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.
Genel Bakış
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
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.
Stratejik Etki
Vendor strategy
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 and safety
Şirket teşvikleri ürün temerrütlerini, güvenlik duruşunu ve açıklığı şekillendirir.
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.
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.
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.
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
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
Next guide
Makine Öğreniminin Temelleri
Sık sorulan sorular
What is Insitro Machine Learning Biology?
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.