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

Points clés

• Bittensor est un réseau décentralisé qui utilise des incitations crypto pour récompenser les contributions aux modèles d’IA et aux ressources de calcul.
• Le réseau peut prendre en charge une variété d’applications, notamment la découverte de médicaments et la location de ressources de calcul.
• Les sous-réseaux (subnets) de Bittensor impliquent trois acteurs principaux : les propriétaires/opérateurs de subnets, les mineurs et les validateurs.
• Le processus de découverte de médicaments est actuellement coûteux et long, souvent décrit comme étant dans une situation de crise.
• Metanova Labs a lancé une preuve de concept pour la virtual screening décentralisée, en pionnier de cette approche dans la découverte de médicaments.
• Les mécanismes d’incitation doubles du réseau permettent aux mineurs de soumettre des molécules ou de concourir avec des algorithmes de recherche chimique.
• Le processus de sélection thermique (heat picking) dans le développement de médicaments évalue les soumissions pour leur potentiel de toxicité et d’efficacité.
• Les réactions combinatoires peuvent étendre le jeu de données de molécules potentielles à environ 65 milliards de possibilités.
• Le développement de médicaments implique de réduire les risques liés aux actifs et de générer de la 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 variables des individus aux traitements.
• Des réseaux décentralisés comme Bittensor peuvent rationaliser le processus de découverte de médicaments en incitant à la créativité mondiale.

Présentation invitée

Micaela Bazo est PDG de Metanova Labs, la société de biotech native crypto à l’origine de NOVA, Bittensor Subnet 68, un réseau d’IA décentralisé qui externalise la découverte de médicaments pour cribler des milliards de molécules contre des cibles protéiques. Sa plateforme a déjà criblé 4,8 millions de molécules sur 7 000 cibles, accélérant l’identification de nouveaux traitements potentiels pour des états mentaux comme l’humeur et la récompense. Metanova vise à réduire de moitié les coûts de la découverte de médicaments en remplaçant le modèle lent d’essai-erreur de Big Pharma par une optimisation par 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 grâce à des récompenses en crypto.

  — Metanova Labs

• Le réseau prend en charge une large gamme d’applications, notamment la découverte de médicaments et la location de calcul.

• Une des choses qui le rend vraiment unique, c’est que vous pouvez utiliser ce réseau pour entraîner n’importe quel type de cas d’usage d’IA.

  — Metanova Labs

• Le modèle opérationnel de Bittensor repose sur la récompense des contributions d’IA utiles.

• La polyvalence du réseau met en avant son potentiel d’impact dans plusieurs secteurs.

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

• Les subnets fonctionnent avec trois acteurs principaux : les propriétaires/opérateurs de subnets, les mineurs et les validateurs.

• Vous avez le propriétaire/opérateur du subnet, 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 dans une situation de crise en raison de coûts élevés et de délais longs.

• La plupart des gens la décrivent comme une situation de crise, avec un médicament en moyenne à environ 2,6 milliards de dollars et dix ans.

  — Metanova Labs

• Le processus traditionnel est coûteux et prend beaucoup de temps, ce qui nécessite des solutions innovantes.

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

• Metanova Labs est en train de pionnier une approche décentralisée pour relever ces défis.

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

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

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

Virtual screening décentralisée

• Metanova Labs a lancé une preuve de concept de virtual screening décentralisée.

• Nous avons lancé le 1er mars, et c’était une preuve de concept pour le faire de manière décentralisée.

  — Metanova Labs

• L’approche n’avait jamais été tentée auparavant, ce qui souligne son caractère pionnier.

• Le virtual screening décentralisé vise à améliorer la découverte de médicaments grâce à des méthodes innovantes.

• Les mécanismes d’incitation doubles renforcent le processus de virtual screening.

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

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

  — Metanova Labs

• Cette approche innovante tire parti de méthodes décentralisées et de la mise en incitations.

Le rôle des réactions combinatoires dans la découverte de médicaments

• Les réactions combinatoires peuvent étendre considérablement le jeu de données de molécules potentielles.

• Nous sommes partis d’un jeu de données d’un milliard de molécules et nous l’avons étendu à environ 65 milliards de possibilités.

  — Metanova Labs

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

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

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

• Le potentiel de découverte de médicaments est fortement renforcé en étendant le jeu de données.

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

• L’expansion du jeu de données souligne le caractère innovant des méthodes de Metanova Labs.

Le processus de réduction des risques liés aux actifs et de génération de PI

• Le développement de médicaments implique de réduire les risques liés aux actifs et de générer de la propriété intellectuelle.

• C’est un jeu consistant à réduire les risques liés aux actifs et à générer de la 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 avant l’importance de la gestion des risques en biotech.

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

• Le processus de réduction des risques liés aux actifs est fondamental pour réussir son développement de médicaments.

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

• Cette idée apporte 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 qui nécessite un perfectionnement et des tests.

• L’idée est d’améliorer par rapport à ce qui serait aléatoire, en accélérant l’accès aux 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 variables des individus.

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

• Comprendre les défis liés à l’atteinte de traitements efficaces est essentiel.

• La nécessité de perfectionner et de tester met en évidence le caractère itératif du développement de médicaments.

• Cette idée explique les défis rencontrés pour parvenir à des traitements efficaces.

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