跳到正文
insitro· @insitro · X·· 11 天前AI 评分35
AI 导读

insitro 发布 Deep Phenotype 第三期《Getting Data to Grow in a Dish》,回顾 POSH 平台构建生物数据工厂的进展。细胞与基因扰动匹配率从 34% 升至 71% 以上,新细胞分割模型开发周期从 6–12 个月缩短到约 1 个月。重点是用自动化、AI 和人类专业能力生成可靠、可复现的数据,服务 AI 驱动药物发现。

正文 · AI 翻译

现已发布:《Getting Data to Grow in a Dish》,这是 Deep Phenotype 的第三期,insitro 关于规模化生物学与深层因果关系的 Substack。

大规模生成生物数据是一项挑战。确保数据可靠、可复现且足够有意义,以支撑 AI 驱动的药物发现,则是另一项挑战。

在我们的第三期中,insitro 创始人兼首席执行官 @DaphneKoller 和 insitro 集成技术探索总监 @ATGmsalaidTAG 带领读者深入了解 insitro 生物数据工厂的幕后——在这里,自动化、AI 和人类专业知识汇聚在一起,生成高质量数据并加深我们对疾病生物学的理解。

通过我们人类细胞池化光学筛选(POSH)平台的演进,Daphne 探讨了将复杂的细胞实验转化为可扩展、可复现的工作流程所需的大量科学和工程进步。

在此过程中,我们能够将细胞与其遗传扰动匹配的比例翻了一倍多,从 34% 提高到 71% 以上,而开发新的细胞分割模型的时间也从六到十二个月缩短到大约一个月。

“我们构建的最重要的东西不是任何一个单一平台,而是构建下一个平台的能力。”
╰┈➤ 阅读 Deep Phenotype 最新一期:https://deepphenotype.substack.com/p/getting-data-to-grow-in-a-dish
#DrugDiscovery #AI #Biology #CausalBiology

来源:insitro · x.com