کمپنیوں کی رہنمائی
Insitro مشین لرننگ بیالوجی
Insitro بڑے پیمانے پر انسانی جینیاتی اور سیلولر ڈیٹا کو مشین لرننگ کے ساتھ فیوز کرتا ہے تاکہ منشیات کے بہتر اہداف اور مریضوں کے جواب دینے کا زیادہ امکان ہو۔
اس گائیڈ کو سنیں۔اے آئی نے بیان کیا۔ · ~2 min
اس صفحہ پر2 منٹ پڑھیں
جائزہ
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
گہرا غوطہ
2018 میں کمپیوٹیشنل بائیولوجسٹ اور اسٹینفورڈ اور کورسیرا کے سابق لیڈر ڈیفنی کولر کے ذریعے قائم کیا گیا، Insitro نے خود کو ایک 'مشین لرننگ-فرسٹ' ڈرگ دریافت کمپنی کے طور پر بنایا۔ اس کا بنیادی خیال یہ ہے کہ اندرون خانہ ہیومن اسٹیم سیل سے ماخوذ ('ان وٹرو') بیماری کے ماڈلز، اعلیٰ مواد کی تصویر کشی، اور 'اومکس پیمائش' کا استعمال کرتے ہوئے - اندرون ملک بہت بڑے، مقصد سے بنائے گئے ڈیٹاسیٹس تیار کرنا اور ان کو یو کے بائیو بینک جیسے بڑے انسانی جینیاتی اور طبی گروہوں کے ساتھ جوڑنا ہے۔ مشین لرننگ پھر مالیکیولر اور سیلولر دستخطوں کو بیماری سے جوڑتی ہے، ان اہداف کی نشاندہی کرنے میں مدد کرتی ہے جو جینیات بتاتے ہیں کہ واقعی بیماری کا سبب بنتا ہے، اور مریضوں کو ذیلی گروپوں میں تقسیم کرتا ہے۔ نام بذات خود 'ان سلیکو' (کمپیوٹیشن) اور 'ان وٹرو' (لیب بیالوجی) کو ملا دیتا ہے۔ Insitro نے Gilead اور Bristol Myers Squibb کے ساتھ شراکت داری کی ہے اور میٹابولک، جگر، اور نیوروڈیجنریٹیو بیماریوں جیسے شعبوں پر توجہ مرکوز کی ہے۔
حقیقی دنیا کا نفاذ
مقداری فینوٹائپس بنانے کے لیے جگر کے ایم آر آئی اسکین پر تربیتی ماڈلز، پھر جگر کی بیماری کے لیے منشیات کے اہداف تلاش کرنے کے لیے جینیاتی ایسوسی ایشن اسٹڈیز چلانا۔
ML تجزیہ کے لیے ALS اور دیگر neurodegenerative بیماریوں کو ماڈل بنانے کے لیے انسانی اسٹیم سیل سے ماخوذ نیوران کا استعمال۔
غیر الکوحل سٹیٹو ہیپاٹائٹس (NASH) اور جگر کے فبروسس کے اہداف کو دریافت کرنے کے لیے Gilead کے ساتھ شراکت داری۔
مریضوں کو جینیاتی ذیلی گروپوں میں تقسیم کرنا یہ پیش گوئی کرنے کے لئے کہ کون دی گئی تھراپی کا جواب دے گا۔
انسٹرو مشین لرننگ بیالوجی کا مستقبل
Insitro پیشین گوئی کرنے والے ماڈلز کی طرف زور دے رہا ہے جو جینی ٹائپ کو سیلولر فینوٹائپ سے مریض کے نتائج سے جوڑتے ہیں، مہنگی آزمائشوں سے پہلے ہدف کے انتخاب اور مریض کی سطح بندی کو قابل بناتے ہیں۔ امیجنگ اور اومکس میں فاؤنڈیشن ماڈلز کے گہرے استعمال کی توقع کریں، مزید بایوبینک روابط، اور داخلی پائپ لائن امیدواروں کو آگے بڑھانا۔ کلیدی چیلنج لوپ کو بند کرنا ہے: یہ ثابت کرنا کہ AI-نامزد، جینیات سے حمایت یافتہ اہداف منظور شدہ ادویات میں ترجمہ کرتے ہیں جو صحیح مریضوں میں کام کرتی ہیں۔
اسے عملی جامہ پہنانا
یہ کیوں اہمیت رکھتا ہے۔
- وینڈر کی حکمت عملی. وینڈر روڈ میپس اس بات پر اثر انداز ہوتے ہیں کہ آپ کی ٹیم آگے کیا خصوصیات بنا سکتی ہے۔
- لاگت اور بجٹ. تجارتی شرائط اور تعیناتی کے اختیارات طویل مدتی لاگت اور خطرے کو متاثر کرتے ہیں۔
- خطرہ اور حفاظت. کمپنی کی ترغیبات پروڈکٹ ڈیفالٹس، حفاظتی کرنسی، اور کھلے پن کو شکل دیتی ہیں۔
پر نگاہ رکھیں
- لانچ کے اعلانات حقیقی پروڈکشن ورک فلو میں استحکام کو آگے بڑھا سکتے ہیں۔
- API کی قیمتوں کا تعین یا پالیسی میں تبدیلی راتوں رات مفروضوں کو توڑ سکتی ہے۔
- سنگل وینڈر پر انحصار لاک ان اور ہجرت کے اخراجات کو بڑھاتا ہے۔
اگلے اقدامات
- اپنے کاموں اور ڈیٹا سیٹس کا استعمال کرتے ہوئے فراہم کنندگان کا اندازہ لگائیں۔
- انضمام سے پہلے رازداری، سیکورٹی اور قانونی شرائط کا جائزہ لیں۔
- ماڈلز یا وینڈرز میں فال بیک پلان کو برقرار رکھیں۔
- رہائی کے نوٹس کی نگرانی کریں تاکہ روڈ میپ میں تبدیلیاں ٹیموں کو حیران نہ کریں۔
دریافت کرتے رہیں
مفت نیوز لیٹر
روزانہ AI بریفنگ حاصل کریں
ہر ہفتے کے دن صبح تین تصدیق شدہ AI کہانیاں، سادہ انگریزی میں لکھی گئیں۔ ہمیشہ کے لیے مفت، کوئی اشتہار نہیں۔
ہر ہفتے کے دن ایک ای میل۔ ایک کلک میں ان سبسکرائب کریں۔ ہم کبھی بھی آپ کا پتہ فروخت یا شیئر نہیں کرتے۔
اپنے آپ کو جانچیں۔
Take the Insitro Machine Learning Biology quiz
ہر جواب پر فوری فیڈبیک، اور کورس پاس کرنے کے بعد قابلِ تصدیق ID کے ساتھ شیئر کرنے کے قابل سرٹیفکیٹ۔
مفت AI تعلیم کی حمایت کریں۔ AI Understanding ایک 501(c)(3) غیر منافع بخش ادارہ ہے — کوئی اشتہار نہیں، کوئی پے وال نہیں، کبھی نہیں۔ عطیہ کریں۔
اکثر پوچھے گئے سوالات
What is Insitro Machine Learning Biology?
Insitro بڑے پیمانے پر انسانی جینیاتی اور سیلولر ڈیٹا کو مشین لرننگ کے ساتھ فیوز کرتا ہے تاکہ منشیات کے بہتر اہداف اور مریضوں کے جواب دینے کا زیادہ امکان ہو۔ یہ اہمیت رکھتا ہے کیونکہ یہ منشیات کی ناکامی کی سب سے بڑی وجہ سے نمٹتا ہے — غلط ہدف کا انتخاب — حقیقی انسانی حیاتیات میں دریافت کو بنیاد بنا کر۔
نام 'Insitro' کیا جمع کرتا ہے؟
یہ نام 'ان سلیکو' کمپیوٹیشن کو 'ان وٹرو' لیب بیالوجی کے ساتھ ملاتا ہے، اس کے ML-plus-experiment اپروچ کو حاصل کرتا ہے۔
Insitro کی بنیاد کس نے رکھی؟
ڈیفنی کولر، ایک کمپیوٹیشنل ماہر حیاتیات اور کورسیرا کے سابق شریک بانی نے 2018 میں Insitro کی بنیاد رکھی۔
Insitro ہدف کے انتخاب میں انسانی جینیات پر کیوں زور دیتا ہے؟
انسانی جینیاتی شواہد سے تعاون یافتہ اہداف کے حقیقی طور پر کار آمد ہونے کا امکان بہت زیادہ ہوتا ہے، جس سے منشیات کی ناکامی کم ہوتی ہے۔
'مشین لرننگ فینوٹائپ' کیا ہے جیسا کہ Insitro اسے استعمال کرتا ہے؟
Insitro ML کا استعمال کرتے ہوئے امیجز سے مقداری خصائص اخذ کرتا ہے، پھر ان کی جینیاتی انجمنوں کا مطالعہ کرتا ہے۔
کون سا بڑا انسانی گروہ عام طور پر بائیوبینک پیمانے پر جینیاتی مطالعات جیسے Insitro's کے لیے استعمال ہوتا ہے؟
UK Biobank لاکھوں لوگوں کے جینیاتی، امیجنگ، اور صحت کے ڈیٹا کو جوڑتا ہے۔
سیکھتے رہیں
متعلقہ گائیڈز
اس موضوع کے لیے مزید گائیڈز چنے گئے ہیں۔