Metanova Labs : Bittensor révolutionne la découverte de médicaments avec le criblage virtuel décentralisé, les réactions combinatoires élargissent les possibilités à 65 milliards, et les doubles incitations stimulent l'innovation | TWIST

Principales conclusions

• Bittensor est un réseau décentralisé qui utilise des incitations cryptographiques pour récompenser les contributions aux modèles d’IA et au calcul.
• Le réseau peut soutenir une variété d’applications, y compris la découverte de médicaments et la location de ressources de calcul.
• Les sous-réseaux dans Bittensor impliquent trois principaux acteurs : propriétaires/opérateurs de sous-réseau, mineurs et validateurs.
• Le processus de découverte de médicaments est actuellement coûteux et long, souvent décrit comme étant en état de crise.
• Metanova Labs a lancé un prototype pour un dépistage virtuel décentralisé, pionnier dans cette approche de découverte de médicaments.
• Les mécanismes d’incitation double dans le réseau permettent aux mineurs de soumettre des molécules ou de rivaliser avec des algorithmes de recherche chimique.
• Le processus de sélection de chaleur dans le développement de médicaments évalue les soumissions pour leur toxicité et leur efficacité potentielles.
• Les réactions combinatoires peuvent étendre l’ensemble de données des molécules potentielles à environ 65 milliards de possibilités.
• Le développement de médicaments implique la réduction des risques des actifs et la génération de propriété intellectuelle à plusieurs étapes.
• La complexité du développement de médicaments nécessite un perfectionnement et des tests pour garantir la sécurité et l’efficacité.
• La médecine personnalisée est cruciale en raison des réponses variées des individus aux traitements.
• Les réseaux décentralisés comme Bittensor peuvent rationaliser le processus de découverte de médicaments en incitant à la créativité mondiale.

Introduction de l’invité

Micaela Bazo est PDG de Metanova Labs, la société biotechnologique native de la crypto derrière NOVA, le sous-réseau 68 de Bittensor, un réseau d’IA décentralisé qui crowdsourcise la découverte de médicaments pour dépister des milliards de molécules contre des cibles protéiques. Sa plateforme a déjà dépisté 4,8 millions de molécules sur 7 000 cibles, accélérant l’identification de nouveaux thérapeutiques pour des états mentaux comme l’humeur et la récompense. Metanova vise à réduire de moitié les coûts de découverte de médicaments en remplaçant le modèle lent d’essai-erreur de Big Pharma par une optimisation de l’IA distribuée.

La structure et l’objectif de Bittensor

• Bittensor est un réseau décentralisé qui incite les contributions aux modèles d’IA et au calcul par le biais de récompenses cryptographiques.

  — Metanova Labs

• Le réseau soutient un large éventail d’applications, y compris la découverte de médicaments et la location de calcul.

• L’une des choses qui le rend très unique est le fait que vous pouvez utiliser ce réseau pour entraîner n’importe quel cas d’utilisation d’IA.

  — Metanova Labs

• Le modèle opérationnel de Bittensor est basé sur la récompense des contributions utiles à l’IA.

• La polyvalence du réseau met en avant son impact potentiel dans plusieurs industries.

• Comprendre les réseaux décentralisés est crucial pour saisir le rôle de Bittensor dans l’IA.

• Les sous-réseaux fonctionnent avec trois principaux acteurs : propriétaires/opérateurs de sous-réseau, mineurs et validateurs.

• Vous avez le propriétaire/opérateur de sous-réseau, les mineurs et les validateurs, chacun jouant un rôle crucial.

  — Metanova Labs

La crise dans la découverte de médicaments

• La découverte de médicaments est décrite comme étant en état de crise en raison des coûts élevés et des longs délais.

• La plupart des gens la décrivent comme étant en état de crise, avec un médicament moyen coûtant environ 2,6 milliards de dollars et prenant dix ans.

  — Metanova Labs

• Le processus traditionnel est coûteux et long, nécessitant des solutions innovantes.

• Les réseaux décentralisés comme Bittensor offrent des solutions potentielles pour rationaliser la découverte de médicaments.

• Metanova Labs est pionnier d’une approche décentralisée pour relever ces défis.

• Le besoin de solutions innovantes est souligné par les problèmes significatifs dans l’industrie pharmaceutique.

• L’état actuel de la découverte de médicaments met en évidence l’importance de la résolution de problèmes décentralisée.

• Comprendre les défis des processus traditionnels de découverte de médicaments est essentiel pour apprécier les nouvelles approches.

Dépistage virtuel décentralisé

• Metanova Labs a lancé un prototype pour un dépistage virtuel décentralisé.

• Nous avons lancé le 1er mars et c’était un prototype de faire cela de manière décentralisée.

  — Metanova Labs

• L’approche n’avait jamais été tentée auparavant, soulignant sa nature pionnière.

• Le dépistage virtuel décentralisé vise à améliorer la découverte de médicaments par des méthodes innovantes.

• Les mécanismes d’incitation double améliorent le processus de dépistage virtuel.

• Les mineurs peuvent soumettre des molécules ou rivaliser en utilisant des algorithmes de recherche chimique.

• Nos mineurs soumettent soit des molécules d’intérêt, soit rivalisent sur des algorithmes de recherche chimique.

  — Metanova Labs

• Cette approche innovante s’appuie sur des méthodes décentralisées et des incitations.

Le rôle des réactions combinatoires dans la découverte de médicaments

• Les réactions combinatoires peuvent considérablement élargir l’ensemble de données des molécules potentielles.

• Nous avons commencé avec un ensemble de données d’un milliard de molécules et l’avons étendu à environ 65 milliards de possibilités.

  — Metanova Labs

• Cette expansion démontre l’échelle des possibilités dans la découverte de médicaments.

• L’approche innovante met l’accent sur la synthèse de nouvelles molécules par la chimie combinatoire.

• Comprendre la chimie combinatoire est crucial pour apprécier son rôle dans la découverte de médicaments.

• Le potentiel de la découverte de médicaments est grandement amélioré par l’expansion de l’ensemble de données.

• Cette approche fournit une perspective quantitative sur l’échelle des possibilités.

• L’expansion de l’ensemble de données souligne la nature innovante des méthodes de Metanova Labs.

Le processus de réduction des risques et de génération de propriété intellectuelle

• Le développement de médicaments implique la réduction des risques des actifs et la génération de propriété intellectuelle.

• C’est un jeu de réduction des risques des actifs et de génération de PI.

  — Metanova Labs

• Créer de la PI et gérer les risques sont des stratégies essentielles dans le développement de médicaments.

• L’approche stratégique met en évidence l’importance de la gestion des risques dans la biotechnologie.

• Comprendre les complexités du développement de médicaments est crucial pour apprécier ces stratégies.

• Le processus de réduction des risques des actifs est fondamental pour un développement de médicaments réussi.

• Générer de la PI est un élément clé de l’approche stratégique de l’industrie biotechnologique.

• Cette perspective fournit une explication claire des approches stratégiques dans le développement de médicaments.

La complexité du développement de médicaments

• Le développement de médicaments est un processus complexe nécessitant un perfectionnement et des tests.

• L’idée est d’améliorer par rapport à ce qui serait aléatoire, accélérant l’obtention de traitements.

  — Metanova Labs

• Des tests itératifs sont nécessaires pour garantir la sécurité et l’efficacité des traitements.

• La médecine personnalisée est cruciale en raison des réponses individuelles variées.

• La complexité du développement de médicaments souligne le besoin de solutions innovantes.

• Comprendre les défis pour obtenir des traitements efficaces est essentiel.

• La nécessité de perfectionnement et de tests souligne la nature itérative du développement de médicaments.

• Cette perspective explique les défis rencontrés pour obtenir des traitements efficaces.

                  **Divulgation :** Cet article a été édité par l'équipe éditoriale. Pour plus d'informations sur la manière dont nous créons et examinons le contenu, voir notre politique éditoriale.