퇴행성 질환을 모델링합니다.
비알코올성 지방간염(NASH) 및 간 섬유증에 대한 표적 발견을 위해 길리어드와 제휴.
환자를 유전적 하위 그룹으로 분류하여 누가 주어진 치료법에 반응할지 예측합니다.
위험 및 가드레일
출시 발표는 실제 생산 워크플로의 안정성보다 앞설 수 있습니다.
API 가격 책정이나 정책 변경으로 인해 하룻밤 사이에 가정이 깨질 수 있습니다.
단일 공급업체 종속성은 종속 및 마이그레이션 비용을 증가시킵니다.
구현 로드맵
자체 작업과 데이터 세트를 사용하여 공급자를 평가합니다.
통합하기 전에 개인정보 보호, 보안, 법적 약관을 검토하세요.
모델이나 공급업체 전반에 걸쳐 대체 계획을 유지합니다.
로드맵 변경으로 인해 팀이 놀라지 않도록 릴리스 노트를 모니터링하세요.
계속 탐색하세요
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
다음 가이드
머신러닝 기초
자주 묻는 질문
What is Insitro Machine Learning Biology?
Insitro는 대규모 인간 유전 및 세포 데이터를 기계 학습과 융합하여 더 나은 약물 표적과 반응 가능성이 가장 높은 환자를 찾습니다. 이는 실제 인간 생물학의 발견을 기반으로 약물이 실패하는 가장 큰 이유인 잘못된 목표물 선택을 다루기 때문에 중요합니다.
'인시트로'라는 이름은 무엇을 결합한 것인가요?
이 이름은 'in silico' 계산과 'in vitro' 실험실 생물학을 혼합하여 ML과 실험을 결합한 접근 방식을 포착합니다.
Insitro를 설립한 사람은 누구인가요?
컴퓨터 생물학자이자 전 Coursera 공동 창립자인 Daphne Koller는 2018년에 Insitro를 설립했습니다.
Insitro가 표적 선택 시 인간 유전학을 강조하는 이유는 무엇입니까?
인간의 유전적 증거에 의해 뒷받침되는 목표는 진정한 인과관계일 가능성이 훨씬 높으므로 약물 실패를 줄일 수 있습니다.
Insitro에서 사용하는 '머신러닝 표현형'이란 무엇인가요?
Insitro는 ML을 사용하여 이미지에서 정량적 특성을 도출한 다음 유전적 연관성을 연구합니다.
Insitro와 같은 바이오뱅크 규모의 유전 연구에 일반적으로 사용되는 대규모 인간 코호트는 무엇입니까?
영국 바이오뱅크(Biobank)는 수십만 명의 유전자, 영상, 건강 데이터를 연결합니다.