Metanova Labs ra mắt việc khám phá thuốc phi tập trung trên Bittensor, mở rộng bộ dữ liệu phân tử lên 65 tỷ

• Bittensor là một mạng phi tập trung sử dụng phần thưởng tiền mã hóa để ghi nhận các đóng góp cho các mô hình AI và tính toán.
• Mạng lưới có thể hỗ trợ nhiều ứng dụng khác nhau, bao gồm khám phá thuốc và thuê tài nguyên tính toán.
• Các subnet trong Bittensor bao gồm ba bên chính: chủ/subnet, thợ mỏ và người xác thực.
• Quy trình phát hiện thuốc hiện nay tốn kém và tốn nhiều thời gian, thường được mô tả là đang trong tình trạng khủng hoảng.
• Metanova Labs đã ra mắt một bản chứng minh khái niệm về sàng lọc ảo phi tập trung, tiên phong trong cách tiếp cận này để phát hiện thuốc.
• Cơ chế khuyến khích kép trong mạng cho phép các thợ mỏ gửi phân tử hoặc cạnh tranh với các thuật toán tìm kiếm hóa học.
• Quá trình sàng lọc nhiệt độ trong phát triển thuốc đánh giá các bản nộp để xác định khả năng gây độc và hiệu quả.
• Các phản ứng tổ hợp có thể mở rộng tập dữ liệu các phân tử tiềm năng lên khoảng 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.
• Sự phức tạp của việc phát triển thuốc đòi hỏi sự tinh chỉnh và kiểm tra để đảm bảo an toàn và hiệu quả.
• Y học cá thể hóa là vô cùng quan trọng do sự khác biệt trong phản ứng của từng cá nhân đối với các phương pháp điều trị.
• Các mạng phi tập trung như Bittensor có thể tối ưu hóa quy trình phát hiện thuốc bằng cách khuyến khích sự sáng tạo toàn cầu.

Micaela Bazo là CEO của Metanova Labs, công ty công nghệ sinh học thuần crypto đứng sau NOVA, Bittensor Subnet 68, một mạng AI phi tập trung thu hút cộng đồng tìm kiếm thuốc bằng cách kiểm tra hàng tỷ phân tử chống lại các mục tiêu protein. Nền tảng của cô đã kiểm tra 4,8 triệu phân tử trên 7.000 mục tiêu, đẩy nhanh việc xác định các liệu pháp mới cho các trạng thái tâm lý như tâm trạng và phần thưởng. Metanova nhằm mục tiêu giảm một nửa chi phí phát hiện thuốc bằng cách thay thế mô hình thử nghiệm và sai sót chậm chạp của các hãng dược lớn bằng tối ưu hóa AI phân tán.

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

  — Metanova Labs

• Mạng lưới hỗ trợ một loạt các ứng dụng, bao gồm khám phá thuốc và thuê tính toán.

• Một trong những điều làm nó trở nên rất độc đáo là bạn có thể sử dụng mạng này để huấn luyện bất kỳ trường hợp sử dụng AI nào.

  — Metanova Labs

• Mô hình hoạt động của Bittensor dựa trên việc thưởng cho những đóng góp AI hữu ích.
• Sự linh hoạt của mạng lưới thể hiện tiềm năng tác động đến nhiều ngành công nghiệp khác nhau.
• Hiểu biết về các mạng phi tập trung là điều thiết yếu để nắm rõ vai trò của Bittensor trong AI.
• Các subnet hoạt động với ba tác nhân chính: chủ sở hữu/điều hành subnet, thợ mỏ và người xác thực.

• Bạn có chủ sở hữu/người vận hành subnet, thợ khai thác và người xác thực, mỗi bên đóng vai trò quan trọng.

  — Metanova Labs

• Việc 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 mô tả nó đang trong tình trạng khủng hoảng, với trung bình mỗi loại ma túy tiêu tốn khoảng 2,6 tỷ USD và mười năm.

  — Metanova Labs

• Quy trình truyền thống tốn kém và tốn thời gian, đòi hỏi các giải pháp sáng tạo.
• Các mạng phi tập trung như Bittensor mang lại các giải pháp tiềm năng để tối ưu hóa quá trình phát hiện thuốc.
• Metanova Labs đang tiên phong một cách tiếp cận phi tập trung để giải quyết những thách thức này.
• Nhu cầu về các giải pháp sáng tạo được làm nổi bật bởi những vấn đề nghiêm trọng trong ngành dược phẩm.
• Trạng thái hiện tại của việc phát hiện thuốc nhấn mạnh tầm quan trọng của việc giải quyết vấn đề phi tập trung.
• Hiểu được những thách thức trong các quy trình phát hiện thuốc truyền thống là điều thiết yếu để đánh giá cao các phương pháp mới.

• Metanova Labs đã ra mắt bản chứng minh khái niệm cho việc sàng lọc ảo phi tập trung.

• Chúng tôi ra mắt vào ngày 1 tháng Ba và đó là một minh chứng khái niệm về việc thực hiện điều này theo cách phi tập trung.

  — Metanova Labs

• Cách tiếp cận này chưa bao giờ được thử nghiệm trước đây, nhấn mạnh tính tiên phong của nó.
• Việc sàng lọc ảo phi tập trung nhằm cải thiện việc phát hiện thuốc thông qua các phương pháp đổi mới.
• Cơ chế khuyến khích kép nâng cao quy trình sàng lọc ảo.
• Các thợ mỏ có thể gửi phân tử hoặc cạnh tranh bằng các thuật toán tìm kiếm hóa học.

• Các thợ mỏ của chúng tôi đang gửi các phân tử quan tâm hoặc cạnh tranh trên các thuật toán tìm kiếm hóa học.

  — Metanova Labs

• Tiếp cận đổi mới này tận dụng các phương pháp phi tập trung và cơ chế khuyến khích.

• 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 bộ dữ liệu gồm một tỷ phân tử và mở rộng nó lên khoảng 65 tỷ khả năng.

  — Metanova Labs

• Sự mở rộng này cho thấy quy mô của những khả năng trong lĩnh vực khám phá thuốc.
• Tiếp cận đổi mới nhấn mạnh tổng hợp các phân tử mới thông qua hóa học tổ hợp.
• Hiểu biết về hóa học tổ hợp là rất quan trọng để đánh giá vai trò của nó trong việc phát hiện thuốc.
• Tiềm năng trong việc phát hiện thuốc được tăng cường đáng kể nhờ mở rộng bộ dữ liệu.
• Tiếp cận này cung cấp một góc nhìn định lượng về quy mô các khả năng.
• Việc mở rộng bộ dữ liệu nhấn mạnh tính sáng tạo của các phương pháp mà Metanova Labs áp dụng.

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

• Đó là một trò chơi nhằm giảm rủi ro tài sản và tạo ra quyền sở hữu trí tuệ.

  — Metanova Labs

• Tạo ra sở hữu trí tuệ và quản lý rủi ro là những chiến lược thiết yếu trong phát triển thuốc.
• Tiếp cận chiến lược nhấn mạnh tầm quan trọng của quản lý rủi ro trong lĩnh vực công nghệ sinh học.
• Hiểu được những phức tạp trong phát triển thuốc là điều thiết yếu để đánh giá cao các chiến lược này.
• Quá trình giảm rủi ro tài sản là yếu tố cốt lõi để phát triển thuốc thành công.
• Việc tạo ra tài sản trí tuệ là một thành phần then chốt trong chiến lược của ngành công nghiệp sinh học.
• Thông tin này cung cấp lời giải thích rõ ràng về các chiến lược tiếp cận trong phát triển thuốc.

• Phát triển thuốc là một quá trình phức tạp đòi hỏi sự tinh chỉnh và kiểm tra.

• Ý tưởng là cải thiện so với việc ngẫu nhiên, giúp đẩy nhanh tiến độ tìm ra phương pháp chữa trị.

  — Metanova Labs

• Kiểm tra lặp đi lặp lại là cần thiết để đảm bảo an toàn và hiệu quả trong các phương pháp điều trị.
• Y học cá thể hóa là vô cùng quan trọng do sự khác biệt trong phản ứng của từng cá nhân.
• Sự phức tạp của việc phát triển thuốc nhấn mạnh nhu cầu về các giải pháp đổi mới.
• Việc hiểu rõ những thách thức trong việc đạt được các phương pháp điều trị hiệu quả là rất quan trọng.
• Sự cần thiết của việc tinh chỉnh và kiểm tra làm nổi bật tính lặp lại của quá trình phát triển thuốc.
• Thông tin này giải thích những thách thức gặp phải trong việc đạt được các phương pháp điều trị hiệu quả.