Instro 机器学习生物学
Insitro 将大规模人类遗传和细胞数据与机器学习相融合，以找到更好的药物靶点和最有可能产生反应的患者。
概述
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
深入探讨
Insitro 由计算生物学家、斯坦福大学和 Coursera 前领导者 Daphne Koller 于 2018 年创立，将自己打造成一家“机器学习优先”的药物发现公司。其核心理念是使用人类干细胞衍生的（“体外”）疾病模型、高内涵成像和“组学测量”在内部生成巨大的、专门构建的数据集，并将它们与英国生物银行等大量人类遗传和临床队列配对。然后，机器学习将分子和细胞特征与疾病联系起来，帮助识别遗传学表明真正导致疾病的目标，并将患者分为亚组。这个名字本身融合了“in silico”（计算）和“in Viro”（实验室生物学）。 Insitro 与吉利德 (Gilead) 和百时美施贵宝 (Bristol Myers Squibb) 合作，专注于代谢、肝脏和神经退行性疾病等领域。
技术洞察
Insitro 的标志性方法是在医学图像上使用机器学习（例如，读取肝脏 MRI 或组织病理学的深度模型）来得出定量的“机器学习表型”。在生物库规模的人群中针对这些人工智能衍生的特征进行全基因组关联研究，可以发现粗略的临床标签所遗漏的遗传变异，从而找到因果目标。这将人类遗传学（目标重要性的最有力证据）与人工智能丰富的表型解析结合起来。
战略影响
供应商策略
供应商路线图会影响您的团队接下来可以构建的功能。
成本与预算
商业条款和部署选项会影响长期成本和风险。
风险与安全
公司激励措施塑造了产品默认、安全态势和开放性。
Insitro 机器学习生物学的未来
Insitro 正在推动将基因型、细胞表型和患者结果联系起来的预测模型，从而在昂贵的试验之前实现目标选择和患者分层。期望在成像和组学领域更深入地使用基础模型，建立更多的生物样本库联系，并推进内部候选管道。关键的挑战是闭环：证明人工智能提名、遗传学支持的目标转化为对正确患者有效的批准药物。
现实世界的实施
利用肝脏 MRI 扫描训练模型以创建定量表型，然后进行遗传关联研究以寻找治疗肝病的药物靶点。
使用人类干细胞衍生的神经元来模拟 ALS 和其他神经退行性疾病以进行机器学习分析。
与吉利德合作发现非酒精性脂肪性肝炎 (NASH) 和肝纤维化的靶标。
将患者分为遗传亚组，以预测谁会对特定治疗产生反应。
风险与防护栏
发布公告可能会超过实际生产工作流程的稳定性。
API 定价或政策转变可能会在一夜之间打破假设。
单一供应商依赖性增加了锁定和迁移成本。
实施路线图
使用您自己的任务和数据集评估提供商。
在集成之前查看隐私、安全和法律条款。
维护跨模型或供应商的后备计划。
监控发行说明，以便路线图的更改不会让团队感到意外。
不断探索
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
常见问题
What is Insitro Machine Learning Biology?
Insitro 将大规模人类遗传和细胞数据与机器学习相融合，以找到更好的药物靶点和最有可能产生反应的患者。这很重要，因为它通过将发现立足于真实的人类生物学，解决了药物失败的最大原因——选择了错误的靶标。
“Insitro”这个名字结合了什么？
该名称将“计算机”计算与“体外”实验室生物学融为一体，体现了其机器学习加实验的方法。
谁创立了Insitro？
计算生物学家、Coursera 前联合创始人 Daphne Koller 于 2018 年创立了 Insitro。
为什么Insitro在目标选择中强调人类遗传学？
由人类遗传证据支持的目标更有可能是真正的因果关系，从而减少药物失败。
Insitro 使用的“机器学习表型”是什么？
Insitro 使用机器学习从图像中获取数量特征，然后研究它们的遗传关联。
哪个大型人类队列通常用于像 Insitro 这样的生物库规模的遗传研究？
英国生物银行将数十万人的遗传、成像和健康数据联系起来。