जेनरेटिव एआई और बायोटेक का भविष्य - वर्ष के नामांकित व्यक्ति, नेक्स्टनेट इंक. के स्टार्टअप के साथ साक्षात्कार।

अरे हैकर्स,

NExTNet Inc. को सैन फ्रांसिस्को, संयुक्त राज्य अमेरिका में हैकरनून के वार्षिक स्टार्टअप ऑफ द ईयर पुरस्कारों में नामांकित किया गया है।

कृपया यहां हमारे लिए वोट करें।

हम आपके वोट के पात्र क्यों हैं, यह समझने के लिए नीचे हमारे बारे में और पढ़ें।

नेक्स्टनेट इंक से मिलें

NExTNet एक वेंचर-समर्थित सिलिकॉन वैली-आधारित एंटरप्राइज सॉफ्टवेयर स्टार्टअप है जो बायोटेक और फार्मा में मिशन-महत्वपूर्ण अनुप्रयोगों के लिए जेनरेटिव एआई तकनीक विकसित कर रहा है। हमारा मिशन दुनिया के बायोमेडिकल ज्ञान को व्यवस्थित और एकीकृत करना और इसे सुलभ बनाना है। कल्पना कीजिए NExTNet = Oracle x पलान्टिर। यहां हमारी टीम से मिलें.

मेरी भूमिका

2017 के अंत में, मैंने मेकोनोस की स्थापना की, जो एक तेजी से बढ़ती जैव प्रौद्योगिकी प्लेटफ़ॉर्म कंपनी है जो वैयक्तिकृत चिकित्सा के विकास में तेजी लाने के लिए अभूतपूर्व सिलिकॉन चिप तकनीक विकसित कर रही है। बायोटेक के लिए एनवीडिया की कल्पना करें। मल्टी-मोडल और असमान बायोमेडिकल डेटा और जानकारी के पहाड़ों के भीतर छिपे बिखरे हुए ज्ञान तक पहुंचने में अत्यधिक उच्च तकनीकी बाधा से निराश होकर मैंने 2020 के अंत में NExTNet की स्थापना की। हमारा लक्ष्य दवा की खोज और विकास में तेजी लाने के लिए दुनिया के बायोमेडिकल ज्ञान तक पहुंच को लोकतांत्रिक बनाना है। मानव जाति को 23,500 से अधिक बीमारियाँ ज्ञात हैं, जिनमें से ~3% के पास किसी न किसी रूप में इलाज या इलाज है।

हम एआई और बायोमेडिकल उद्योग के अंतर्संबंध को कैसे बाधित कर रहे हैं

दुनिया का लगभग 95% डेटा पिछले 5-10 वर्षों में उत्पन्न हुआ है। बड़े पैमाने पर उच्च-रिज़ॉल्यूशन, मल्टी-मोडल बायोमेडिकल डेटा (लाखों वैज्ञानिक प्रकाशन, पेटेंट, अनुदान, अनुक्रमण डेटा, जीन और प्रोटीन अभिव्यक्ति, दवा यौगिक, जैव रासायनिक मार्ग, रोग, इमेजिंग इत्यादि) के उद्भव के परिणामस्वरूप हुआ है। डेटा साइलो में भारी मात्रा में मानव ज्ञान बिखरा हुआ है। उस सारे ज्ञान के बारे में पूछताछ करना उल्लेखनीय रूप से जटिल हो गया है।

NExTNet पर, हम पाठ में वैज्ञानिक सामग्री (उदाहरण के लिए, प्रकाशित साहित्य, नैदानिक परीक्षण रिकॉर्ड, पेटेंट) और अन्य सार्वजनिक और स्वामित्व डेटाबेस (जीन अनुक्रमण, प्रोटीन अभिव्यक्ति, रोग, पथ, रोगजनकों) के बीच संबंधों के लिए हमारे मालिकाना बड़े भाषा मॉडल स्टैक का उपयोग करते हैं। , ड्रग्स, इमेजिंग...) और शब्दार्थिक रूप से उन्हें दुनिया के सबसे तेजी से बढ़ते वैज्ञानिक सिमेंटिक वेब से जोड़ते हैं। इस तरह के बिखरे हुए ज्ञान को क्वेरी करने और उन तक पहुंचने में तकनीकी बाधा बहुत अधिक है: एक औसत शोधकर्ता को असंख्य आर पुस्तकालयों में महारत हासिल करके, पायथन पैकेजों के एक पूरे सूट को सीखकर या भाषाओं का उपयोग करके जटिल प्रश्नों को आर्किटेक्चर करके कमांड-लाइन इंटरफ़ेस का व्यापक ज्ञान रखने की आवश्यकता होगी। SQL, SPARQL, आदि के रूप में।

NExTNet का क्लाउड-नेटिव प्लेटफ़ॉर्म इन शोधकर्ताओं और वैज्ञानिकों को कोडिंग, क्वेरी भाषाओं या रहस्यमय आंकड़ों में महारत हासिल किए बिना सरल प्राकृतिक भाषा में जटिल प्रश्न पूछने और उत्तर देने की अनुमति देता है। हमारी व्यावसायिक और तकनीकी सफलता वैज्ञानिकों को वैज्ञानिक कागजात और नैदानिक परीक्षण रिपोर्ट से लेकर जीन अनुक्रमण और प्रोटीन अभिव्यक्ति एटलस तक, असमान और बहु-मोडल डेटासेट के भीतर छिपे पैटर्न की पहचान करने में सक्षम बना रही है - ताकि वे जानकारी के पहाड़ों में दबे हुए सुरागों को तुरंत ढूंढ सकें। हमारे ग्राफिकल यूजर इंटरफेस (जीयूआई) के माध्यम से। हम भाषा और जनरेटिव आर्टिफिशियल इंटेलिजेंस और बायोमेडिकल उद्योग के अंतर्संबंध को बाधित कर रहे हैं।

भीड़ से अलग दिखना

जीवन विज्ञान अनुसंधान एवं विकास के लिए ज्ञान की खोज एक भ्रूणीय रूप से विकासशील बाजार है। बायोमेडिसिन में आज प्रमुख समस्या:

• बायोमेडिकल ज्ञान तेजी से बढ़ रहा है।

• जैसे-जैसे असमान डेटा की मात्रा (उदाहरण के लिए, वैज्ञानिक पाठ, अनुक्रमण, जीन संपादन और अन्य प्रयोगों आदि से आणविक डेटा) बढ़ती है, शोधकर्ताओं के लिए कला की स्थिति के साथ अद्यतित रहना कठिन होता जाता है।

• चूंकि इन सभी मल्टी-मोडल डेटा साइलो के भीतर गहरे छिपे ज्ञान तक पहुंचने में तकनीकी बाधा कमांड-लाइन इंटरफ़ेस के ज्ञान के बिना बहुत चुनौतीपूर्ण है, इसलिए निर्णय महत्वपूर्ण अंतर्दृष्टि और छूटे हुए ज्ञान के बिना किए जाते हैं।

  
  

NExTNet पर, प्रतिस्पर्धियों की तुलना में हमारी 10 गुना मूल्य वृद्धि हमारी अत्याधुनिक जेनरेटिव एआई पाइपलाइन है जो न केवल 10 लाख वैज्ञानिक पाठ (पूर्ण लंबाई वाले सहकर्मी-समीक्षित प्रकाशन, सार, पेटेंट, अनुदान इत्यादि) पढ़ती है बल्कि विश्लेषण भी करती है। इन असमान डेटा (सार्वजनिक डोमेन और मालिकाना) में छिपे हुए संघों और पैटर्न के लिए आणविक डेटाबेस (जीन, प्रोटीन और रास्ते) और खानों का एक विशाल संग्रह। हमारे प्रतिस्पर्धी डेटा के अन्य तौर-तरीकों में विस्तार किए बिना सिर्फ टेक्स्ट माइनिंग तक ही सीमित हैं।

2023 में औषधि खोज और विकास/जैव चिकित्सा अनुसंधान उद्योग पर हमारी भविष्यवाणियाँ/विचार

• एक स्टार्टअप के रूप में, हम कम से कम 3-7 वर्षों के दौरान प्री-क्लिनिकल चरणों में किसी भी क्लिनिकल परीक्षण से पहले किए जाने वाले भारी $$$ खर्च होने के कारण दवा की खोज और विकास बाजार पर ध्यान केंद्रित कर रहे हैं। एआई ड्रग डिस्कवरी कंपनियों (एटमवाइज, इंसिलिको, बेनेवोलेंट एआई, एक्ससिएंटिया, इंसिट्रो, रिकर्सन, आदि जिनकी अपनी चिकित्सीय पाइपलाइन है) में भी वीसी की बड़ी मात्रा में पैसा निवेश किया जा रहा है।

  
  

• किसी दवा को बाजार में लाने के साथ-साथ लंबी विकास समयसीमा (जो एक दशक या उससे भी अधिक तक बढ़ सकती है), नियामक एजेंसियों जैसे एफडीए आदि के साथ जुड़ने और सह-विकास साझेदारी के लंबे चक्र समय से जुड़े महत्वपूर्ण जोखिमों को देखते हुए (उदाहरण के लिए अग्रिम + मील के पत्थर + रॉयल्टी), हमने शुरुआत में ही सॉफ्टवेयर विकास पर ध्यान केंद्रित करने का निर्णय लिया और इसके बजाय अन्य बायोटेक और फार्मा कंपनियों को अत्याधुनिक चिकित्सीय विकसित करने में सक्षम बनाया, जो NExTNet के सिमेंटिक नॉलेज नेटवर्क के शीर्ष पर अपने मालिकाना डेटा को 'contextualize' -> पूछें और अपने औषधि विकास प्रयासों को आगे बढ़ाने के लिए जटिल जैविक प्रश्नों का उत्तर देंगे। बेंचलिंग जैसी कंपनी को एंटरप्राइज़ सॉफ़्टवेयर कंपनी के रूप में अब तक महत्वपूर्ण सफलता मिली है।

  
  

• दवा की खोज और विकास की भारी लागत का अंदाजा देने के लिए: 30 साल पहले, एक दवा को बाजार में लाने में ~$300M USD लगते थे, जबकि आज ~$2.4B USD (मुद्रास्फीति को ध्यान में रखते हुए) लगते हैं। ऐसा इसलिए नहीं है क्योंकि किसी दिए गए अणु की खोज और विकास प्रक्रिया का कोई एक चरण इतना महंगा हो गया है। वास्तव में, इनमें से कई चरणों में उत्पादकता में सार्थक वृद्धि हुई है - इसलिए यदि कुछ हुआ तो दवा को बाजार में लाने की कुल लागत सस्ती होनी चाहिए थी। किसी दवा को बाज़ार में लाने में इतनी अधिक लागत का वास्तविक कारण यह है कि अधिकांश दवाएँ जो हम हर एक चरण में डालते हैं वे विफल हो जाती हैं और फ़नल उत्तरोत्तर व्यापक और व्यापक होता गया है और कम और कम संख्या में दवाओं तक सीमित हो गया है जो इसे बनाती हैं। अगला चरण.

  
  

• यह स्पष्ट रूप से एक चरण में विशेषताओं (उदाहरण के लिए, क्रिया के आणविक तंत्र, जैविक प्रक्रियाओं आदि को समझना) को देखने और अगले चरण में क्या सफल होने वाला है, इसकी भविष्यवाणी करने की हमारी क्षमता की विफलता है। यह वह जगह है जहां बेहतर पूर्वानुमानित एमएल मॉडल (उदाहरण के लिए प्राकृतिक भाषा एआई) काफी मदद कर सकते हैं।

  
  

• इसके अलावा, पारंपरिक रूप से बीमारियों का निदान उनके लक्षणों और शरीर में उनके स्थान के आधार पर किया जाता है, न कि किसी विशिष्ट रोगी के लिए अंतर्निहित आणविक तंत्र, रास्ते या जैविक प्रक्रियाओं द्वारा। लक्ष्य की पहचान करना और बीमारी के बढ़ने की शुरुआत में ही रास्ते के साथ संबंध खोजना लक्षणों के बजाय कारण चरण में हस्तक्षेप करने में मदद करता है। इसलिए बहुत सारी निर्धारित दवाएँ अक्सर रोगियों पर काम नहीं करती हैं।

2023 में ' एआई और बायोमेडिकल उद्योग के प्रतिच्छेदन ' की स्थिति को कौन सा शब्द परिभाषित करता है?

भाषा ए.आई

हमने हैकरनून के स्टार्टअप ऑफ द ईयर पुरस्कारों में भाग लेने का फैसला क्यों किया

हमें निमंत्रण मिला! :)

अंतिम विचार

बायोमेडिकल ज्ञान बहुत बड़ा है और तेजी से बढ़ रहा है। सार्वजनिक रूप से उपलब्ध ज्ञान विच्छेदित है - ऐसे विच्छेदित ज्ञान के भीतर छिपे पैटर्न/संघों की पहचान करना असंभव है। किसी कंपनी का आंतरिक ज्ञान भी इससे अलग हो जाता है। यह बायोमेडिकल उद्योग में वैज्ञानिकों के लिए एक महत्वपूर्ण चुनौती प्रस्तुत करता है क्योंकि वे:

• महत्वपूर्ण और संभावित रूप से प्रासंगिक ज्ञान छूट गया

• अपडेट रहने या नए ज्ञान से जुड़े रहने में असमर्थ

• पूर्ण अंतर्दृष्टि के लाभ के बिना निर्णय लिए जाते हैं

  
  

NExTNet पर, हम सर्वश्रेष्ठ-इन-क्लास जेनरेटिव/लैंग्वेज AI स्टैक का निर्माण कर रहे हैं ताकि वैज्ञानिकों को वैज्ञानिक पेपर और क्लिनिकल परीक्षण रिपोर्ट से लेकर जीन अनुक्रमण और प्रोटीन अभिव्यक्ति एटलस तक अलग-अलग और मल्टी-मोडल डेटासेट के भीतर छिपे पैटर्न की पहचान करने में सक्षम बनाया जा सके - ताकि वे सूचनाओं के पहाड़ों में दबे सुरागों को शीघ्रता से ढूंढ सकें।

यहीं निःशुल्क साइन अप करके अपनी बायोमेडिकल ज्ञान खोज यात्रा शुरू करें।