Biolojia ya Kujifunza ya Mashine ya Insitro
Insitro huunganisha data kubwa ya kijenetiki na seli za binadamu na kujifunza kwa mashine ili kupata shabaha bora za dawa na wagonjwa wanaowezekana kujibu.
Muhtasari
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
Dive ya kina
Ilianzishwa mwaka wa 2018 na mwanabiolojia wa komputa na kiongozi wa zamani wa Stanford na Coursera Daphne Koller, Insitro ilijijenga kama kampuni ya 'kujifunza-kwanza' ya kugundua dawa. Wazo lake kuu ni kutengeneza seti kubwa za data zilizoundwa kwa makusudi ndani ya nyumba - kwa kutumia miundo ya magonjwa inayotokana na seli ya shina ya binadamu ('in vitro'), taswira ya maudhui ya juu, na vipimo vya 'omics - na kuvioanisha na makundi makubwa ya kijeni na kiafya ya binadamu kama vile Biobank ya Uingereza. Kujifunza kwa mashine kisha huunganisha sahihi za molekuli na seli na ugonjwa, kusaidia kutambua malengo ambayo jenetiki inapendekeza kwa kweli kusababisha ugonjwa, na kuwapanga wagonjwa katika vikundi vidogo. Jina lenyewe linachanganyika 'katika silico' (kokotoo) na 'in vitro' (baiolojia ya maabara). Insitro imeshirikiana na Gileadi na Bristol Myers Squibb na inaangazia maeneo kama vile magonjwa ya kimetaboliki, ini na mfumo wa neva.
Ufahamu wa Kiufundi
Mbinu ya sahihi ya Insitro hutumia kujifunza kwa mashine kwenye picha za matibabu - kwa mfano, miundo ya kina inayosoma MRI ya ini au histopatholojia - kupata 'phenotypes za kujifunza mashine' kiasi. Kuendesha tafiti za muungano wa jenomu kote dhidi ya sifa hizi zinazotokana na AI katika idadi ya watu wa kiwango cha benki ya kibayolojia kunaweza kuibua lahaja za kijeni, na kwa hivyo shabaha za sababu, ambazo lebo za kliniki ghafi zinakosa. Hii inahusisha jeni za binadamu, ushahidi dhabiti zaidi kwamba mlengwa ni muhimu, na azimio tajiri la phenotypic kutoka kwa AI.
Athari za kimkakati
Vendor strategy
Ramani za barabara za wachuuzi huathiri vipengele ambavyo timu yako inaweza kuunda baadaye.
Cost and budget
Masharti ya kibiashara na chaguzi za kupeleka huathiri gharama na hatari ya muda mrefu.
Risk and safety
Vivutio vya kampuni hutengeneza chaguo-msingi za bidhaa, mkao wa usalama na uwazi.
Mustakabali wa Biolojia ya Kujifunza kwa Mashine ya Insitro
Insitro inasukuma kuelekea miundo ya ubashiri inayounganisha genotype na phenotype ya seli kwa matokeo ya mgonjwa, kuwezesha uteuzi lengwa na utabaka wa wagonjwa kabla ya majaribio ya gharama kubwa. Tarajia utumizi wa kina wa miundo ya msingi kwenye taswira na omics, miunganisho zaidi ya benki ya kibaolojia, na kuendeleza wagombeaji wa bomba la ndani. Changamoto kuu ni kufunga kitanzi: kuthibitisha kwamba malengo yaliyoteuliwa na AI, yanayoungwa mkono na jeni hutafsiri kuwa dawa zilizoidhinishwa ambazo hufanya kazi kwa wagonjwa wanaofaa.
Utekelezaji wa Ulimwengu Halisi
Miundo ya mafunzo juu ya uchunguzi wa MRI ya ini ili kuunda phenotypes kiasi, kisha kuendesha tafiti za uhusiano wa kijeni ili kupata shabaha za dawa za ugonjwa wa ini.
Kutumia nyuroni zinazotokana na seli ya binadamu kuiga ALS na magonjwa mengine ya mfumo wa neva kwa uchanganuzi wa ML.
Kushirikiana na Gileadi kugundua malengo ya steatohepatitis isiyo ya kileo (NASH) na adilifu ya ini.
Kuweka wagonjwa katika vikundi vidogo vya maumbile ili kutabiri ni nani atakayejibu tiba iliyotolewa.
Hatari & Walinzi
Matangazo ya uzinduzi yanaweza kushinda uthabiti katika utendakazi halisi wa uzalishaji.
Bei za API au mabadiliko ya sera yanaweza kuvunja mawazo mara moja.
Utegemezi wa muuzaji mmoja huongeza gharama za kufunga na kuhama.
Ramani ya Utekelezaji
Tathmini watoa huduma kwa kutumia kazi na seti zako za data.
Kagua faragha, usalama na masharti ya kisheria kabla ya kuunganishwa.
Dumisha mpango mbadala kwa miundo au wachuuzi.
Fuatilia maelezo ya toleo ili mabadiliko ya ramani ya barabara yasiwashangaze timu.
Endelea Kuchunguza
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
Mwongozo unaofuata
Misingi ya Kujifunza kwa Mashine
Maswali yanayoulizwa mara kwa mara
What is Insitro Machine Learning Biology?
Insitro huunganisha data kubwa ya kijenetiki na seli za binadamu na kujifunza kwa mashine ili kupata shabaha bora za dawa na wagonjwa wanaowezekana kujibu. Ni muhimu kwa sababu inashughulikia sababu kuu ya dawa kushindwa - kuchagua lengo lisilo sahihi - kwa msingi wa ugunduzi katika biolojia halisi ya binadamu.
Je, jina 'Insitro' linachanganya nini?
Jina linachanganya hesabu ya 'katika silico' na baiolojia ya maabara ya 'in vitro', ikichukua mbinu yake ya majaribio ya ML-plus.
Nani alianzisha Insitro?
Daphne Koller, mwanabiolojia wa kompyuta na mwanzilishi mwenza wa zamani wa Coursera, alianzisha Insitro mnamo 2018.
Kwa nini Insitro inasisitiza jeni za binadamu katika uteuzi lengwa?
Malengo yanayoungwa mkono na ushahidi wa kijenetiki wa binadamu yana uwezekano mkubwa wa kuwa sababu ya kweli, na hivyo kupunguza kushindwa kwa dawa.
'Fenotype ya kujifunza mashine' ni nini kama Insitro inavyoitumia?
Insitro hupata sifa za kiasi kutoka kwa picha zinazotumia ML, kisha huchunguza uhusiano wao wa kijeni.
Ni kundi gani kubwa la binadamu ambalo hutumika sana kwa masomo ya kijeni ya kiwango cha benki ya kibayolojia kama ya Insitro?
Biobank ya Uingereza inaunganisha data ya kijeni, taswira na afya kwa mamia ya maelfu ya watu.