SıradakiSonraki rehber
Makine Öğreniminin Temelleri
Temeller
Şirketler KILAVUZU
Insitro Makine Öğrenimi Biyolojisi
Insitro, daha iyi ilaç hedefleri ve yanıt verme olasılığı en yüksek olan hastaları bulmak için büyük ölçekli insan genetik ve hücresel verilerini makine öğrenimiyle birleştiriyor.
Bu kılavuzu dinleyinAI tarafından anlatılan · ~2 min
Bu sayfada2 dakika okuma
Genel Bakış
Bu önemli çünkü keşifleri gerçek insan biyolojisine dayandırarak ilaçların başarısız olmasının en büyük nedeni olan yanlış hedefi seçmeyi ele alıyor.
Derin Dalış
2018 yılında hesaplamalı biyolog ve eski Stanford ve Coursera lideri Daphne Koller tarafından kurulan Insitro, kendisini "makine öğrenimine öncelik veren" bir ilaç keşif şirketi olarak inşa etti. Temel fikri, insan kök hücresinden türetilen ('in vitro') hastalık modellerini, yüksek içerikli görüntülemeyi ve 'omik ölçümleri' kullanarak şirket içinde devasa, amaca yönelik olarak oluşturulmuş veri kümeleri oluşturmak ve bunları Birleşik Krallık Biobank gibi devasa insan genetiği ve klinik kohortlarıyla eşleştirmektir. Makine öğrenimi daha sonra moleküler ve hücresel imzaları hastalığa bağlar, genetiğin gerçekten hastalığa neden olduğunu öne sürdüğü hedeflerin belirlenmesine ve hastaları alt gruplara ayırmaya yardımcı olur. Adın kendisi 'in silico' (hesaplama) ve 'in vitro' (laboratuvar biyolojisi) karışımıdır. Insitro, Gilead ve Bristol Myers Squibb ile ortaklık kurmuştur ve metabolik, karaciğer ve nörodejeneratif hastalıklar gibi alanlara odaklanmaktadır.
Gerçek Dünya Uygulaması
Kantitatif fenotipler oluşturmak için karaciğer MR taramaları üzerine modelleri eğitmek, ardından karaciğer hastalığına yönelik ilaç hedeflerini bulmak için genetik ilişkilendirme çalışmaları yürütmek.
ML analizi için ALS ve diğer nörodejeneratif hastalıkları modellemek için insan kök hücresinden türetilmiş nöronların kullanılması.
Alkolsüz steatohepatit (NASH) ve karaciğer fibrozuna yönelik hedefleri keşfetmek için Gilead ile ortaklık yapıyoruz.
Belirli bir tedaviye kimin yanıt vereceğini tahmin etmek için hastaları genetik alt gruplara ayırmak.
Insitro Makine Öğrenimi Biyolojisinin Geleceği
Insitro, genotipi hücresel fenotipe ve hasta sonucuna bağlayan tahmine dayalı modellere doğru ilerliyor ve maliyetli denemelerden önce hedef seçimini ve hasta sınıflandırmasını mümkün kılıyor. Görüntüleme ve omics genelinde temel modellerin daha derin kullanımını, daha fazla biyobanka bağlantısını ve dahili boru hattı adaylarının ilerlemesini bekleyebilirsiniz. Asıl zorluk döngüyü kapatmaktır: Yapay zeka tarafından belirlenen, genetik destekli hedeflerin doğru hastalarda işe yarayan onaylı ilaçlara dönüştüğünü kanıtlamak.
Uygulamaya koymak
Neden önemli?
- Satıcı stratejisi. Satıcı yol haritaları, ekibinizin bundan sonra hangi özellikleri geliştirebileceğini etkiler.
- Maliyet ve bütçe. Ticari şartlar ve dağıtım seçenekleri uzun vadeli maliyet ve riski etkiler.
- Risk ve güvenlik. Şirket teşvikleri ürün temerrütlerini, güvenlik duruşunu ve açıklığı şekillendirir.
Dikkat edin
- Lansman duyuruları, gerçek üretim iş akışlarında istikrarın önüne geçebilir.
- API fiyatlandırması veya politika değişiklikleri, varsayımları bir gecede boşa çıkarabilir.
- Tek satıcıya bağımlılık, bağlılık ve geçiş maliyetlerini artırır.
Sonraki adımlar
- Sağlayıcıları kendi görevlerinizi ve veri kümelerinizi kullanarak değerlendirin.
- Entegrasyondan önce gizlilik, güvenlik ve yasal şartları inceleyin.
- Modeller veya satıcılar arasında bir geri dönüş planı sürdürün.
- Yol haritası değişikliklerinin ekipleri şaşırtmaması için sürüm notlarını izleyin.
Keşfetmeye Devam Edin
Ücretsiz bülten
Günlük AI brifingini alın
Hafta içi her sabah sade İngilizce yazılmış, doğrulanmış üç yapay zeka hikayesi. Sonsuza kadar ücretsiz, reklam yok.
Hafta içi her gün bir e-posta. Tek tıklamayla aboneliğinizi iptal edin. Adresinizi asla satmayız veya paylaşmayız.
Kendinizi test edin
Take the Insitro Machine Learning Biology quiz
Her yanıtla ilgili anında geri bildirim ve bir kursu geçtiğinizde doğrulanabilir bir kimliğe sahip paylaşılabilir bir sertifika.
Ücretsiz AI eğitimini destekleyin. AI Understanding, bir 501(c)(3) kâr amacı gütmeyen kuruluştur; hiçbir zaman reklam yoktur, ödeme duvarı yoktur. Bağış yap
Sık sorulan sorular
Insitro Makine Öğrenimi Biyolojisi Nedir?
Insitro, daha iyi ilaç hedefleri ve yanıt verme olasılığı en yüksek olan hastaları bulmak için büyük ölçekli insan genetik ve hücresel verilerini makine öğrenimiyle birleştiriyor. Bu önemli çünkü keşifleri gerçek insan biyolojisine dayandırarak ilaçların başarısız olmasının en büyük nedeni olan yanlış hedefi seçmeyi ele alıyor.
'Insitro' adı neyi birleştiriyor?
Ad, 'in silico' hesaplamayı 'in vitro' laboratuvar biyolojisi ile harmanlayarak ML-plus-deney yaklaşımını yakalıyor.
Insitro'yu kim kurdu?
Hesaplamalı biyolog ve Coursera'nın eski kurucu ortağı Daphne Koller, 2018'de Insitro'yu kurdu.
Insitro hedef seçiminde neden insan genetiğini vurguluyor?
İnsan genetik kanıtlarıyla desteklenen hedeflerin gerçekten nedensel olma olasılığı çok daha yüksektir ve ilaç başarısızlığını azaltır.
Insitro'nun kullandığı şekliyle 'makine öğrenimi fenotipi' nedir?
Insitro, ML kullanarak görüntülerden niceliksel özellikler türetiyor ve ardından bunların genetik ilişkilerini inceliyor.
Insitro'nunki gibi biyobanka ölçekli genetik çalışmalarda yaygın olarak hangi büyük insan grubu kullanılıyor?
Birleşik Krallık Biyobankası yüz binlerce insanın genetik, görüntüleme ve sağlık verilerini birbirine bağlıyor.
Öğrenmeye devam et
İlgili kılavuzlar
Bu konu için daha fazla rehber seçildi