Metanova Labs : Bittensor révolutionne la découverte de médicaments avec le criblage virtuel décentralisé, les réactions combinatoires élargissent les possibilités à 65 milliards, et les doubles incitations stimulent l'innovation | TWIST

Points clés

• Bittensor est un réseau décentralisé qui utilise des incitations crypto pour récompenser les contributions aux modèles d’IA et au calcul.
• Le réseau peut prendre en charge une variété d’applications, y compris la découverte de médicaments et la location de ressources de calcul.
• Les subnets dans Bittensor impliquent trois acteurs principaux : les propriétaires/opérateurs de subnet, les mineurs et les validateurs.
• Le processus de découverte de médicaments est actuellement coûteux et long, souvent décrit comme étant en état de crise.
• Metanova Labs a lancé une preuve de concept pour le criblage virtuel décentralisé, pionnière de cette approche dans la découverte de médicaments.
• Deux mécanismes d’incitation dans le réseau permettent aux mineurs de soumettre des molécules ou de rivaliser avec des algorithmes de recherche chimique.
• Le processus de sélection par la chaleur dans le développement de médicaments évalue les soumissions pour leur potentiel de toxicité et d’efficacité.
• Les réactions combinatoires peuvent étendre l’ensemble de données de molécules potentielles à environ 65 milliards de possibilités.
• Le développement de médicaments implique de réduire les risques des actifs et de générer une propriété intellectuelle à plusieurs étapes.
• La complexité du développement de médicaments nécessite un affinement et des tests pour garantir la sécurité et l’efficacité.
• La médecine personnalisée est cruciale en raison des réponses différentes des individus aux traitements.
• Les réseaux décentralisés comme Bittensor peuvent rationaliser le processus de découverte de médicaments en incentivant la créativité à l’échelle mondiale.

Présentation de l’invité

Micaela Bazo est PDG de Metanova Labs, la société de biotech native crypto à l’origine de NOVA, Bittensor Subnet 68, un réseau décentralisé d’IA qui externalise la découverte de médicaments afin de cribler des milliards de molécules contre des cibles protéiques. Sa plateforme a déjà criblé 4,8 millions de molécules sur 7 000 cibles, accélérant l’identification de nouveaux thérapeutiques pour des états mentaux comme l’humeur et la récompense. Metanova vise à réduire de moitié les coûts de la découverte de médicaments en remplaçant le modèle lent d’essais et d’erreurs de Big Pharma par une optimisation d’IA distribuée.

La structure et l’objectif de Bittensor

• Bittensor est un réseau décentralisé qui incite aux contributions aux modèles d’IA et au calcul grâce à des récompenses crypto.

  — Metanova Labs

• Le réseau prend en charge une large gamme d’applications, y compris la découverte de médicaments et la location de calcul.

• L’une des choses qui le rend vraiment très unique, c’est que vous pouvez utiliser ce réseau pour entraîner n’importe quel type de cas d’usage d’IA.

  — Metanova Labs

• Le modèle opérationnel de Bittensor repose sur la récompense des contributions utiles en IA.

• La polyvalence du réseau met en évidence son potentiel d’impact dans plusieurs secteurs.

• Comprendre les réseaux décentralisés est crucial pour saisir le rôle de Bittensor dans l’IA.

• Les subnets fonctionnent avec trois acteurs principaux : les propriétaires/opérateurs de subnet, les mineurs et les validateurs.

• Vous avez le propriétaire/opérateur du subnet, les mineurs et les validateurs, chacun jouant un rôle crucial.

  — Metanova Labs

La crise dans la découverte de médicaments

• La découverte de médicaments est décrite comme étant en état de crise en raison de coûts élevés et de délais longs.

• La plupart des gens la décrivent comme étant dans un état de crise, avec un médicament moyen qui coûte environ 2,6 milliards de dollars et dix ans.

  — Metanova Labs

• Le processus traditionnel est coûteux et prend du temps, nécessitant des solutions innovantes.

• Les réseaux décentralisés comme Bittensor offrent des solutions potentielles pour rationaliser la découverte de médicaments.

• Metanova Labs ouvre la voie avec une approche décentralisée pour relever ces défis.

• Le besoin de solutions innovantes est souligné par les problèmes importants de l’industrie pharmaceutique.

• L’état actuel de la découverte de médicaments met en évidence l’importance de résoudre le problème de manière décentralisée.

• Comprendre les défis des processus traditionnels de découverte de médicaments est essentiel pour apprécier les nouvelles approches.

Criblage virtuel décentralisé

• Metanova Labs a lancé une preuve de concept de criblage virtuel décentralisé.

• Nous avons lancé le 1er mars et c’était une preuve de concept pour faire cela de manière décentralisée.

  — Metanova Labs

• L’approche n’avait jamais été tentée auparavant, soulignant son caractère pionnier.

• Le criblage virtuel décentralisé vise à améliorer la découverte de médicaments grâce à des méthodes innovantes.

• Les deux mécanismes d’incitation améliorent le processus de criblage virtuel.

• Les mineurs peuvent soumettre des molécules ou rivaliser en utilisant des algorithmes de recherche chimique.

• Nos mineurs soumettent soit des molécules d’intérêt, soit rivalisent avec des algorithmes de recherche chimique.

  — Metanova Labs

• Cette approche innovante exploite des méthodes décentralisées et l’incitation.

Le rôle des réactions combinatoires dans la découverte de médicaments

• Les réactions combinatoires peuvent étendre considérablement l’ensemble de données de molécules potentielles.

• Nous sommes partis d’un ensemble de données d’un milliard de molécules et nous l’avons étendu à environ 65 milliards de possibilités.

  — Metanova Labs

• Cette expansion démontre l’ampleur des possibilités en découverte de médicaments.

• L’approche innovante met l’accent sur la synthèse de nouvelles molécules grâce à la chimie combinatoire.

• Comprendre la chimie combinatoire est crucial pour apprécier son rôle dans la découverte de médicaments.

• Le potentiel de découverte de médicaments est fortement amélioré en étendant l’ensemble de données.

• Cette approche fournit une perspective quantitative sur l’ampleur des possibilités.

• L’expansion de l’ensemble de données souligne le caractère innovant des méthodes de Metanova Labs.

Le processus de réduction des risques des actifs et de génération de PI

• Le développement de médicaments implique de réduire les risques des actifs et de générer une propriété intellectuelle.

• C’est un jeu qui consiste à réduire les risques associés aux actifs et à générer de la PI.

  — Metanova Labs

• Créer de la PI et gérer les risques sont des stratégies essentielles dans le développement de médicaments.

• L’approche stratégique met en évidence l’importance de la gestion des risques en biotech.

• Comprendre les complexités du développement de médicaments est crucial pour apprécier ces stratégies.

• Le processus de réduction des risques des actifs est fondamental pour réussir le développement de médicaments.

• Générer de la PI est un élément clé de l’approche stratégique de l’industrie biotech.

• Cette idée permet d’expliquer clairement les approches stratégiques dans le développement de médicaments.

La complexité du développement de médicaments

• Le développement de médicaments est un processus complexe qui nécessite un affinement et des tests.

• L’idée est d’améliorer par rapport à ce qui serait aléatoire, en accélérant l’accès aux traitements curatifs.

  — Metanova Labs

• Des tests itératifs sont nécessaires pour garantir la sécurité et l’efficacité des traitements.

• La médecine personnalisée est cruciale en raison des réponses variables des individus.

• La complexité du développement de médicaments souligne la nécessité de solutions innovantes.

• Comprendre les défis pour atteindre des traitements efficaces est essentiel.

• La nécessité d’affiner et de tester met en évidence la nature itérative du développement de médicaments.

• Cette idée explique les défis auxquels on fait face pour atteindre des traitements efficaces.

                  **Divulgation : Cet article a été édité par l’équipe éditoriale. Pour plus d’informations sur la façon dont nous créons et examinons le contenu, consultez notre politique éditoriale.**