Metanova Labs: Bittensor cách mạng hóa quá trình khám phá thuốc với sàng lọc ảo phi tập trung, các phản ứng tổ hợp mở rộng khả năng lên đến 65 tỷ, và các ưu đãi kép thúc đẩy đổi mới | TWIST

Những điểm chính

• Bittensor là một mạng lưới phi tập trung sử dụng các ưu đãi crypto để thưởng cho các đóng góp cho các mô hình AI và tài nguyên tính toán.
• Mạng lưới có thể hỗ trợ nhiều loại ứng dụng khác nhau, bao gồm phát hiện thuốc và cho thuê tài nguyên tính toán.
• Các subnet trong Bittensor liên quan đến ba bên chính: chủ sở hữu/vận hành subnet, thợ đào (miners) và trình xác thực (validators).
• Quy trình phát hiện thuốc hiện tại tốn kém và mất nhiều thời gian, thường được mô tả là đang trong tình trạng khủng hoảng.
• Metanova Labs đã ra mắt một bằng chứng khái niệm cho sàng lọc ảo phi tập trung, tiên phong cho cách tiếp cận này trong phát hiện thuốc.
• Cơ chế ưu đãi kép trong mạng cho phép miners gửi các phân tử hoặc cạnh tranh với các thuật toán tìm kiếm hóa học.
• Quy trình “heat picking” trong phát triển thuốc đánh giá các bản nộp dựa trên tiềm năng gây độc và hiệu quả.
• Các phản ứng tổ hợp có thể mở rộng tập dữ liệu các phân tử tiềm năng lên xấp xỉ 65 tỷ khả năng.
• Phát triển thuốc bao gồm giảm rủi ro tài sản và tạo ra tài sản trí tuệ ở nhiều giai đoạn.
• Độ phức tạp của phát triển thuốc đòi hỏi phải tinh chỉnh và thử nghiệm để đảm bảo an toàn và hiệu quả.
• Y học cá nhân hóa là rất quan trọng do các cá nhân có phản ứng khác nhau với các phương pháp điều trị.
• Các mạng phi tập trung như Bittensor có thể tinh gọn quy trình phát hiện thuốc bằng cách khuyến khích sự sáng tạo trên toàn cầu.

Giới thiệu khách mời

Micaela Bazo là CEO của Metanova Labs, công ty biotech gốc crypto đứng sau NOVA, Bittensor Subnet 68, một mạng lưới AI phi tập trung huy động cộng đồng để sàng lọc hàng tỷ phân tử nhằm tìm các mục tiêu protein. Nền tảng của cô ấy đã sàng lọc 4,8 triệu phân tử trên 7.000 mục tiêu, đẩy nhanh việc xác định các liệu pháp điều trị mới cho các trạng thái tâm lý như tâm trạng và phần thưởng. Metanova nhắm tới việc cắt chi phí phát hiện thuốc một nửa bằng cách thay thế mô hình thử nghiệm-thử-sai chậm chạp của Big Pharma bằng tối ưu hóa AI phân tán.

Cấu trúc và mục đích của Bittensor

• Bittensor là một mạng lưới phi tập trung khuyến khích các đóng góp cho mô hình AI và điện toán thông qua phần thưởng crypto.

  — Metanova Labs

• Mạng lưới hỗ trợ một loạt ứng dụng đa dạng, bao gồm phát hiện thuốc và cho thuê điện toán.

• Một trong những điều khiến nó rất khác biệt là bạn có thể sử dụng mạng lưới này để huấn luyện mọi loại case sử dụng AI.

  — Metanova Labs

• Mô hình vận hành của Bittensor dựa trên việc thưởng cho các đóng góp AI có ích.

• Tính linh hoạt của mạng lưới cho thấy tiềm năng tác động của nó trên nhiều ngành công nghiệp.

• Việc hiểu các mạng phi tập trung là điều quan trọng để nắm bắt vai trò của Bittensor trong AI.

• Subnets vận hành với ba bên chính: chủ sở hữu/vận hành subnet, miners và validators.

• Bạn có chủ sở hữu/vận hành subnet, miners và validators, mỗi bên đều đóng vai trò quan trọng.

  — Metanova Labs

Cuộc khủng hoảng trong phát hiện thuốc

• Phát hiện thuốc được mô tả là đang trong tình trạng khủng hoảng do chi phí cao và mốc thời gian kéo dài.

• Hầu hết mọi người đều mô tả rằng nó đang trong tình trạng khủng hoảng, với việc một loại thuốc trung bình tốn khoảng $2.6 billion và mười năm.

  — Metanova Labs

• Quy trình truyền thống tốn kém và mất thời gian, đòi hỏi các giải pháp sáng tạo.

• Các mạng phi tập trung như Bittensor mang đến tiềm năng các giải pháp để tinh gọn quy trình phát hiện thuốc.

• Metanova Labs đang tiên phong theo một hướng tiếp cận phi tập trung để giải quyết những thách thức này.

• Nhu cầu về các giải pháp sáng tạo được nhấn mạnh bởi những vấn đề đáng kể trong ngành dược phẩm.

• Tình trạng hiện tại của phát hiện thuốc cho thấy tầm quan trọng của việc giải quyết vấn đề theo hướng phi tập trung.

• Việc hiểu các thách thức trong quy trình phát hiện thuốc truyền thống là điều thiết yếu để nhìn nhận các cách tiếp cận mới.

Sàng lọc ảo phi tập trung

• Metanova Labs đã ra mắt một bằng chứng khái niệm cho sàng lọc ảo phi tập trung.

• Chúng tôi đã ra mắt vào ngày 1 tháng 3 và đó là một bằng chứng khái niệm cho việc thực hiện điều này theo cách phi tập trung.

  — Metanova Labs

• Cách tiếp cận này chưa từng được thử trước đây, qua đó làm nổi bật tính tiên phong của nó.

• Sàng lọc ảo phi tập trung nhắm tới việc cải thiện phát hiện thuốc thông qua các phương pháp sáng tạo.

• Các cơ chế ưu đãi kép giúp tăng cường quy trình sàng lọc ảo.

• Miners có thể gửi các phân tử hoặc cạnh tranh bằng các thuật toán tìm kiếm hóa học.

• Các miners của chúng tôi hoặc là đang gửi các phân tử quan tâm, hoặc cạnh tranh bằng các thuật toán tìm kiếm hóa học.

  — Metanova Labs

• Cách tiếp cận sáng tạo này tận dụng các phương pháp phi tập trung và cơ chế khuyến khích.

Vai trò của các phản ứng tổ hợp trong phát hiện thuốc

• Các phản ứng tổ hợp có thể mở rộng đáng kể tập dữ liệu các phân tử tiềm năng.

• Chúng tôi bắt đầu với một tập dữ liệu gồm một tỷ phân tử và mở rộng nó lên khoảng 65 tỷ khả năng.

  — Metanova Labs

• Mở rộng này cho thấy quy mô của các khả năng trong phát hiện thuốc.

• Cách tiếp cận sáng tạo nhấn mạnh việc tổng hợp các phân tử mới thông qua hóa học tổ hợp.

• Việc hiểu hóa học tổ hợp là rất quan trọng để nhìn nhận vai trò của nó trong phát hiện thuốc.

• Tiềm năng phát hiện thuốc được nâng cao rất lớn nhờ việc mở rộng tập dữ liệu.

• Cách tiếp cận này cung cấp góc nhìn định lượng về quy mô các khả năng.

• Việc mở rộng tập dữ liệu cho thấy tính đổi mới trong phương pháp của Metanova Labs.

Quy trình giảm rủi ro tài sản và tạo IP

• Phát triển thuốc liên quan đến việc giảm rủi ro tài sản và tạo ra tài sản trí tuệ.

• Đó là một trò chơi giảm rủi ro tài sản và tạo ra IP.

  — Metanova Labs

• Việc tạo ra IP và quản lý rủi ro là những chiến lược thiết yếu trong phát triển thuốc.

• Cách tiếp cận mang tính chiến lược nhấn mạnh tầm quan trọng của quản lý rủi ro trong biotech.

• Việc hiểu các phức tạp của phát triển thuốc là rất quan trọng để nắm bắt những chiến lược này.

• Quy trình giảm rủi ro tài sản là nền tảng cho sự thành công của phát triển thuốc.

• Tạo ra IP là một thành phần then chốt trong cách tiếp cận mang tính chiến lược của ngành biotech.

• Khoảng hiểu biết này đưa ra một lời giải thích rõ ràng về các cách tiếp cận chiến lược trong phát triển thuốc.

Độ phức tạp của phát triển thuốc

• Phát triển thuốc là một quy trình phức tạp, đòi hỏi phải tinh chỉnh và thử nghiệm.

• Ý tưởng là cải thiện so với mức hoàn toàn ngẫu nhiên, giúp tăng tốc quá trình đi đến các phương pháp chữa trị.

  — Metanova Labs

• Thử nghiệm lặp đi lặp lại là cần thiết để đảm bảo an toàn và hiệu quả của các phương pháp điều trị.

• Y học cá nhân hóa là rất quan trọng do các phản ứng khác nhau giữa từng cá nhân.

• Độ phức tạp của phát triển thuốc nhấn mạnh nhu cầu về các giải pháp sáng tạo.

• Việc hiểu các thách thức trong việc đạt được các phương pháp điều trị hiệu quả là điều thiết yếu.

• Sự cần thiết của việc tinh chỉnh và thử nghiệm làm nổi bật tính lặp lại trong quy trình phát triển thuốc.

• Khoảng hiểu biết này giải thích những thách thức gặp phải trong việc đạt được các phương pháp điều trị hiệu quả.

                  **Công bố:** Bài viết này đã được biên tập bởi Editorial Team. Để biết thêm thông tin về cách chúng tôi tạo và rà soát nội dung, hãy xem Editorial Policy của chúng tôi.