بیوستات هوش مصنوعی، یک راه اندازی تشخیص مولکولی با ترکیب توالی RNA نسل بعدی (RNASEQ) با هوش مصنوعی، امروز اعلام شده است که در یک سریال A در یک دوره بودجه به رهبری 12 میلیون دلار جمع آوری کرده است تسریع کردنبشر در این دور نیز مشارکت از گلبا مانا سرمایه گذاریبا InfoEdge Ventures، و بازگرداندن سرمایه گذاران شرکای سرمایه گذاری مادهبا بینایی به علاوه سرمایهوت سرمایه گذاری های فاحشبشر فرشتگان با مشخصات بالا مانند مدیرعامل انسان شناسی Dario Amodei ، 10x ژنومیک CTO Mike Schnall-Levin ، و Emily Leproust ، مدیرعامل Twist Bioscience نیز از این شرکت حمایت کردند.
بودجه جدید هدف بلندپروازانه Biostate را سوخت: ساخت زیست شناسی قابل پیش بینی و باز کردن قفل دارو در مقیاس. تقریباً مانند اینکه Openai چت شده را به تریلیون کلمات برای درک زبان انسانی آموزش داده است ، Biostate در حال آموزش مدل های بنیاد در میلیاردها پروفایل بیان RNA برای یادگیری “زبان مولکولی” بیماری انسان است.
یک مدل نتفلیکس برای داروی مولکولی
این استارتاپ ، توسط کارآفرینان تبدیل شده توسط MIT و برنج تأسیس شده است اشوین گوپینات وت دیوید ژانگ، یک الگوی جدید برای تشخیص را پیش بینی کنید. Biostate به جای ارائه خدمات توالی جدا شده ، از یک مدل تجاری خود پایدار الهام گرفته از Netflix استفاده می کند: این شرکت هزاران نمونه RNA را با هزینه فوق العاده کم پردازش می کند ، آن را به یک سیستم اختصاصی AI تولید می کند و با هر آزمایش مدل های خود را بهبود می بخشد. نتیجه یک چرخه با فضیلت است – توالی قابل توجه قدرت مدل های بهتری را نشان می دهد ، و مدلهای بهتر بینش بالینی عمیق تری ارائه می دهند.
“هر تشخیصی که من ساخته ام در مورد انتقال جواب به بیمار بود ،” گفته شده زنگ، مدیرعامل Biostate AI. “بیوستات بزرگترین جهش را با مقرون به صرفه کردن کل متن به دست می آورد.”
رونوشت-مجموعه کاملی از مولکول های RNA در یک سلول-عکسهای فوری در زمان واقعی سلامت و بیماری انسان را ارائه می دهد. با این حال ، از نظر تاریخی ، توالی کامل ترنسوم به طور کامل گران و تفسیر دشوار بوده است. بیوستات هر دو مشکل را با یک رویکرد دوگانه برطرف می کند: کاهش رادیکال هزینه و هوش مصنوعی برش.
نوآوری های فنی: Birt ، Perd و AI تولیدی
در هسته ارائه Biostate دو فناوری ثبت اختراع قرار دارد: BIRT (فناوری RNASEQ یکپارچه Biostate) و PERD (تجزیه بیان احتمالی کاهش بیان). BIRT یک پروتکل چند برابر است که امکان استخراج RNA همزمان و توالی از نمونه های مختلف را فراهم می کند و تقریباً ده برابر هزینه را کاهش می دهد. در همین حال ، PERD ، الگوریتم های جدید را برای فیلتر کردن “اثرات دسته ای” اعمال می کند.
این خط لوله RNASEQ بسیار استاندارد به مدل بنیاد اختصاصی بیستات ، تغذیه می کند ، بیت، که بسیار شبیه به مدل های GPT در پردازش زبان طبیعی است. بیوباز در صدها هزار پروفایل رونویسی در انواع بافت ها ، حالات بیماری و گونه ها آموزش دیده است ، “گرامر زیست شناسی” – الگوهای اساسی بیان ژن که سلامت و بیماری را تعریف می کند.
درست همانطور که GPT برای نوشتن مقاله یا خلاصه کردن اسناد قانونی می تواند تنظیم شود ، بیوباز می تواند برای تشخیص عود زودرس سرطان ، پیش بینی پاسخ به دارو در بیماری خود ایمنی یا طبقه بندی بیماران در آزمایشات قلبی عروقی سازگار شود. بیستاستات پیش آگهی، ساخته شده در بالای Biobase ، در حال حاضر وعده در پیش بینی عود لوسمی را نشان می دهد و با پروژه درمانی شتاب برای مولتیپل اسکلروزیس خلبان می شود.
“درست همانطور که چتپ با یادگیری از تریلیون ها کلمه ، درک زبان را تغییر داد ، ما در حال یادگیری زبان مولکولی بیماری انسان از میلیاردها بیان RNA هستیم.” گفته شده گوپینات، CTO شرکت. “ما برای داروی مولکولی کاری که مدل های بزرگ زبان برای متن انجام داده اند ، انجام داده ایم.
ساخت بزرگترین مجموعه داده RNASEQ در جهان
تا به امروز ، Biostate قبلاً بیش از 10،000 نمونه برای 150+ همکار ، از جمله کرنل و سایر موسسات اصلی توالی کرده است. هدف آن این است که سالانه این تعداد را به صدها هزار نمونه بپردازیم. این رشد نمایی با فرآیند RNASEQ کم هزینه و خط لوله مصرف داده های ساده ، OMICSWEB ، که استاندارد ، برچسب ها و ایمن را در سراسر حوزه های قضایی ذخیره می کند ، امکان پذیر می شود.
زیرساخت های ابری این شرکت شامل چندین ابزار جدید Genai مانند:
omicsweb copilot -یک رابط به زبان طبیعی برای تجزیه و تحلیل داده های RNASEQ بدون کد.
کوانتین -یک دستیار هوش مصنوعی که نسخه های علمی آماده انتشار را تولید می کند ، کامل با ارقام و استناد.
تعبیه کننده – ابزاری تجسم که روابط بیولوژیکی پنهان در داده های بیان ژن را کشف می کند.
با داشتن دفاتر در هیوستون ، پالو آلتو ، بنگلور و شانگهای ، بیوستات در حال گسترش در سطح جهان برای پشتیبانی از شبکه رو به رشد شرکای بالینی و دانشگاهی است. این استارتاپ در حال حاضر نمونه های بافت تازه و چند ساله را پردازش می کند-آزمایشگاه ها با استفاده از نمونه های قبلاً غیر قابل استفاده ، بینش را استخراج می کنند.
به سمت هوش مصنوعی با هدف عمومی برای همه بیماری ها
بازی آخر Biostate جسورانه است: ایجاد یک هوش مصنوعی با هدف کلی قادر به درک و هدایت درمان در سراسر همه بیماری های انسانی این رویکرد متحد برخلاف منظره بیوتکنولوژی امروز ، جایی که هر شرایط اغلب به ابزار تشخیصی خاموش و مسیر درمانی خود نیاز دارد.
“به جای حل تشخیص و درمان و درمانی به عنوان مشکلات جداگانه و خاموش برای هر بیماری ، ما معتقدیم که هوش مصنوعی مدرن و آینده می تواند برای درک و کمک به درمان هر بیماری ، هدف کلی باشد.” گفته شده زنگبشر
بیوستات با درمان زیست شناسی به عنوان یک سیستم تولیدی – جایی که وضعیت مولکولی امروز نتایج فردا را تعیین می کند ، معتقد است که می تواند نه تنها وضعیت سلامت فعلی ، بلکه مسیرهای بیماری آینده و مداخلات بهینه را پیش بینی کند.
چه چیزی بعدی؟
با بیش از 20 میلیون دلار افزایش یافته و یک مشتری به سرعت در حال رشد ، بیوستات در حال تسریع در همکاری های بالینی در آنکولوژی ، بیماری قلبی عروقی و ایمونولوژی است. نقاط عطف بعدی این شرکت شامل اعتبار سنجی مدل های پیش بینی کننده آن و مقیاس تجاری ابزارهای تشخیصی AI محور آن است.
به عنوان گوپینات قرار می دهد: “ما فقط زیست شناسی را تفسیر نمی کنیم. ما در حال ساختن معادل بیولوژیکی الگوی بزرگ زبان هستیم – این بار فقط این بار ، روی بدن انسان آموزش دیده است.”
اگر بیوستات هوش مصنوعی موفق می شود ، موج بعدی پزشکی دقیق ممکن است فقط واکنشی نباشد – این امر پیش بینی کننده ، شخصی و از طریق هوش مصنوعی تولیدی خواهد بود.
