Instro 機器學習生物學
Insitro 將大規模人類遺傳和細胞數據與機器學習相融合，以找到更好的藥物標靶和最有可能產生反應的患者。
概述
It matters because it tackles the biggest reason drugs fail — picking the wrong target — by grounding discovery in real human biology.
深入探討
Insitro 由計算生物學家、史丹佛大學和 Coursera 前領導者 Daphne Koller 於 2018 年創立，將自己打造成一家「機器學習優先」的藥物發現公司。其核心理念是使用人類幹細胞衍生的（「體外」）疾病模型、高內涵成像和「組學測量」在內部產生巨大的、專門構建的數據集，並將它們與英國生物銀行等大量人類遺傳和臨床隊列配對。然後，機器學習將分子和細胞特徵與疾病聯繫起來，幫助識別遺傳學表明真正導致疾病的目標，並將患者分為亞組。這個名字本身融合了“in silico”（計算）和“in Viro”（實驗室生物學）。 Insitro 與吉利德 (Gilead) 和百時美施貴寶 (Bristol Myers Squibb) 合作，專注於代謝、肝臟和神經退化性疾病等領域。
技術洞察
Insitro 的標誌性方法是在醫學影像上使用機器學習（例如，讀取肝臟 MRI 或組織病理學的深度模型）來得出定量的「機器學習表型」。在生物庫規模的人群中針對這些人工智慧衍生的特徵進行全基因組關聯研究，可以發現粗略的臨床標籤所遺漏的遺傳變異，從而找到因果目標。這將人類遺傳學（目標重要性的最強證據）與人工智慧豐富的表型解析結合起來。
戰略影響
供應商策略
供應商路線圖會影響您的團隊接下來可以建立的功能。
成本與預算
商業條款和部署選項會影響長期成本和風險。
風險與安全
公司激勵措施塑造了產品預設、安全態勢和開放性。
Insitro 機器學習生物學的未來
Insitro 正在推動將基因型、細胞表型和患者結果聯繫起來的預測模型，從而在昂貴的試驗之前實現目標選擇和患者分層。期望在成像和組學領域更深入地使用基礎模型，建立更多的生物樣本庫聯繫，並推進內部候選管道。關鍵的挑戰是閉環：證明人工智慧提名、遺傳學支持的目標轉化為對正確患者有效的批准藥物。
現實世界的實施
利用肝臟 MRI 掃描訓練模型以建立定量表型，然後進行遺傳關聯研究以尋找治療肝病的藥物標靶。
使用人類幹細胞衍生的神經元來模擬 ALS 和其他神經退化性疾病以進行機器學習分析。
與吉利德合作發現非酒精性脂肪性肝炎 (NASH) 和肝纖維化的標靶。
將患者分為遺傳亞組，以預測誰會對特定治療產生反應。
風險與防護欄
發佈公告可能會超過實際生產工作流程的穩定性。
API 定價或政策轉變可能會在一夜之間打破假設。
單一供應商依賴性增加了鎖定和遷移成本。
實施路線圖
使用您自己的任務和資料集評估提供者。
在整合之前查看隱私、安全和法律條款。
維護跨模型或供應商的後備計劃。
監控發行說明，以便路線圖的變更不會讓團隊感到意外。
不斷探索
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
常見問題
What is Insitro Machine Learning Biology?
Insitro 將大規模人類遺傳和細胞數據與機器學習相融合，以找到更好的藥物標靶和最有可能產生反應的患者。這很重要，因為它透過將發現立足於真實的人類生物學，解決了藥物失敗的最大原因——選擇了錯誤的標靶。
「Insitro」這個名字結合了什麼？
這個名稱將「電腦」計算與「體外」實驗室生物學融為一體，體現了其機器學習加實驗的方法。
誰創立了Insitro？
計算生物學家、Coursera 前共同創辦人 Daphne Koller 於 2018 年創立了 Insitro。
為什麼Insitro在目標選擇中強調人類遺傳學？
由人類遺傳證據支持的目標更有可能是真正的因果關係，從而減少藥物失敗。
Insitro 使用的「機器學習表型」是什麼？
Insitro 使用機器學習從影像中獲得數量特徵，然後研究它們的遺傳關聯。
哪個大型人類隊列通常用於像 Insitro 這樣的生物庫規模的遺傳研究？
英國生物銀行將數十萬人的遺傳、影像和健康數據連結起來。