Biologi Pembelajaran Mesin Insitro
Insitro menggabungkan data genetik dan selular manusia berskala besar dengan pembelajaran mesin untuk mencari sasaran ubat yang lebih baik dan pesakit yang paling mungkin bertindak balas.
Gambaran keseluruhan
Ia penting kerana ia menangani sebab utama kegagalan ubat — memilih sasaran yang salah — dengan mendasarkan penemuan dalam biologi manusia sebenar.
Menyelam dalam
Diasaskan pada 2018 oleh ahli biologi pengiraan dan bekas ketua Stanford dan Coursera, Daphne Koller, Insitro membina dirinya sebagai syarikat penemuan dadah 'diutamakan pembelajaran mesin'. Idea terasnya ialah untuk menjana set data yang besar dan dibina khas secara dalaman — menggunakan model penyakit yang berasal dari sel stem manusia ('in vitro'), pengimejan kandungan tinggi dan ukuran 'omics — dan memasangkannya dengan kohort genetik dan klinikal manusia yang besar seperti UK Biobank. Pembelajaran mesin kemudian memautkan tandatangan molekul dan selular kepada penyakit, membantu mengenal pasti sasaran yang dicadangkan oleh genetik benar-benar menyebabkan penyakit, dan menyusun pesakit ke dalam subkumpulan. Nama itu sendiri menggabungkan 'in silico' (pengiraan) dan 'in vitro' (biologi makmal). Insitro telah bekerjasama dengan Gilead dan Bristol Myers Squibb dan menumpukan pada bidang seperti metabolik, hati dan penyakit neurodegeneratif.
Wawasan Teknikal
Kaedah Insitro tandatangan menggunakan pembelajaran mesin pada imej perubatan — contohnya, model mendalam membaca MRI hati atau histopatologi — untuk memperoleh 'fenotip pembelajaran mesin' kuantitatif. Menjalankan kajian persatuan seluruh genom terhadap ciri-ciri yang diperolehi AI ini merentas populasi skala biobank boleh memaparkan varian genetik, dan oleh itu sasaran penyebab, yang terlepas oleh label klinikal kasar. Ini menggabungkan genetik manusia, bukti paling kukuh bahawa sasaran penting, dengan resolusi fenotip yang kaya daripada AI.
Kesan Strategik
Strategi vendor
Peta jalan vendor mempengaruhi ciri yang boleh dibina oleh pasukan anda seterusnya.
Kos dan bajet
Terma komersial dan pilihan penggunaan mempengaruhi kos dan risiko jangka panjang.
Risiko dan keselamatan
Insentif syarikat membentuk keingkaran produk, postur keselamatan dan keterbukaan.
Masa Depan Biologi Pembelajaran Mesin Insitro
Insitro sedang mendorong ke arah model ramalan yang menghubungkan genotip kepada fenotip selular kepada hasil pesakit, membolehkan pemilihan sasaran dan stratifikasi pesakit sebelum ujian yang mahal. Jangkakan penggunaan model asas yang lebih mendalam merentas pengimejan dan omik, lebih banyak rangkaian biobank dan memajukan calon saluran paip dalaman. Cabaran utama ialah menutup gelung: membuktikan bahawa sasaran yang dicalonkan AI, disokong genetik diterjemahkan ke dalam ubat-ubatan yang diluluskan yang berfungsi pada pesakit yang betul.
Pelaksanaan Dunia Sebenar
Model latihan tentang imbasan MRI hati untuk mencipta fenotip kuantitatif, kemudian menjalankan kajian persatuan genetik untuk mencari sasaran dadah untuk penyakit hati.
Menggunakan neuron yang berasal dari sel stem manusia untuk memodelkan ALS dan penyakit neurodegeneratif lain untuk analisis ML.
Bekerjasama dengan Gilead untuk menemui sasaran untuk steatohepatitis bukan alkohol (NASH) dan fibrosis hati.
Stratifikasi pesakit ke dalam subkumpulan genetik untuk meramalkan siapa yang akan bertindak balas terhadap terapi yang diberikan.
Risiko & Pengawal
Pengumuman pelancaran mungkin melebihi kestabilan dalam aliran kerja pengeluaran sebenar.
Harga API atau anjakan dasar boleh memecahkan andaian semalaman.
Kebergantungan vendor tunggal meningkatkan kos kunci masuk dan penghijrahan.
Hala Tuju Pelaksanaan
Nilai penyedia menggunakan tugasan dan set data anda sendiri.
Semak privasi, keselamatan dan syarat undang-undang sebelum penyepaduan.
Kekalkan pelan sandaran merentas model atau vendor.
Pantau nota keluaran supaya perubahan peta jalan tidak mengejutkan pasukan.
Teruskan Meneroka
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
Panduan seterusnya
Asas Pembelajaran Mesin
Soalan lazim
Apakah itu Biologi Pembelajaran Mesin Insitro?
Insitro menggabungkan data genetik dan selular manusia berskala besar dengan pembelajaran mesin untuk mencari sasaran ubat yang lebih baik dan pesakit yang paling mungkin bertindak balas. Ia penting kerana ia menangani sebab terbesar dadah gagal - memilih sasaran yang salah - dengan mengasaskan penemuan dalam biologi manusia sebenar.
Apakah gabungan nama 'Insitro'?
Nama itu menggabungkan pengiraan 'in silico' dengan biologi makmal 'in vitro', menangkap pendekatan eksperimen ML-plus-nya.
Siapa yang mengasaskan Insitro?
Daphne Koller, ahli biologi pengiraan dan bekas pengasas bersama Coursera, mengasaskan Insitro pada 2018.
Mengapakah Insitro menekankan genetik manusia dalam pemilihan sasaran?
Sasaran yang disokong oleh bukti genetik manusia jauh lebih berkemungkinan menjadi penyebab sebenar, mengurangkan kegagalan dadah.
Apakah 'fenotip pembelajaran mesin' kerana Insitro menggunakannya?
Insitro memperoleh sifat kuantitatif daripada imej menggunakan ML, kemudian mengkaji persatuan genetiknya.
Kohort manusia besar manakah yang biasa digunakan untuk kajian genetik skala biobank seperti Insitro?
UK Biobank menghubungkan data genetik, pengimejan dan kesihatan untuk ratusan ribu orang.