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

要点摘要

• Bittensor 是一个去中心化网络，它使用加密激励来奖励对 AI 模型和计算的贡献。
• 该网络能够支持多种应用，包括药物发现以及租用计算资源。
• Bittensor 中的子网（subnets）涉及三类主要参与者：子网所有者/运营方、矿工（miners）和验证者（validators）。
• 当前，药物发现过程成本高且耗时长，常被形容为处于危机状态。
• Metanova Labs 启动了用于去中心化虚拟筛选的概念验证，开创了这一药物发现思路。
• 网络中的双重激励机制允许矿工提交分子，或与化学搜索算法展开竞争。
• 药物研发中的“热挑选”（heat picking）过程会评估提交内容的潜在毒性与有效性。
• 组合反应（combinatorial reactions）可以将潜在分子数据集扩展到约 650 亿种可能性。
• 药物研发包括在多个阶段对资产进行去风险（derisking）并生成知识产权（IP）。
• 药物研发的复杂性要求不断打磨与测试，以确保安全性与有效性。
• 个体对治疗的反应不同，因此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优化药物发现流程。

嘉宾介绍

Micaela Bazo 是 Metanova Labs 的首席执行官，这是一家由加密驱动的生物技术公司，背后支持 NOVA、Bittensor 子网 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个分子对应蛋白质靶点。她的平台已经在 7,000 个靶点上筛选了 480 万个分子，加速识别针对情绪与奖赏等心理状态的新型治疗方案。Metanova 旨在通过用分布式 AI 优化替代 Big Pharma 缓慢的试错模式，将药物发现成本减半。

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 模型与计算的贡献。

  — Metanova Labs

• 该网络支持广泛的应用，包括药物发现和租用计算。

• 这其中非常独特的一点在于，你可以使用这个网络来训练任何类型的 AI 用例。

  — Metanova Labs

• Bittensor 的运营模型基于奖励有用的 AI 贡献。

• 网络的多功能性展示了其在多个行业中的潜在影响力。

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

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

• 你会看到子网所有者/运营方、矿工和验证者各自扮演着关键角色。

  — Metanova Labs

药物发现领域的危机

• 由于成本高且周期长，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：平均一款药物需要约 26 亿美元的成本和 10 年的时间。

  — Metanova Labs

• 传统流程成本高、周期漫长，因此需要创新解决方案。

• 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 正在率先以去中心化的方式应对这些挑战。

• 制药行业存在的重大问题凸显了对创新解决方案的需求。

• 当前药物发现的状况强调了去中心化思路来解决问题的重要性。

• 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 启动了去中心化虚拟筛选的概念验证（proof of concept）。

• 我们在 3 月 1 日上线，并证明可以以去中心化的方式来实现这一点，属于概念验证阶段。

  — Metanova Labs

• 该方法此前从未尝试过，这凸显了它的开创性。

• 去中心化虚拟筛选旨在通过创新方法提升药物发现。

• 双重激励机制增强了虚拟筛选流程。

• 矿工可以提交感兴趣的分子，或借助化学搜索算法展开竞争。

• 我们的矿工要么在提交有价值的分子，要么在用化学搜索算法进行竞争。

  — Metanova Labs

• 这种创新方法利用了去中心化的手段与激励机制。

组合反应在药物发现中的作用

• 组合反应（combinatorial reactions）可以显著扩展潜在分子数据集。

• 我们从 10 亿个分子的数据集起步，并把它扩展到约 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（combinatorial chemistry）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，药物发现的潜力得到了极大提升。

• 这种方法提供了从定量角度看待可能性规模的视角。

• 数据集扩展凸显了 Metanova Labs 方法的创新性。

药物研发中对资产去风险与生成 IP 的过程

• 药物研发涉及对资产进行去风险（derisking）并生成知识产权（intellectual property）。

• 这是一场对资产进行去风险并生成 IP 的游戏。

  — Metanova Labs

• 创造 IP 与管理风险是药物研发中的关键策略。

• 这种战略取向凸显了生物技术领域风险管理的重要性。

• 理解药物研发的复杂性对于理解这些策略至关重要。

• 对资产进行去风险的过程是成功药物研发的基础。

• 生成 IP 是生物技术行业战略取向中的关键组成部分。

• 这一洞见为药物研发中的战略方法提供了清晰的解释。

药物研发的复杂性

• 药物研发是一个复杂的过程，需要不断打磨与测试。

• 这个想法是让结果优于随机情况，从而加速走向治愈方案。

  — Metanova Labs

• 必须进行迭代测试，以确保治疗的安全性与有效性。

• 个体对治疗的反应不同，因此个性化医疗至关重要。

• 药物研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研发的迭代特征。

• 这一洞见解释了在实现有效治疗过程中面临的挑战。

                  **披露声明：**本文由编辑团队进行编辑。如需了解我们如何创建与审核内容，请参阅我们的编辑政策。