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

Các ý chính

• Bittensor là một mạng lưới phi tập trung sử dụng các khuyến khích bằng crypto để thưởng cho các đóng góp vào các mô hình AI và điện toán.
• Mạng lưới có thể hỗ trợ nhiều loại ứng dụng, bao gồm phát hiện thuốc và cho thuê tài nguyên điện toán.
• Các subnet trong Bittensor bao gồm ba nhóm tác nhân chính: chủ/nhà vận hành subnet, thợ đào (miners) và người xác thực (validators).
• Quy trình phát hiện thuốc hiện tại tốn kém và mất nhiều thời gian, thường được mô tả như đang ở trong tình trạng khủng hoảng.
• Metanova Labs đã ra mắt một bản proof of concept cho sàng lọc ảo phi tập trung, tiên phong cho cách tiếp cận này trong phát hiện thuốc.
• Cơ chế khuyến khích kép trong mạng lưới cho phép miners gửi các phân tử hoặc cạnh tranh với các thuật toán tìm kiếm hóa học.
• Quy trình sàng lọc theo nhiệt trong phát triển thuốc đánh giá các đề xuất về tiềm năng độc tính và hiệu quả.
• Các phản ứng tổ hợp có thể mở rộng tập dữ liệu của các phân tử tiềm năng lên khoảng 65 tỷ khả năng.
• Phát triển thuốc bao gồm giảm thiểu rủi ro tài sản và tạo ra tài sản trí tuệ ở nhiều giai đoạn.
• Sự 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 điều trị.
• Các mạng lưới phi tập trung như Bittensor có thể tối ưu hóa quy trình phát hiện thuốc bằng cách thúc đẩy 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 thu thập theo đám đông việc phát hiện thuốc để sàng lọc hàng tỷ phân tử nhằm chống lại các mục tiêu là protein. Nền tảng của cô ấy đã sàng lọc 4,8 triệu phân tử trên 7.000 mục tiêu, đẩy nhanh việc nhận diện các liệu pháp mới cho các trạng thái tâm lý như tâm trạng và phần thưởng. Metanova đặt mục tiêu cắt giảm chi phí phát hiện thuốc một nửa bằng cách thay thế mô hình thử nghiệm–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 các mô hình AI và điện toán thông qua phần thưởng bằng crypto.

  — Metanova Labs

• Mạng lưới hỗ trợ nhiều loại ứng dụng, bao gồm phát hiện thuốc và cho thuê điện toán.

• Một trong những điều khiến nó rất độc đáo là bạn có thể sử dụng mạng lưới này để huấn luyện bất kỳ kiểu ca sử dụng AI nào.

  — Metanova Labs

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

• Sự đa dụng của mạng lưới cho thấy tiềm năng tác động của nó trên nhiều ngành.

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

• Các subnet vận hành với ba nhóm tác nhân chính: chủ/nhà vận hành subnet, miners và validators.

• Bạn có chủ/nhà vận hành subnet, miners và validators, mỗi bên đều đóng vai trò then chốt.

  — 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 thời gian kéo dài.

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

  — Metanova Labs

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

• Các mạng lưới phi tập trung như Bittensor mang lại tiềm năng các giải pháp để tối ưu hóa quy trình phát hiện thuốc.

• Metanova Labs đang tiên phong một cách tiếp cận phi tập trung để giải quyết các thách thức này.

• Nhu cầu có các giải pháp sáng tạo được nhấn mạnh bởi những vấn đề nghiêm trọng 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 các 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 proof of concept cho sàng lọc ảo phi tập trung.

• Chúng tôi đã ra mắt vào ngày 1 tháng 3 và đó là proof of concept về việc thực hiện điều này theo cách phi tập trung.

  — Metanova Labs

• Cách tiếp cận này trước đó chưa từng được thử nghiệm, cho thấy tính tiên phong của nó.

• Sàng lọc ảo phi tập trung nhằm cải thiện phát hiện thuốc thông qua các phương pháp đổi mới.

• Các cơ chế khuyến khích kép 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 miner của chúng tôi hoặc là đang gửi các phân tử đáng quan tâm, hoặc đang cạnh tranh trên các thuật toán tìm kiếm hóa học.

  — Metanova Labs

• Cách tiếp cận sáng tạo này tận dụng các phương pháp phi tập trung và việc tạo động lực.

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 của 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 đổi mới 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 nắm bắt vai trò của nó trong phát hiện thuốc.

• Tiềm năng phát hiện thuốc được tăng cường đáng kể nhờ việc mở rộng tập dữ liệu.

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

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

Quy trình giảm thiểu rủi ro tài sản và tạo IP

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

• Đây là một trò chơi nhằm giảm thiểu rủi ro cho các tài sản và tạo ra IP.

  — Metanova Labs

• Tạo 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 sự phức tạp của phát triển thuốc là điều quan trọng để nhìn nhận các chiến lược này.

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

• Việc tạo IP là một thành phần then chốt trong cách tiếp cận chiến lược của ngành biotech.

• Hiểu biết này cung cấp một lời giải thích rõ ràng cho các cách tiếp cận chiến lược trong phát triển thuốc.

Sự 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 những gì sẽ mang tính ngẫu nhiên, đẩy nhanh việc đạt đến các phương pháp chữa trị.

  — Metanova Labs

• Thử nghiệm lặp lại là cần thiết để đảm bảo an toàn và hiệu quả trong điều trị.

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

• Sự phức tạp của phát triển thuốc nhấn mạnh nhu cầu về các giải pháp đổi mới.

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

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

• Thông tin này giải thích các thách thức phải đối mặt trong việc đạt được các phương pháp điều trị hiệu quả.

                  **Công bố:** Bài viết này đã được chỉnh sửa 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.