คู่มือบริษัท

ชีววิทยาการเรียนรู้ของเครื่อง Insitro

Insitro หลอมรวมข้อมูลทางพันธุกรรมและเซลล์ของมนุษย์ขนาดใหญ่เข้ากับการเรียนรู้ของเครื่องเพื่อค้นหาเป้าหมายยาที่ดีขึ้นและผู้ป่วยที่มีแนวโน้มที่จะตอบสนองมากที่สุด

อ่าน 2 นาทีอัปเดตล่าสุด

ภาพรวม

It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.

เจาะลึก

Insitro ก่อตั้งขึ้นในปี 2561 โดยนักชีววิทยาด้านคอมพิวเตอร์และอดีตผู้นำ Stanford และ Coursera โดย Daphne Koller โดยก่อตั้งตัวเองเป็นบริษัทค้นพบยาที่ แนวคิดหลักของบริษัทคือการสร้างชุดข้อมูลขนาดใหญ่ที่สร้างขึ้นตามวัตถุประสงค์ภายในองค์กร โดยใช้แบบจำลองโรคที่ได้มาจากสเต็มเซลล์ของมนุษย์ ('ในหลอดทดลอง') การสร้างภาพที่มีเนื้อหาสูงและ 'การวัดแบบ Omics - และจับคู่กับกลุ่มประชากรตามกลุ่มพันธุกรรมและทางคลินิกของมนุษย์ขนาดใหญ่ เช่น UK Biobank จากนั้นแมชชีนเลิร์นนิงจะเชื่อมโยงลายเซ็นระดับโมเลกุลและเซลล์เข้ากับโรค ช่วยระบุเป้าหมายที่พันธุกรรมบ่งชี้ว่าก่อให้เกิดความเจ็บป่วยอย่างแท้จริง และแบ่งผู้ป่วยออกเป็นกลุ่มย่อย ชื่อนี้ผสมผสานระหว่าง 'ในซิลิโก' (การคำนวณ) และ 'ในหลอดทดลอง' (ชีววิทยาในห้องปฏิบัติการ) Insitro ร่วมมือกับ Gilead และ Bristol Myers Squibb และมุ่งเน้นในด้านต่างๆ เช่น โรคเกี่ยวกับระบบเมตาบอลิซึม ตับ และโรคเกี่ยวกับความเสื่อมของระบบประสาท

ข้อมูลเชิงลึกทางเทคนิค

วิธีการอันเป็นเอกลักษณ์ของ Insitro ใช้การเรียนรู้ของเครื่องกับภาพทางการแพทย์ เช่น แบบจำลองเชิงลึกที่อ่าน MRI ของตับ หรือจุลพยาธิวิทยา เพื่อหา "ฟีโนไทป์ของการเรียนรู้ของเครื่อง" เชิงปริมาณ การทำการศึกษาความสัมพันธ์ทั่วทั้งจีโนมกับลักษณะที่ได้มาจาก AI เหล่านี้ในประชากรระดับธนาคารชีวภาพสามารถเปิดเผยความแปรปรวนทางพันธุกรรม และด้วยเหตุนี้จึงเป็นเป้าหมายเชิงสาเหตุ ที่ฉลากทางคลินิกอย่างหยาบๆ พลาดไป การจับคู่พันธุกรรมของมนุษย์เข้าด้วยกัน ซึ่งเป็นหลักฐานที่ชัดเจนที่สุดว่าเป้าหมายมีความสำคัญ พร้อมด้วยความละเอียดทางฟีโนไทป์ที่สมบูรณ์จาก AI

ผลกระทบเชิงกลยุทธ์

กลยุทธ์ของผู้ขาย

โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป

ต้นทุนและงบประมาณ

ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว

ความเสี่ยงและความปลอดภัย

สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง

อนาคตของชีววิทยาการเรียนรู้ของเครื่อง Insitro

Insitro กำลังผลักดันไปสู่แบบจำลองการคาดการณ์ที่เชื่อมโยงจีโนไทป์กับฟีโนไทป์ของเซลล์เข้ากับผลลัพธ์ของผู้ป่วย ช่วยให้สามารถเลือกเป้าหมายและแบ่งชั้นผู้ป่วยก่อนการทดลองที่มีค่าใช้จ่ายสูง คาดว่าจะมีการใช้โมเดลพื้นฐานในเชิงลึกมากขึ้นทั้งในด้านการสร้างภาพและโอมิกส์ การเชื่อมโยงธนาคารชีวภาพที่มากขึ้น และการพัฒนาผู้สมัครไปป์ไลน์ภายใน ความท้าทายที่สำคัญคือการปิดวงจร: การพิสูจน์ว่าเป้าหมายที่ได้รับการเสนอชื่อโดย AI และได้รับการสนับสนุนจากพันธุกรรมแปลเป็นยาที่ได้รับอนุมัติซึ่งใช้ได้ผลในผู้ป่วยที่เหมาะสม

การใช้งานจริงในโลกแห่งความเป็นจริง

การฝึกอบรมแบบจำลองเกี่ยวกับการสแกน MRI ของตับเพื่อสร้างฟีโนไทป์เชิงปริมาณ จากนั้นทำการศึกษาความสัมพันธ์ทางพันธุกรรมเพื่อค้นหาเป้าหมายของยาสำหรับโรคตับ

การใช้เซลล์ประสาทที่ได้มาจากสเต็มเซลล์ของมนุษย์เพื่อสร้างแบบจำลอง ALS และโรคทางระบบประสาทอื่นๆ สำหรับการวิเคราะห์ ML

ร่วมมือกับ Gilead เพื่อค้นหาเป้าหมายของโรคไขมันพอกตับอักเสบที่ไม่มีแอลกอฮอล์ (NASH) และการเกิดพังผืดในตับ

การแบ่งกลุ่มผู้ป่วยออกเป็นกลุ่มย่อยทางพันธุกรรมเพื่อทำนายว่าใครจะตอบสนองต่อการรักษาที่กำหนด

ความเสี่ยงและรั้ว

การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง

การกำหนดราคา API หรือการเปลี่ยนแปลงนโยบายสามารถทำลายสมมติฐานได้ในชั่วข้ามคืน

การพึ่งพาผู้ขายรายเดียวจะเพิ่มค่าใช้จ่ายในการล็อคอินและการย้ายข้อมูล

แผนงานการดำเนินงาน

1

ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง

2

ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ

3

รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย

4

ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ

สำรวจต่อไป

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.

เริ่มแบบทดสอบ

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

คำแนะนำต่อไป

พื้นฐานการเรียนรู้ของเครื่อง

คำถามที่พบบ่อย

What is Insitro Machine Learning Biology?

Insitro หลอมรวมข้อมูลทางพันธุกรรมและเซลล์ของมนุษย์ขนาดใหญ่เข้ากับการเรียนรู้ของเครื่องเพื่อค้นหาเป้าหมายยาที่ดีขึ้นและผู้ป่วยที่มีแนวโน้มที่จะตอบสนองมากที่สุด สิ่งสำคัญคือต้องจัดการกับสาเหตุที่ใหญ่ที่สุดที่ยาล้มเหลว — เลือกเป้าหมายที่ผิด — โดยการค้นพบทางชีววิทยาของมนุษย์ที่แท้จริง

ชื่อ 'Insitro' รวมชื่ออะไร?

ชื่อนี้เป็นการผสมผสานการคำนวณแบบ 'ในซิลิโก' เข้ากับชีววิทยาในห้องปฏิบัติการแบบ 'ในหลอดทดลอง' โดยยึดแนวทางการทดลอง ML-plus ของบริษัท

ใครเป็นผู้ก่อตั้งอินซิโตร?

Daphne Koller นักชีววิทยาด้านคอมพิวเตอร์และอดีตผู้ร่วมก่อตั้ง Coursera ก่อตั้ง Insitro ในปี 2018

เหตุใด Insitro จึงเน้นย้ำถึงพันธุกรรมของมนุษย์ในการเลือกเป้าหมาย

เป้าหมายที่ได้รับการสนับสนุนจากหลักฐานทางพันธุกรรมของมนุษย์มีแนวโน้มที่จะมีสาเหตุที่แท้จริงมากกว่า ซึ่งช่วยลดความล้มเหลวของยาได้

'ฟีโนไทป์ของแมชชีนเลิร์นนิง' ที่ Insitro ใช้คืออะไร

Insitro ได้คุณลักษณะเชิงปริมาณจากภาพโดยใช้ ML จากนั้นจึงศึกษาความสัมพันธ์ทางพันธุกรรมของภาพเหล่านั้น

กลุ่มประชากรตามรุ่นขนาดใหญ่กลุ่มใดที่มักใช้สำหรับการศึกษาทางพันธุกรรมในระดับธนาคารชีวภาพ เช่น Insitro's

UK Biobank เชื่อมโยงข้อมูลทางพันธุกรรม ภาพ และข้อมูลสุขภาพสำหรับผู้คนหลายแสนคน