Metanova Labs: Bittensorは分散型バーチャルスクリーニングで医薬品発見を革新し、組み合わせ反応により可能性を650億に拡大、二重インセンティブがイノベーションを促進 | TWIST

重要なポイント

• Bittensor は、暗号資産のインセンティブを使って AI モデルと計算リソースへの貢献に報酬を与える分散型ネットワークです。
• このネットワークは、創薬や計算リソースのレンタルなど、さまざまなアプリケーションを支えられます。
• Bittensor のサブネットには、3 つの主要なアクター、つまりサブネットのオーナー／オペレーター、マイナー、バリデーターが関わります。
• 創薬のプロセスは現在コストが高く時間がかかっており、「危機の状態にある」と表現されることが多いです。
• Metanova Labs は、分散型バーチャルスクリーニングのための PoC（概念実証）を立ち上げ、創薬におけるこのアプローチを先駆けました。
• ネットワーク内のデュアル・インセンティブ・メカニズムにより、マイナーは分子を提出するか、化学探索アルゴリズムと競うことができます。
• 創薬開発におけるヒートピッキング（熱の選別）プロセスでは、提出物が潜在的な毒性と有効性を持つかを評価します。
• 組合せ反応により、潜在的な分子のデータセットを約 650 億の可能性まで広げられます。
• 創薬開発には、複数の段階でアセットのリスクを下げる（derisking）ことと知的財産（IP）を生み出すことが含まれます。
• 創薬開発の複雑さは、安全性と有効性を確実にするための改良とテストを必要とします。
• 個々人の治療への反応が異なるため、パーソナライズド・メディシンは重要です。
• Bittensor のような分散型ネットワークは、世界的な創造性にインセンティブを与えることで、創薬プロセスを効率化できます。

ゲスト紹介

Micaela Bazo は、NOVA、Bittensor Subnet 68、つまり数十億もの分子をタンパク質ターゲットに対してスクリーニングすることで創薬をクラウドソースする分散型 AI ネットワークを支える、暗号資産ネイティブのバイオテック企業 Metanova Labs の CEO です。彼女のプラットフォームはすでに 7,000 のターゲットにまたがって 480 万分子をスクリーニングし、気分や報酬などの精神状態に対する新しい治療法の特定を加速しています。Metanova は、Big Pharma の遅い試行錯誤モデルを分散型の AI 最適化に置き換えることで、創薬コストを 2 分の 1 に削減することを目指しています。

Bittensor の構造と目的

• Bittensor は、暗号資産の報酬を通じて AI モデルと計算への貢献をインセンティブ化する分散型ネットワークです。

  — Metanova Labs

• このネットワークは、創薬や計算のレンタルなど、幅広いアプリケーションを支えます。

• とてもユニークなのは、このネットワークを使ってあらゆる種類の AI ユースケースを学習させられる点です。

  — Metanova Labs

• Bittensor の運用モデルは、有用な AI への貢献に報酬を与えることに基づいています。

• ネットワークの汎用性は、複数の産業にまたがる潜在的なインパクトを示しています。

• 分散型ネットワークを理解することは、AI における Bittensor の役割を把握するうえで重要です。

• サブネットは 3 つの主要なアクター、つまりサブネットのオーナー／オペレーター、マイナー、バリデーターで運営されます。

• サブネットのオーナー／オペレーター、マイナー、バリデーターがいて、それぞれが重要な役割を担っています。

  — Metanova Labs

創薬における危機

• 創薬は、高コストで長い期間がかかるため「危機の状態にある」と説明されています。

• 多くの人が、平均的な薬が約 $2.6 billion と 10 年かかることから、危機の状態にあると述べています。

  — Metanova Labs

• 従来のプロセスはコストが高く時間もかかり、革新的な解決策が必要です。

• Bittensor のような分散型ネットワークは、創薬を効率化するための潜在的な解決策を提供します。

• Metanova Labs は、これらの課題に対処するための分散型アプローチを先駆けています。

• 薬品業界で重大な問題が起きていることは、革新的な解決策の必要性を裏付けています。

• 創薬の現状は、分散型の問題解決の重要性を際立たせています。

• 従来の創薬プロセスにおける課題を理解することは、新しいアプローチを捉えるうえで不可欠です。

分散型バーチャルスクリーニング

• Metanova Labs は、分散型バーチャルスクリーニングのための PoC（概念実証）を立ち上げました。

• 私たちは 3 月 1 日に立ち上げていて、これを分散型のやり方で行うことの概念実証でした。

  — Metanova Labs

• このアプローチはこれまで試みられていなかったため、その先駆性が際立っています。

• 分散型バーチャルスクリーニングは、革新的な方法によって創薬を改善することを目指しています。

• デュアルのインセンティブ・メカニズムにより、バーチャルスクリーニングのプロセスが強化されます。

• マイナーは分子を提出するか、化学探索アルゴリズムを用いて競うことができます。

• 私たちのマイナーは、興味のある分子を提出するか、化学探索アルゴリズムで競っています。

  — Metanova Labs

• この革新的なアプローチは、分散型の手法とインセンティブ付与を活用しています。

創薬における組合せ反応の役割

• 組合せ反応は、潜在的な分子のデータセットを大幅に拡張できます。

• 私たちは 10 億分子のデータセットから始め、約 650 億の可能性まで広げました。

  — Metanova Labs

• この拡張は、創薬における可能性の規模を示しています。

• 革新的なアプローチは、組合せ化学によって新しい分子を合成することを重視しています。

• 組合せ化学を理解することは、それが創薬で果たす役割を理解するうえで重要です。

• データセットを拡張することで、創薬の可能性は大きく高まります。

• このアプローチは、可能性の規模に対する定量的な視点を提供します。

• データセット拡張は、Metanova Labs の手法の革新性を裏付けています。

アセットのリスク低減（derisking）と IP（知的財産）の生成プロセス

• 創薬開発には、アセットのリスクを下げる（derisking）ことと知的財産（IP）を生み出すことが含まれます。

• それは、アセットのリスクを下げて IP を生成するゲームです。

  — Metanova Labs

• IP を創出し、リスクを管理することは、創薬開発における重要な戦略です。

• 戦略的なアプローチは、バイオテックにおけるリスク管理の重要性を際立たせています。

• 創薬開発の複雑さを理解することは、これらの戦略を理解するうえで不可欠です。

• アセットのリスクを下げる（derisking）プロセスは、成功する創薬開発の基盤です。

• IP を生成することは、バイオテック業界における戦略的アプローチの重要な構成要素です。

• この洞察は、創薬開発における戦略的アプローチを明確に説明します。

創薬開発の複雑さ

• 創薬開発は、改良とテストを要する複雑なプロセスです。

• 考え方は、ランダムなものに比べて改善し、治療法にたどり着くまでを加速させることです。

  — Metanova Labs

• 治療における安全性と有効性を確実にするには、反復的なテストが必要です。

• 個々の反応が異なるため、パーソナライズド・メディシンは重要です。

• 創薬開発の複雑さは、革新的な解決策の必要性を強調しています。

• 効果的な治療を実現するうえでの課題を理解することが不可欠です。

• 改良とテストの必要性は、創薬開発が反復的であることを示しています。

• この洞察は、効果的な治療を実現するために直面する課題を説明します。

                  **開示:** この記事は編集チームにより編集されました。コンテンツの作成およびレビュー方法に関する詳細は、Editorial Policy をご覧ください。