Metanova Labs：Bittensor 通过去中心化的虚拟筛选革新药物发现，组合反应将可能性扩展至 650 亿，双重激励推动创新 | TWIST

要点总结

• Bittensor 是一个去中心化网络，它使用加密激励来奖励对 AI 模型和算力的贡献。
• 该网络可以支持多种应用，包括药物发现以及租用算力资源。
• Bittensor 中的子网（subnets）涉及三类主要参与者：子网所有者/运营者、矿工（miners）和验证者（validators）。
• 药物发现流程目前成本高、耗时长，常被形容为处于危机状态。
• Metanova Labs 发起了去中心化虚拟筛选的概念验证（POC），在药物发现领域率先探索这一方法。
• 网络中的双重激励机制使矿工可以提交分子，或与化学搜索算法展开竞争。
• 药物研发中的“热选择（heat picking）”流程会评估提交内容，以判断潜在毒性与有效性。
• 组合反应（combinatorial reactions）可以将潜在分子的数据集扩展到约 650 亿种可能性。
• 药物研发涉及在多个阶段对资产进行去风险（derisking）并生成知识产权（IP）。
• 药物研发的复杂性要求进行优化与测试，以确保安全性与有效性。
• 个性化医疗至关重要，因为个体对治疗的反应各不相同。
• 像 Bittensor 这样的去中心化网络可以通过激励全球创造力来简化药物发现流程。

嘉宾介绍

Micaela Bazo 是 Metanova Labs 的首席执行官，这家加密原生生物科技公司背后的推动者包括 NOVA、Bittensor 子网 68——一个去中心化 AI 网络，它通过众包筛选数十亿种分子以匹配蛋白质靶点。她的平台已经在 7,000 个靶点上筛选了 480 万种分子，加速了对用于情绪与奖励等心理状态的新型治疗方案的识别。Metanova 目标是通过用分布式 AI 优化替代 Big Pharma 缓慢的试错模式，将药物发现成本降低一半。

Bittensor 的结构与目的

• Bittensor 是一个去中心化网络，通过加密奖励激励对 AI 模型与算力的贡献。

  — Metanova Labs

• 该网络支持广泛的应用场景，包括药物发现和租用算力。

• 让它非常独特的一点是，你可以用这个网络来训练任何类型的 AI 用例。

  — Metanova Labs

• Bittensor 的运营模式基于奖励有用的 AI 贡献。

• 网络的多功能性展示了其在多个行业中的潜在影响。

• 理解去中心化网络对于把握 Bittensor 在 AI 领域的作用至关重要。

• 子网由三类主要参与者运作：子网所有者/运营者、矿工（miners）和验证者（validators）。

• 你会同时拥有子网所有者/运营者、矿工和验证者，每个人都在发挥关键作用。

  — Metanova Labs

药物发现的危机

• 由于成本高、周期长，药物发现被描述为处于危机状态。

• 大多数人都在把它描述为处于危机状态：平均一项药物需要大约 $2.6 billion 的成本，并且耗时十年。

  — Metanova Labs

• 传统流程成本高、耗时长，因此需要创新解决方案。

• 像 Bittensor 这样的去中心化网络提供了简化药物发现流程的潜在解决方案。

• Metanova Labs 正在率先用去中心化的方法来应对这些挑战。

• 药品行业存在的重大问题也进一步凸显了创新解决方案的必要性。

• 当前药物发现的状态强调了去中心化问题解决的重要性。

• 理解传统药物发现流程所面临的挑战，是理解新方法的关键。

去中心化虚拟筛选

• Metanova Labs 启动了去中心化虚拟筛选的概念验证（POC）。

• 我们在 3 月 1 日推出了它，这是一个在去中心化方式下实现这一目标的概念验证。

  — Metanova Labs

• 这种方法以前从未有人尝试过，这突出了它的开创性。

• 去中心化虚拟筛选旨在通过创新方法改进药物发现。

• 双重激励机制增强了虚拟筛选流程。

• 矿工可以提交感兴趣的分子，或使用化学搜索算法展开竞争。

• 我们的矿工要么在提交有兴趣的分子，要么在使用化学搜索算法进行竞争。

  — Metanova Labs

• 这种创新方法利用了去中心化手段和激励机制。

组合反应在药物发现中的作用

• 组合反应（combinatorial reactions）可以显著扩大潜在分子的数据集。

• 我们从 10 亿种分子的数据集起步，然后将其扩展到约 650 亿种可能性。

  — Metanova Labs

• 这种扩展展示了药物发现中可能性的规模。

• 这一创新方法强调通过组合化学（combinatorial chemistry）合成新的分子。

• 理解组合化学对于把握其在药物发现中的作用至关重要。

• 通过扩展数据集，药物发现的潜力将大幅提升。

• 这种方法为可能性的规模提供了定量视角。

• 数据集的扩展凸显了 Metanova Labs 方法的创新性。

对资产去风险并生成 IP 的过程

• 药物研发涉及对资产进行去风险（derisking）并生成知识产权（IP）。

• 这是一场对资产进行去风险并生成 IP 的博弈。

  — Metanova Labs

• 创建 IP 与管理风险是药物研发中的关键策略。

• 这种战略性做法凸显了在生物科技领域进行风险管理的重要性。

• 理解药物研发的复杂性对于理解这些策略至关重要。

• 对资产进行去风险的过程是成功药物研发的基础。

• 生成 IP 是生物科技行业战略性做法的关键组成部分。

• 这一洞察为药物研发中的战略方法提供了清晰的解释。

药物研发的复杂性

• 药物研发是一个复杂的过程，需要优化与测试。

• 这个想法是让结果优于随机情况，从而加速走向治愈。

  — Metanova Labs

• 需要进行迭代测试，以确保治疗的安全性与有效性。

• 由于个体反应存在差异，个性化医疗至关重要。

• 药物研发的复杂性凸显了对创新解决方案的需求。

• 理解实现有效治疗所面临的挑战至关重要。

• 优化与测试的必要性突出了药物研发的迭代特征。

• 这一洞察解释了在实现有效治疗方面所面临的挑战。

                  **披露：** 本文由 Editorial Team 编辑。有关我们如何创建和审核内容的更多信息，请参阅我们的 Editorial Policy。