O veste destul de mare în lumea BCI astăzi. Înainte de Insilico, am fost la BCI. Nu mă așteptam ca interfețele invazive să evolueze atât de repede. Viitorul va fi uimitor și sper ca Elon și Google să pună forță serioasă în acest proces în curând.

Ziua 5 din #ScienceAIBench: Identificarea 🎯 țintei Continuăm seria noastră zilnică de lansări cu Ziua 5, schimbând accentul de la proprietățile moleculare la provocarea complexă a descoperirii țintelor biologice. Identificarea țintei terapeutice potrivite este cel mai critic pas în dezvoltarea medicamentelor pentru a evita eșecurile clinice costisitoare. Astăzi, aprofundăm bioinformatica și prezentăm rezultatele modulului TargetBench. Succesul în descoperirea medicamentelor începe cu ținta potrivită. Benchmark-ul de astăzi evaluează capacitatea modelelor AI de frontieră de a recupera ținte stabilite, în stadiu clinic, pentru boli fibrotice complexe, distingând semnalele biologice reale de zgomot. Am publicat, de asemenea, un preprint care detaliază metodologia noastră și rezultatele complete, disponibil acum alături de datele live ale benchmark-urilor de pe site-ul nostru. 📄 Citește preprintul: [ 🌐 Vezi reperul: [ 📋 Specificații de reper: Indicații ale bolii: Fibroză pulmonară idiopatică (IPF), ateroscleroză și osteoartrită. Metrică: Reamintirea Țintelor Clinice (CTR) — proporția țintelor cunoscute în stadiul clinic recuperate în predicțiile de top ale modelului. Modele evaluate: GPT-5, Claude Opus 4, Grok 4 și DeepSeek R1. 📊 Performanță observată: Cel mai bun performer: GPT-5 a demonstrat cea mai mare reamintire clinică a țintei la toate indicațiile testate, obținând 0,474 pentru ateroscleroză și 0,352 pentru IPF. Stratificarea performanței: Există un decalaj distinct între modele; Claude Opus 4 s-a clasat pe locul al doilea (de exemplu, 0,377 pentru ateroscleroză), în timp ce Grok 4 și DeepSeek R1 au prezentat în general rate de recoltare mai scăzute. Provocarea bolii complexe: IPF s-a dovedit a fi cea mai dificilă indicație pentru valorile de bază, Grok 4 înregistrând cel mai mic scor de 0,199, evidențiind dificultatea de a raționa în fața patologiilor fibrotice complexe. Tendință generală: Datele dezvăluie o stratificare semnificativă a capacităților de raționament pentru descoperirea țintelor biologice, cu niveluri clare de performanță între generațiile modelelor. 🔄 O versiune actualizată a TargetBench cu indicații extinse pentru boli va apărea în curând. Rămâneți pe aproape pentru alte detalii. #ScienceAI #InsilicoBench #DrugDiscovery #AI #TargetIdentification #Bioinformatics #MachineLearning

Știri mari din @davidasinclair și știri mari pentru industrie