Slavná zakladatelka Daphne Koller to vyjadřuje přímo: "Většina …

Daphne Koller nevadí mu tvrdě pracovat. Do oddělení počítačových věd na Stanfordské univerzitě nastoupil v roce 1995 a strávil 18 let na plný úvazek, než založil online vzdělávací obor Coursera, kde strávil další čtyři roky. a spolupředsedal až do minulého měsíce. Koller poté strávil necelé dva roky jako první počítačový manažer v Alphabetově laboratoři dlouhověkosti Calico.

Koller si tam pamatoval svou vášeň aplikovat strojové učení ke zlepšení lidského zdraví. Připomnělo mu také, že to, co se mu nelíbilo, jaké je to zbytečné úsilí, něco, co průmysl vývoje léků zpomalil, aby uchopil sílu výpočetních metod k analýze biologických datových souborů, bylo roky znepokojeno.

Abych byl spravedlivý, tyto metody výpočtu se v poslední době také zlepšily. Není divu, že Koller v loňském roce využil příležitosti k založení další společnosti, společnosti pro vývoj léčiv s názvem Insitro, která od té doby vyzvedla 100 milionů dolarů na financování řady A, včetně GV, Andreessen Horowitz a Bezos Expeditions. mezi ostatními. Společnost nedávno uzavřela partnerství s Gilead Sciences, aby našla léky k léčbě onemocnění jater zvaného nealkoholická steatohepatitida (NASH), zejména kvůli veškerým relevantním údajům o lidech, které Gilead v průběhu času nashromáždil.

Později by Insitro mohlo zaútočit na větší epidemie, včetně Alzheimerovy choroby nebo cukrovky typu 2. Existuje určitě důvod k optimismu ohledně toho, čeho může dosáhnout. Jak řekl Koller skupině účastníků, kteří se před několika dny zúčastnili akce pořádané tímto vydavatelem, „nacházíme se v historickém okamžiku, kdy se spojují technologie, které umožňují řadu zajímavých a zajímavých lidí najednou. Relevantní datové soubory, které mají být získány v biologii. Souběžně s tím … vidíme „technologie strojového učení, které dokáží dát těmto datům smysl a poskytnou nové nápady, od nichž se očekává, že vyléčí nemoci“.

To vše zní jako rozhovor, který jsme slyšeli v posledních letech, ale navzdory tajemstvím biologie člověka od Kollera máme konečně pocit, že se přibližujeme. Zde jsou výňatky z Kollerova rozhovoru s reportérkou agentury Bloomberg Sarah McBrideovou. Níže také můžete sledovat jejich chaty.

Proč Insitro uzavřelo partnerství s Gileadem (kromě toho mohou být lukrativní milníky až 1 miliardy dolarů pro úspěšný vývoj cílů pro NASH):

Existuje poměrně široká škála kategorií, do kterých je naše technologie vhodná. Opravdu nás zajímá vytvoření toho, co bychom mohli nazvat modely nemocí na talíři: kde jsou nemoci složité, kde nemáme opravdu dobrý modelový systém, kde se používají typické zvířecí modely. [for years, including testing on mice] Nejen, že jsou velmi efektivní, a tyto modely stavíte „in vitro“, abyste generovali velké množství dat, která lze interpretovat pomocí strojového učení.

Existuje mnoho nemocí, které tomuto typu přístupu vyhovují. NASH byl jedním z nich, takže částečně to byla vhodnost naší technologie pro toto onemocnění, a částečně to, že Gilead byl opravdu dobrým partnerem, protože z některých klinických studií existuje spousta lidských údajů. běh [which give us] Přístup ke dvěma doplňkovým zdrojům dat. Jedním z nich je to, co se stane s nemocí u velkých skupin lidí, a druhé je, když se podíváte na to, co nemoc dělá in vitro na talíři, a poté pomocí strojového učení předpovídáte, co se stane, pomocí toho, co vidíme na talíři. Vidíme to v člověku.

O tom, jak Insitro vidí data odlišně od Big Pharma:

Farmaceutické společnosti uvedly: „Máme příliš mnoho údajů. A „Jaké máte údaje?“ Ukázalo se, že mají kapky a monotónní data, která jsou uložena v samostatné tabulce na notebooku někoho jiného. K dispozici jsou neuložená metadata. Pro ně: „Ano, provedl jsem experiment a zjevně jsem zaznamenal, co jsem musel udělat, protože to nemá smysl zahodit“, ale nevidí to jako něco, na čem jste postavili společnost. z.

Přišli jsme úplně jinou cestou. Říkáme: „Toto je problém, který chcete vyřešit. Přál bych si, abychom měli model, který by nám mohl říci výsledek tohoto experimentu, aniž bychom to museli dělat, protože je drahý, komplikovaný a dokonce nemožný. [because it would involve perturbing a living human’s gene]. Strojové učení bylo opravdu velmi dobré při vytváření prediktivních modelů, pokud jim poskytnete správná data pro trénování modelu. Proto podnikáme v oblasti vytváření dat pouze za účelem trénování modelů strojového učení. Myslíme [these models] Je to jako malé skleněné kuličky, které vám nedovolí to dělat. [these more expensive or complicated] experimenty

Pokud jde o dopad výzkumného programu „Všichni z nás“ National Institutes of Health, snaha shromáždit údaje od jednoho milionu nebo více lidí žijících ve Spojených státech. Urychlit výzkum a zlepšit zdraví, částečně zaznamenáním individuálních rozdílů v životním stylu a prostředí. a biologie:

Mohu říci, že USA v této hře trochu pozdě. V současné době existuje řada národních kohort vytvořených v různých zemích; Dva z nejlépe vyvinutých v současné době jsou na Islandu a ve Velké Británii, ale jeden ve Finsku, druhý v Irsku a dokonce v Estonsku, kde vzali velkou populaci z této země a měřili jejich genetiku, ale měřili současně. Soubor charakteristik spojených s těmito jedinci, včetně krevních biomarkerů a biomarkerů moči, behaviorálních aspektů a fyzických aspektů a obrazů. A to, co nyní máte (v těchto zemích), je soubor dat, který vám říká „Příroda narušila tento gen“ a „Vidíme tento účinek u lidí.“

[In the UK, specifically, where they started their program five years ago and recruited 500,000 volunteers who agreed to physical and cognitive and blood pressure testing and images of the brain and the abdomen, among other things] Jedná se o neuvěřitelně bohatou sadu dat. [from which] Objevy přicházejí téměř jednou týdně.

… To je cenné nejen pro genové terapie, ale také jako způsob identifikace cílů, které skutečně mají vliv, protože většina léků, které se dostanou do klinických studií, selhává. A tím více, myslím 95 procent. A většina drog selže, protože se zaměřují na špatné věci. Zaměřují se na proteiny nebo geny, které neovlivňují onemocnění, které ovlivňují. Nedávná a velmi viditelná selhání testů na Alzheimerovu chorobu ve skutečnosti byla řada z nich téměř jistě způsobena proteinem zvaným beta amyloid, na který se téměř jistě zaměřují, nikoli správným příčinným faktorem onemocnění.

Co nyní mohou vědci udělat s kmenovými buňkami, které nebyly možné ani před několika lety:

[There are now] nástroje, které umožňují vytváření nejen velkého množství dat, ale také velkého množství relevantních biologických dat. Takže bychom experimentovali na buněčných liniích rakoviny. . . není to však příliš vhodný model pro toto onemocnění. Dnes můžeme vzít malý vzorek kožních buněk a použít takzvaný faktor Yamanaka k přeprogramování těchto buněk do stavu kmenových buněk, což jsou buňky, které skutečně existují v děloze. A tyto buňky se mohou diferencovat na nervové buňky nebo jaterní buňky nebo srdeční buňky a jsou velmi zapojeny do nemocí, protože představují biologii člověka; Nyní můžete tyto buňky odebrat pacientům a zdravým lidem a zjistit, zda existují rozdíly v jejich vzhledu.

Čtenáři, můžeme zde uvést více přepisu, ale doporučujeme sledovat rozhovor s Kollerem. Pokud použijete tento text jako odrazový bod, budete chtít začít poslouchat 13minutovou známku. Rozhodně stojí za to věnovat si čas tomu, co říkáte, včetně cystické fibrózy, spinální svalové dystrofie u kojenců a proč důvěřujeme „myším modelům“ pro zdánlivě mnohočetná onemocnění. všudypřítomný „rozsah od špatného po opravdu, opravdu špatný“. Doufám, že se ti to líbí.