Biologi og farma

img-mv26w7pq-e1122db5

 

Beskrivelse


Utvide en FoU-plattform for AI-materialer mot biologiske stoffer - protein-, antistoff- og formuleringsutfordringer. Veikartevne under utvikling
 

  

8 29

Biologics & Pharma — Materialsystem / Forutsigbar ytelse / Valideringsvei

 

 

 

 

 

 

AI for biologiske og farmasøytiske materialer — utvidelse av R&D-stakken for materialer

 

 

1. Veikartnotat:

MatterSeeks biologiske evne er under utvikling. Denne siden beskriver kjøreretningen og de delene av plattformen som allerede gjelder. Den beskriver ikke et generelt tilgjengelig produkt.

2. MatterSeek er en FoU-plattform for AI-materialer hvis kjernemetode

- å forutsi materialegenskaper direkte fra sammensetning, deretter validere i et automatisert laboratorium - ble bygget for uorganiske og organiske materialsystemer. Å utvide denne metoden mot biologiske og farmasøytiske materialer er en veikartretning, informert av de samme tre grunnlagene: deskriptorbasert modellering, en hierarkisk prediksjonsarkitektur og en lukket eksperimentell sløyfe.

3. Det underliggende problemet er delt.

Protein- og antistoffutvikling står overfor den samme strukturelle flaskehalsen som materialutvikling: en veldig stor designplass, kostbar eksperimentell evaluering og data som er fragmentert på tvers av programmer. Tilhørighet, stabilitet, aggregeringsatferd og formuleringskompatibilitet måles hver i separate kampanjer, og interaksjonene mellom dem modelleres sjelden i fellesskap.

4. Hva oversettes fra materialplattformen. Tre elementer er direkte overførbare.

For det første, deskriptorbasert egenskapsprediksjon - den samme tilnærmingen som koder for over tusen materialbeskrivelser har en direkte analog i sekvens-, struktur- og formuleringsdeskriptorer. For det andre, smådatalæring: MatterSeeks hierarkiske arkitektur ble designet for regimer der merkede prøver er knappe, noe som er den normale tilstanden i utviklingen av biologiske stoffer snarere enn unntaket. Tredje, lukket sløyfe eksperimentell design - ved å bruke spådd usikkerhet for å velge neste eksperiment, som kartlegger på formuleringsscreening og stabilitetsstudiedesign.

5. Hvorfor løkken betyr mer enn modellen.

MatterSeeks autonome laboratorium kjører automatisert prøvepreparering for FTIR- og NMR-analyse og samtidig termisk analyse, og arkitekturen er organisert rundt kjedesyntese, karakterisering og datatilbakemelding. En biologisk arbeidsflyt vil trenge sin egen forberedelse og analysekjede; den overførbare delen er den lukkede sløyfestrukturen, ikke de spesifikke instrumentene.

6. Hvor plattformen gjelder i dag.

For farmasøytiske og biologiske organisasjoner er den tilgjengelige kapasiteten i materialer-tilstøtende arbeid: hjelpestoffer, emballasje- og beholdermaterialer, uorganiske og organiske prosessmaterialer og katalysatorsystemer som brukes i syntese. Disse håndteres av de eksisterende uorganiske og organiske modellfamiliene. Hvis din interesse er spesifikt veikart for biologiske stoffer, vil vi heller diskutere det direkte enn å overdrive beredskapen.

 

FAQ

 

 

Spørsmål: Er den biologiske muligheten tilgjengelig nå?

A: Nei. Det er under utvikling. De for tiden tilgjengelige modellfamiliene dekker uorganiske og organiske materialer.

Spørsmål: Hva overføres fra materialplattformen til biologiske stoffer?

A: Deskriptorbasert egenskapsprediksjon, læring av små data og den eksperimentelle designmetoden med lukket sløyfe.

Spørsmål: Kan MatterSeek hjelpe med hjelpestoffer eller prosessmaterialer i dag?

A: Ja. Hjelpestoffer, emballasje- og beholdermaterialer og prosesskatalysatorer faller innenfor det eksisterende uorganiske og organiske modellomfanget.

 

Yuyao (Beijing) Technology Co., Ltd. er et profesjonelt selskap som spesialiserer seg på skjæringspunktet mellom AI og avanserte materialer innen biologisk og farma. Selskapet har uavhengig utviklet MatterSeek – en grunnleggende stor modell skreddersydd for materialsektoren – og var banebrytende i HNN (Hierarchical Neural Network) algoritmen, mens de bygget en proprietær, kontrollerbar materialeksperimentdatabase.