Информация о Turbine AI

Turbine.ai

Революционное лечение рака с помощью имитации клеток™

Turbine.ai — новаторская компания, стремящаяся совершить революцию в лечении рака с помощью ИИ и вычислительной биологии. Наша миссия — открыть новые методы лечения и ускорить открытие лекарств путем понимания сложных механизмов рака на беспрецедентном уровне. Мы достигаем этого с помощью нашей инновационной платформы Simulated Cells™ — мощного инструмента, который позволяет нам моделировать поведение отдельных опухолевых клеток у пациентов.

Наш подход

Моделирование фиксирует биологию пациента там, где проводятся эксперименты. Неудача

Традиционные методы разработки лекарств сталкиваются с серьезными трудностями при выявлении сложной биологии рака у реальных пациентов. Модели in vitro и in vivo часто не могут точно отразить заболевание человека, что приводит к дорогостоящим и трудоемким экспериментам с низкой скоростью перевода в клинику.

Turbine.ai устраняет эти ограничения за счет использования вычислительного моделирования. Наша платформа позволяет нам вычислительно моделировать поведение опухолевых клеток, понимая сложные механизмы, вызывающие заболевание. Эти симуляции дают ценную информацию о правильных методах и комбинированном подходе для лечения даже самых устойчивых видов рака.

Наша платформа

Разработка способа понимания биологии

Наша Платформа Simulated Cells™ построена на основе машинного обучения и сетевых наук. Мы картируем и моделируем сложные взаимодействия тысяч сигнальных белков внутри клетки, создавая комплексное представление о поведении рака на клеточном уровне. Это позволяет нам прогнозировать, как различные методы лечения, в том числе еще не существующие, могут повлиять на клетки отдельных пациентов.

Платформа работает:

• Построение моделей и обучение: мы используем стандартизированную «схему подключения» для всех моделей in vitro и in vivo, при этом моделирование пациентов в настоящее время находится в стадии разработки. Наша биоплатформа позволяет создавать клетки с различными профилями OMICS. Обучение поведению моделей — это частный случай рекуррентных нейронных сетей с использованием Tensorflow. Модели, подготовленные для моделирования, обучаются на более чем 500 000 точках данных (CRISPR, жизнеспособность лекарственной чувствительности и анализы RNASeq после лечения).
• Биомаркеры: мы завершаем настройку модели, создавая копии с помощью различные биомаркеры, чтобы точно определить идеальных ответов на конкретные возмущения. Мы можем указать внешние молекулярные изменения, чтобы создать большое количество моделей, репрезентативных для пациентов, но не существующих in vitro.
• Моделирование и генерация гипотез: мы можем внедрять масштабные вмешательства. , используя универсальный набор инструментов дозозависимого ингибирования, возмущения уровня взаимодействия или комбинированных скринингов. Симулируя отклонения в моделях, биомаркерах и даже комбинированной терапии, мы генерируем сложную молекулярную информацию о реакции на дозу и значениях IC50.
• Перевод: фильтрация и оценка результатов моделирования позволяют нам выявить скрытые механизмы, лежащие в основе индивидуальной реакции пациента и ее движущих эффектов.
• Экспериментальная проверка: уникальные сведения о механизме и связанных с ними биомаркерах позволяют оптимизировать процесс современных экспериментальных исследований. проверка. Средняя активность пути в чувствительных и контрольных клетках рассчитывается с помощью запатентованного метода, основанного на анализе следов и основанного на секвенировании РНК.

Наша платформа представляет собой значительный шаг вперед в исследованиях рака. Обеспечивая всестороннее понимание поведения отдельных опухолевых клеток, мы можем ускорить разработку более эффективных и персонализированных методов лечения.

Наша линия

Единая платформа для рационализации всего процесса исследований и разработок

Наша линия

Единая платформа для рационализации всего процесса исследований и разработок

Наша линия

Единая платформа для рационализации всего процесса исследований и разработок

Наша линия

Единая платформа для рационализации всего процесса исследований и разработок

Наша линия

Единая платформа h3>

Наша платформа Simulated Cells™ — это больше, чем просто инструмент для понимания рака. Это комплексная платформа, которая оптимизирует весь процесс исследований и разработок, от определения цели до клинических испытаний. Платформа предлагает ряд возможностей, которые позволяют нам:

• Понимать болезнь: моделировать поведение рака, чтобы понять причины заболевания и механизмы резистентности, наблюдаемые в клинических условиях.
• Найдите идеальных пациентов: определите идеальную группу пациентов и стратегию комбинирования методов лечения, которые уже разрабатываются или имеются на рынке.
• Расширьте поиск пространство: определите действительно новые цели для удовлетворения неудовлетворенных потребностей пациентов, которым не помогают существующие методы лечения.

Наша платформа уже используется в сотрудничестве с ведущими фармацевтическими компаниями, демонстрируя его эффективность в ускорении открытия и разработки лекарств.

Познакомьтесь с нами

Создание глубоких технологий для глубокой биологии

Turbine.ai — это команда увлеченных ученых, инженеров и предпринимателей, которые стремятся создать настоящую Разница в борьбе с раком. Мы считаем, что, объединив наш опыт в области глубоких технологий, молекулярной биологии и трансляционной науки, мы сможем раскрыть потенциал действительно эффективных методов лечения.

Моделирование отражает биологию пациента там, где эксперименты терпят неудачу

ОТКРЫТИЕ ЛЕКАРСТВ ОГРАНИЧЕНО НАШИМИ ИНСТРУМЕНТАМИ ДЛЯ ПОНИМАНИЯ БОЛЕЗНЕЙ Сложность модельных систем резко возрастает в процессе открытия лекарств, в то время как доступно лишь ограниченное количество экспериментальных моделей, которые точно отражают болезни человека. Обычные модели in vitro и in vivo не могут отразить поведение заболевания у реальных пациентов, а инструменты, такие как CRISPR, не действуют как настоящие лекарства. Разработка лекарств требует больших затрат и времени, модельные системы плохо транслируются пациентам и не снижают существенно риск неудачи в клинике. Из-за этого невероятно сложно перенести доклинические гипотезы в клинику и создать таргетные препараты, которые действительно помогают. МОДЕЛИРОВАНИЕ ВЫЯВЛЯЕТ МЕТОДЫ ЛЕЧЕНИЯ И ПАЦИЕНТОВ, КОТОРЫЕ БУДУТ ПОЛЬЗОВАНЫ Прежде чем проводить какие-либо лабораторные эксперименты, Turbine компьютерно моделирует поведение опухолевых клеток у пациентов, чтобы понять сложные механизмы, вызывающие заболевание. Моделирование может выявить правильные методы и комбинированный подход для лечения даже самых устойчивых видов рака. Наблюдая за этими экспериментами in silico, наши биологи и эксперты по трансляционным исследованиям получают представление о молекулярном контексте, благодаря которому моно- и комбинированная терапия потенциально могут принести пользу пациентам. Управление процессом исследований и разработок с помощью моделирования может повысить шансы на успех в клинике. https://pubmed.ncbi.nlm.nih.gov/14518029/ https://www.nature.com/articles/s41467-021-25175-5 globaldata.com Как это работает? Свяжитесь с нами

Разработка способа понимания биологии

ПЕРВАЯ В МИРЕ ИНТЕРПРЕТИРУЕМАЯ ПЛАТФОРМА КЛЕТОЧНОГО МОДЕЛИРОВАНИЯ, ДОПОЛНЕННАЯ МАШИННЫМ ОБУЧЕНИЕМ. Внедряя подход, сочетающий моделирование с машинным обучением, мы отображаем и моделируем, как взаимодействуют тысячи сигнальных белков, характеризующих поведение рака на клеточном уровне, а также реакцию или устойчивость к лечению. Наша платформа позволяет моделировать эффекты, подобные лекарствам, от соединений, которые, возможно, еще не существуют, на клетки, потенциально недоступные для лабораторных испытаний, например, у онкологических больных с высокими неудовлетворенными потребностями. ПРОГНОЗИРОВАНИЕ НОВЫХ ЭКСПЕРИМЕНТОВ ПО ПОИСКУ ЛЕКАРСТВ, О которых НИКТО НИКОГДА НЕ ДУМАЛ Этот подход потенциально позволит нам предсказать не только то, что работает в клетках, мышах и людях, но, что более важно, почему и как. Непрерывные итерации моделирования и запатентованные эксперименты in vitro и in vivo подтверждают прогнозы и развивают наш конвейер, одновременно улучшая базовую Simulated Cell™. Поскольку все программы и партнерства работают на последней версии модели ячеек in silico, преимущества обучения накапливаются, что приводит к постоянному улучшению платформы. Использование результатов как для генерации первоначальной идеи, так и для управления ее итерациями по мере совершенствования моделей приводит к более рациональному процессу понимания биологии основного заболевания. Наши тесты показывают, что моделирование предотвращает 2 из 3 неудачных экспериментов in vitro, а также каждую вторую неудачу in vivo. Практические примеры Benchmark Suite