Az Iambic bemutatta az Enchant v3 gyógyszerkutató modellt
Az Iambic bemutatta az Enchant v3 multimodális transzformermodelt, amelyet a gyógyszerkutatás és -fejlesztés teljes folyamatának támogatására terveztek. A modell 41 milliárd paraméterrel, 4,5 billió tokenen és több mint 6000 molekuláris tulajdonságon tanult.
- Az Enchant v3 41 milliárd paraméterrel rendelkezik.
- A modellt 4,5 billió tokenen és több mint 6000 molekuláris tulajdonságon tanították.
- A rendszer 16 biomedicinális adatmódot kezel.
- Az Iambic szerint a nagyobb modellméret jobb előrejelzésekkel járt.
- A modellt belső és partneri gyógyszerkutatási programokban alkalmazzák.
Többféle biomedicinális adatot dolgoz fel
Az Iambic szeptember 21-én jelentette be San Diegóban az Enchant v3-at. A vállalat szerint ez a 2024-ben elindított Enchant következő generációja, amely a cég molekuláris szuperintelligencia-platformjának központi modellje. A rendszert az Iambic saját, nagy áteresztőképességű kémiai és biológiai kísérleti képességeivel együtt használják.
Az Enchant v3-at 4,5 billió tokenen előtanították, és több mint 6000 molekuláris tulajdonságra képezték 16 biomedicinális adatmódban. Ezek között szöveges adatok, vizsgálati eredmények, molekula- és fehérjeszerkezetek, háromdimenziós struktúrák, képek, multiomikai adatok, biológiai gyógyszerekhez kapcsolódó információk, klinikai vizsgálati adatok és farmakokinetikai adatok szerepelnek.
Párhuzamos hipotézisvizsgálat és bizonytalanságkezelés
A vállalat leírása szerint az Enchant különböző forrásokból származó nyilvános és saját adatokat képes egy modellben kezelni. A rendszer kevert szakértői architektúrát használ, és több hipotézist tesztel párhuzamosan, hogy támogassa a felfedezési és fejlesztési döntéseket.
A modell egyik célja, hogy egy adott végpont előrejelzését más, kapcsolódó végpontok és molekulák adataiból is javítsa. Az Iambic szerint ez segíthet áthidalni azokat az adatbeli határokat, amelyek korábban elválasztották a preklinikai gyógyszerkutatást a klinikai fejlesztéstől. A kimeneteket bizonytalanság-becsléssel egészítik ki, így a vállalat valószínűségek alapján rangsorolhatja a laboratóriumi kísérleteket és a lehetséges vegyületeket.
Fred Manby, az Iambic társalapítója és technológiai vezetője szerint az Enchant v3 „architekturális ugrást” jelent az Enchant v2-höz képest, és új képességeit a vállalat belső, valamint partneri gyógyszerkutatási és -fejlesztési programjaiban vetik be.
A vállalat szerint a nagyobb modellek pontosabban jeleznek előre
Az Enchant v3 egyik kiemelt jellemzője a 41 milliárd paraméter. Az Iambic emellett kiszámítható skálázódási törvényekről számol be: állítása szerint a modell méretének növelése több preklinikai és klinikai végpontnál is jobb előrejelzési pontossággal járt együtt. Matt Welborn, az Iambic gépi tanulásért felelős vezetője szerint ez három modellgeneráción keresztül is megfigyelhető volt, beleértve azokat a végpontokat is, amelyekhez kevés adat áll rendelkezésre.
Az Enchant v3 két fő célra készült. Az egyik a gyógyszerjelöltek sikeres fejlesztésének valószínűségét növelné, a másik pedig új terápiás területek és gyógyszermodalitások felé terjesztené ki a rendszert. Az Iambic szerint a modellt belső és partneri programokban alkalmazzák majd.
A vállalat saját platformjának hasznosságát azzal szemlélteti, hogy egy új gyógyszerjelöltet körülbelül két év alatt juttatott klinikai fejlesztésbe, és emellett változatos preklinikai portfólióval rendelkezik. Az Iambic további vezető technológiái között a multimodális végpont-előrejelzésre tervezett NeuralPLexert is felsorolja.
