IA generativa e futuro da biotecnologia - Entrevista com Startups indicadas do ano, NExtNet Inc.

Olá hackers,

foi indicada no prêmio anual Startup of the Year da HackerNoon em São Francisco, EUA.

Por favor vote em nós aqui .

Leia mais sobre nós abaixo para entender por que merecemos seu voto.

Conheça a NExTNet Inc.

NExTNet é uma startup de software empresarial baseada no Vale do Silício, apoiada por capital de risco, que desenvolve tecnologias de IA generativa para aplicações de missão crítica em biotecnologia e indústria farmacêutica. Nossa missão é organizar e integrar o conhecimento biomédico mundial e torná-lo acessível. Imagine NExTNet = Oráculo x Palantir. Conheça nossa equipe aqui .

Minha função

No final de 2017, fundei a Mekonos, uma empresa de plataforma de biotecnologia em rápido crescimento que desenvolve tecnologias inovadoras de chips de silício para acelerar o desenvolvimento da medicina personalizada. Imagine a Nvidia para biotecnologia. Fundei a NExTNet no final de 2020, frustrado pela barreira técnica extremamente elevada de acesso ao conhecimento disperso enterrado em montanhas de dados e informações biomédicas multimodais e díspares. Nosso objetivo é democratizar o acesso ao conhecimento biomédico mundial para acelerar a descoberta e o desenvolvimento de medicamentos. Existem mais de 23.500 doenças conhecidas pela humanidade, das quais cerca de 3% têm alguma forma de cura ou tratamento.

Como estamos interrompendo a interseção entre IA e indústria biomédica

Aproximadamente 95% dos dados mundiais foram gerados nos últimos 5 a 10 anos. O surgimento de dados biomédicos multimodais e de alta resolução (dezenas de milhões de publicações científicas, patentes, concessões, dados de sequenciamento, expressão de genes e proteínas, compostos de medicamentos, vias bioquímicas, doenças, imagens, etc.) em escala resultou em uma enorme quantidade de conhecimento humano espalhado por silos de dados. Consultar todo esse conhecimento tornou-se extremamente complexo.

Na NExTNet, usamos nossa pilha proprietária de modelos de linguagem grande para explorar associações entre conteúdo científico em texto (por exemplo, literatura publicada, registro de ensaios clínicos, patentes) e outros bancos de dados públicos e proprietários (sequenciamento de genes, expressão de proteínas, doenças, vias, patógenos , drogas, imagens...) e vinculá-los semanticamente à web semântica científica que mais cresce no mundo. A barreira técnica para consultar e acessar esse conhecimento disperso é assustadoramente alta: um pesquisador médio precisaria ter amplo conhecimento da interface de linha de comando, dominando inúmeras bibliotecas R, aprendendo um conjunto completo de pacotes Python ou arquitetando consultas complexas usando linguagens como como SQL, SPARQL, etc.

A plataforma nativa da nuvem da NExTNet permite que esses pesquisadores e cientistas façam e respondam perguntas complexas em linguagem natural simples, sem precisar dominar codificação, linguagens de consulta ou estatísticas misteriosas. Nosso avanço comercial e tecnológico está permitindo que os cientistas identifiquem padrões ocultos em conjuntos de dados díspares e multimodais, que vão desde artigos científicos e relatórios de ensaios clínicos até sequenciamento genético e atlas de expressão de proteínas - para que possam encontrar rapidamente pistas enterradas em montanhas de informações. através da nossa interface gráfica do usuário (GUI). Estamos interrompendo a interseção entre linguagem e inteligência artificial generativa e a indústria biomédica.

Destacando-se na multidão

A descoberta de conhecimento para a P&D em ciências da vida é um mercado em desenvolvimento embrionário. O principal problema da biomedicina hoje:

• O conhecimento biomédico está crescendo a uma taxa exponencial.

• À medida que aumenta a quantidade de dados díspares (por exemplo, textos científicos, dados moleculares provenientes de sequenciação, edição de genes e outras experiências, etc.), torna-se cada vez mais difícil para os investigadores manterem-se atualizados com o estado da arte.

• Como a barreira técnica para acessar o conhecimento profundamente enterrado em todos esses silos de dados multimodais é muito desafiadora sem o conhecimento da interface de linha de comando, as decisões são tomadas sem insights importantes e sem conhecimento perdido.

  
  

Na NExTNet, nosso aumento de valor de 10 vezes em relação aos concorrentes é nosso pipeline de IA generativa de última geração que não apenas lê dezenas de milhões de textos científicos (publicações completas revisadas por pares, resumos, patentes, concessões, etc.), mas também analisa um enorme corpus de bancos de dados moleculares (genes, proteínas e caminhos) e minas em busca de associações e padrões ocultos nesses dados díspares (domínio público e proprietários). Nossos concorrentes estão limitados apenas à mineração de texto, sem expandir para outras modalidades de dados.

Nossas previsões/pensamentos sobre a descoberta e desenvolvimento de medicamentos/indústria de pesquisa biomédica em 2023

• Como uma startup, estamos nos concentrando no mercado de descoberta e desenvolvimento de medicamentos devido ao alto valor gasto antes de qualquer ensaio clínico ser realizado nas fases pré-clínicas ao longo de pelo menos 3 a 7 anos. Há também uma quantidade significativa de dinheiro de capital de risco sendo investida em empresas de descoberta de medicamentos de IA (Atomwise, Insilico, Benevolent AI, Exscientia, Insitro, Recursion, etc. que possuem seu próprio pipeline terapêutico).

  
  

• Dados os riscos significativos associados à introdução de um medicamento no mercado, juntamente com longos prazos de desenvolvimento (que podem durar até uma década ou mais), o envolvimento com agências reguladoras como a FDA, etc., e o longo ciclo de parcerias de co-desenvolvimento (por exemplo, adiantamentos + marcos + royalties), decidimos desde o início focar apenas no desenvolvimento de software e permitir que outras empresas de biotecnologia e farmacêuticas que desenvolvem terapêuticas de ponta 'contextualize' seus dados proprietários no topo da rede de conhecimento semântico da NExTNet --> pergunte e responder a questões biológicas complexas para avançar nos seus esforços de desenvolvimento de medicamentos. Uma empresa como a Benchling obteve um sucesso significativo até agora como empresa de software empresarial.

  
  

• Para dar uma ideia do enorme custo da descoberta e desenvolvimento de medicamentos: há 30 anos, eram necessários cerca de 300 milhões de dólares para trazer um medicamento ao mercado, versus hoje são necessários cerca de 2,4 mil milhões de dólares (contabilizando a inflação). Isto não ocorre porque qualquer estágio do processo de descoberta e desenvolvimento de uma determinada molécula tenha se tornado muito mais caro. Na verdade, registaram-se aumentos significativos na produtividade em várias destas fases – portanto, no mínimo, o custo total de introdução de um medicamento no mercado deveria ter ficado mais barato. A verdadeira razão para custos tão elevados na introdução de um medicamento no mercado é que a maioria dos medicamentos que colocamos em cada fase falha e o funil tem-se tornado cada vez mais largo, estreitando-se até um número cada vez menor de medicamentos que chegam ao mercado. a próxima fase.

  
  

• Isto é claramente uma falha na nossa capacidade de observar determinadas características (por exemplo, compreender os mecanismos moleculares de acção, os processos biológicos, etc.) numa fase e prever o que terá sucesso na fase seguinte. É aqui que melhores modelos de ML preditivos (por exemplo, IA de linguagem natural) podem ajudar tremendamente.

  
  

• Além disso, as doenças têm sido tradicionalmente diagnosticadas pelos seus sintomas e pela sua localização no corpo e não pelos mecanismos moleculares subjacentes, vias ou processos biológicos exclusivos de um paciente específico. Identificar alvos e descobrir conexões com vias no início da progressão da doença ajuda a intervir na fase causal e não nos sintomas. Conseqüentemente, muitos dos medicamentos prescritos nem sempre funcionam nos pacientes.

Que palavra define o estado da ' interseção da IA e da indústria biomédica ' em 2023?

IA de linguagem

Por que decidimos participar dos prêmios Startup do Ano da HackerNoon

Fomos convidados! :)

Pensamentos finais

O conhecimento biomédico é imenso e está crescendo rapidamente. O conhecimento publicamente disponível está desconectado – é impossível identificar padrões/associações escondidas profundamente nesse conhecimento desconectado. O conhecimento interno de uma empresa também está desconectado dela. Isto representa um desafio significativo para os cientistas da indústria biomédica porque eles:

• Perder conhecimento importante e potencialmente relevante

• Incapaz de se manter atualizado ou acompanhar novos conhecimentos

• As decisões são tomadas sem a vantagem de insights completos

  
  

Na NExTNet, estamos construindo a melhor pilha de IA generativa/de linguagem para permitir que os cientistas identifiquem padrões ocultos em conjuntos de dados díspares e multimodais, que vão desde artigos científicos e relatórios de ensaios clínicos até sequenciamento de genes e atlas de expressão de proteínas. para que possam encontrar rapidamente pistas enterradas em montanhas de informações.

Comece sua jornada de descoberta de conhecimento biomédico inscrevendo-se gratuitamente aqui .