Metanova Labs：Bittensor 通过去中心化的虚拟筛选革新药物发现，组合反应将可能性扩展至 650 亿，双重激励推动创新 | TWIST

要点总结

• Bittensor 是一个去中心化网络，它使用加密激励来奖励对 AI 模型和算力的贡献。
• 该网络可以支持多种应用，包括药物发现和租用计算资源。
• Bittensor 中的子网（Subnets）涉及三类主要参与者：子网所有者/运营方、挖矿者（miners）和验证者（validators）。
• 药物发现过程目前成本高、周期长，常被形容处于危机状态。
• Metanova Labs 推出了去中心化虚拟筛选的概念验证（proof of concept），在药物发现领域率先采用了这种方式。
• 网络中的双重激励机制使矿工既可以提交分子，也可以与化学搜索算法展开竞争。
• 在药物研发中的“热筛选”（heat picking）过程中，会评估提交内容的潜在毒性和有效性。
• 组合反应（combinatorial reactions）可以将潜在分子的数据集扩展至约 650 亿种可能性。
• 药物开发涉及在多个阶段对资产进行“降风险”（derisking）并生成知识产权（IP）。
• 药物开发的复杂性要求进行打磨与测试，以确保安全性与有效性。
• 由于个体对治疗的反应不同，个性化医疗至关重要。
• 像 Bittensor 这样的去中心化网络可以通过激励全球创造力来简化药物发现流程。

嘉宾介绍

Micaela Bazo 是 Metanova Labs 的首席执行官，这是一家加密原生（crypto-native）的生物科技公司，背后支持 NOVA、Bittensor Subnet 68——一个去中心化的 AI 网络，它通过众包药物发现来筛选数十亿种分子对应蛋白靶点。她的平台已在 7,000 个靶点上筛选了 480 万个分子，加速找出用于情绪与奖励等心理状态的全新治疗方案。Metanova 旨在通过用分布式 AI 优化替代 Big Pharma 缓慢的试错模式，将药物发现成本降低一半。

Bittensor 的结构与目的

• Bittensor 是一个去中心化网络，通过加密奖励来激励对 AI 模型和算力的贡献。

  — Metanova Labs

• 该网络支持广泛的应用，包括药物发现和租用算力。

• 让它非常独特的一点是，你可以使用这个网络来训练任何类型的 AI 用例。

  — Metanova Labs

• Bittensor 的运营模型建立在奖励有用的 AI 贡献之上。

• 网络的多功能性展示了其在多个行业中的潜在影响。

• 理解去中心化网络对于把握 Bittensor 在 AI 领域的角色至关重要。

• 子网由三类主要参与者运行：子网所有者/运营方、挖矿者（miners）和验证者（validators）。

• 你有子网所有者/运营方、挖矿者和验证者，每一方都扮演着关键角色。

  — Metanova Labs

药物发现的危机

• 由于成本高昂且时间线漫长，药物发现被描述为处于危机状态。

• 大多数人都在把它描述为处于危机状态：平均一种药物需要大约 26 亿美元、并且耗时 10 年。

  — Metanova Labs

• 传统流程成本高、耗时长，需要创新解决方案。

• 像 Bittensor 这样的去中心化网络提供了简化药物发现的潜在解决方案。

• Metanova Labs 正在率先采用去中心化方案来应对这些挑战。

• 对创新解决方案的需求，因制药行业所面临的重大问题而得以凸显。

• 药物发现的当前状况凸显了去中心化问题解决的重要性。

• 理解传统药物发现流程中的挑战，对于理解新的方法至关重要。

去中心化虚拟筛选

• Metanova Labs 推出了去中心化虚拟筛选的概念验证。

• 我们在 3 月 1 日上线，这是在去中心化方式下完成这件事的概念验证。

  — Metanova Labs

• 该方法此前从未被尝试过，这进一步强调了其开创性。

• 去中心化虚拟筛选旨在通过创新方法改进药物发现。

• 双重激励机制增强了虚拟筛选流程。

• 挖矿者可以提交感兴趣的分子，或使用化学搜索算法进行竞争。

• 我们的矿工要么提交感兴趣的分子，要么在化学搜索算法上展开竞争。

  — Metanova Labs

• 这种创新方法利用去中心化手段与激励机制。

组合反应在药物发现中的作用

• 组合反应可以显著扩大潜在分子的数据集。

• 我们从 10 亿个分子的数据集起步，并将其扩展到约 650 亿种可能性。

  — Metanova Labs

• 这种扩展展示了药物发现中可能性的规模。

• 这一创新方法强调通过组合化学合成新分子。

• 理解组合化学对于把握其在药物发现中的作用至关重要。

• 通过扩展数据集，药物发现的潜力大幅提升。

• 该方法从量化角度提供了对可能性规模的视角。

• 数据集扩展凸显了 Metanova Labs 方法的创新性。

对资产降风险与生成 IP 的过程

• 药物开发涉及对资产进行降风险（derisking）并生成知识产权（IP）。

• 这是一场对资产进行降风险并生成 IP 的游戏。

  — Metanova Labs

• 创建 IP 并管理风险是药物开发中的关键策略。

• 这种战略性做法强调了生物科技中风险管理的重要性。

• 理解药物开发的复杂性对于把握这些策略至关重要。

• 对资产进行降风险的过程是成功药物开发的基础。

• 生成 IP 是生物科技行业战略性做法中的关键组成部分。

• 这一洞见对药物开发中的战略性做法给出了清晰的解释。

药物开发的复杂性

• 药物开发是一个复杂的过程，需要打磨与测试。

• 这个想法是让结果比随机更好，从而加速找到疗效。

  — Metanova Labs

• 反复测试是确保治疗安全性与有效性的必要步骤。

• 由于个体反应存在差异，个性化医疗至关重要。

• 药物开发的复杂性凸显了对创新解决方案的需求。

• 理解实现有效治疗所面临的挑战至关重要。

• 对打磨与测试的必要性凸显了药物开发的迭代特征。

• 这一洞见解释了实现有效治疗所面临的挑战。

                  **披露声明：** 本文由编辑团队（Editorial Team）编辑。有关我们如何创建与审阅内容的更多信息，请参见我们的《编辑政策》（Editorial Policy）。