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。
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。
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。
付諸實踐
為什麼這很重要
- 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。
留意
- 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。
後續步驟
- 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
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。