Genel Bakış
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 Makine Öğrenimi Biyolojisi en iyi strateji, model erişimi, platform kararları ve ekosistem ortaklıkları bağlamında anlaşılır.
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.
Teknik Bilgi
Özel bir Insitro yöntemi, niceliksel 'makine öğrenimi fenotipleri' türetmek için tıbbi görüntüler üzerinde makine öğrenimini (örneğin, karaciğer MR'ı veya histopatolojiyi okuyan derin modeller) kullanır. Biyobanka ölçekli popülasyonlarda yapay zekadan türetilen bu özelliklere karşı genom çapında ilişkilendirme çalışmaları yürütmek, kaba klinik etiketlerin gözden kaçırdığı genetik değişkenleri ve dolayısıyla nedensel hedefleri ortaya çıkarabilir. Bu, bir hedefin önemli olduğuna dair en güçlü kanıt olan insan genetiğini yapay zekadan gelen zengin fenotipik çözünürlükle birleştiriyor.
Insitro Makine Öğrenimi Biyolojisinde Uzmanlaşma
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 Makine Öğrenimi Biyolojisi en iyi strateji, model erişimi, platform kararları ve ekosistem ortaklıkları bağlamında anlaşılır. Derin bir anlayış oluşturmak için Insitro Makine Öğrenimi Biyolojisini tek bir özellik olarak değil, bir işletim modeli olarak ele alın: istenen sonuçları tanımlayın, varsayımları netleştirin ve sistemin güvenilir bir şekilde yapabileceklerini hâlâ uzman görüşü gerektiren şeylerden ayırın.
Uygulamada, Insitro Machine Learning Biyoloji'yi kullanan güçlü ekipler, taahhütte bulunmadan önce satıcı stratejisini, yol haritasının güvenilirliğini ve bağlılık riskini değerlendirir. Açık başarı kriterlerini belgeliyorlar, gerçekçi verilere ve iş akışlarına göre test ediyorlar ve tek seferlik kıyaslama kazanımları yerine gözlemlenen başarısızlık modellerine dayalı olarak yineleniyorlar. Burası teorik anlayışın ürün, politika ve operasyonlar genelinde dayanıklı yeteneğe dönüştüğü yerdir.
Satıcı yol haritaları, ekibinizin bundan sonra hangi özellikleri geliştirebileceğini etkiler. Aynı zamanda, Lansman duyuruları gerçek üretim iş akışlarındaki istikrarı geride bırakabilir. En dayanıklı yaklaşım, deneme hızını yönetişim disiplini ile birleştirmektir: pilot uygulamaları çalıştırın, kanıtları toplayın, karar günlüklerini yayınlayın ve model davranışı, kullanıcı beklentileri ve düzenleyici gereksinimler geliştikçe koruma önlemlerini sürekli olarak güncelleyin.
Stratejik Etki
Satıcı yol haritaları, ekibinizin bundan sonra hangi özellikleri geliştirebileceğini etkiler.
Satıcı yol haritaları, ekibinizin bundan sonra hangi özellikleri geliştirebileceğini etkiler. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Ticari şartlar ve dağıtım seçenekleri uzun vadeli maliyet ve riski etkiler.
Ticari şartlar ve dağıtım seçenekleri uzun vadeli maliyet ve riski etkiler. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Şirket teşvikleri ürün temerrütlerini, güvenlik duruşunu ve açıklığı şekillendirir.
Şirket teşvikleri ürün temerrütlerini, güvenlik duruşunu ve açıklığı şekillendirir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Gerçek Dünya Uygulaması
Kantitatif fenotipler oluşturmak için karaciğer MRI 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.
Uygulama Modelleri
Uygulamada Insitro Makine Öğrenimi Biyolojisi
Kantitatif fenotipler oluşturmak için karaciğer MRI taramaları üzerine modelleri eğitmek, ardından karaciğer hastalığına yönelik ilaç hedeflerini bulmak için genetik ilişkilendirme çalışmaları yürütmek.
Kantitatif fenotipler oluşturmak için karaciğer MRI taramaları üzerine modelleri eğitmek, ardından karaciğer hastalığına yönelik ilaç hedeflerini bulmak için genetik ilişkilendirme çalışmaları yürütmek Ekipler, kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükselme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde genellikle daha iyi sonuçlar elde ederler.
Uygulamada Insitro Makine Öğrenimi Biyolojisi
ML analizi için ALS ve diğer nörodejeneratif hastalıkları modellemek için insan kök hücresinden türetilmiş nöronların kullanılması.
ML analizi için ALS ve diğer nörodejeneratif hastalıkları modellemek için insan kök hücresinden türetilen nöronları kullanma Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükselme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Uygulamada Insitro Makine Öğrenimi Biyolojisi
Alkolsüz steatohepatit (NASH) ve karaciğer fibrozuna yönelik hedefleri keşfetmek için Gilead ile ortaklık yapıyoruz.
Alkolsüz steatohepatit (NASH) ve karaciğer fibrozuna yönelik hedefleri keşfetmek için Gilead ile ortaklık yapmak Ekipler, kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde genellikle daha iyi sonuçlar elde ederler.
Uygulamada Insitro Makine Öğrenimi Biyolojisi
Belirli bir tedaviye kimin yanıt vereceğini tahmin etmek için hastaları genetik alt gruplara ayırmak.
Belirli bir tedaviye kimin yanıt vereceğini tahmin etmek için hastaları genetik alt gruplara ayırma Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç vakalar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Riskler ve Korkuluklar
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.
Uygulama Yol Haritası
Sağlayıcıları kendi görevlerinizi ve veri kümelerinizi kullanarak değerlendirin.
Sağlayıcıları kendi görevlerinizi ve veri kümelerinizi kullanarak değerlendirin. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Entegrasyondan önce gizlilik, güvenlik ve yasal şartları inceleyin.
Entegrasyondan önce gizlilik, güvenlik ve yasal şartları inceleyin. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Modeller veya satıcılar arasında bir geri dönüş planı sürdürün.
Modeller veya satıcılar arasında bir geri dönüş planı sürdürün. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Yol haritası değişikliklerinin ekipleri şaşırtmaması için sürüm notlarını izleyin.
Yol haritası değişikliklerinin ekipleri şaşırtmaması için sürüm notlarını izleyin. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.