🔬Causal Models Need Causal Data - Xaira’s X-Cell model for Drug Discovery (Bo Wang & Ci Chu, Chief Discovery Officer & Chief AI Scientist)

摘要

探討 Xaira Therapeutics 如何利用 AI 模型解決藥物發現中的資訊不足問題。講者 Ci Chu 與 Bo Wang 介紹了 X-Cell 模型，該模型採用擴散語言模型技術，透過迭代生成高維度的基因表達資料，而非依賴傳統自回歸訓練。這種方法能捕捉基因表達的動態變化，無需假設基因順序，從而更準確地預測細胞對藥物擾動的反應。Xaira 正積極收集富含資訊的因果資料，以突破引數與計算資源的瓶頸，推動 AI 驅動的藥物開發。

This interview explores how Xaira Therapeutics leverages AI to address information gaps in drug discovery. Speakers Ci Chu and Bo Wang introduce the X-Cell model, which uses diffusion language models to generate high-dimensional gene expression data iteratively, rather than relying on traditional re…

重點

• Xaira 開發 X-Cell 模型，利用擴散語言模型生成基因表達資料。
• 模型無需假設基因順序，透過迭代編輯實現更準確的預測。
• 團隊收集高品質因果資料，突破引數與計算資源限制。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00七項基因組擾動實驗驗證模型預測準確性
2. 11:14非生物學人士可理解基因擾動與細胞功能預測
3. 13:55從虛擬細胞專案到 AI 模擬細胞反應的演進
4. 22:48因果資料集：高通量生物學技術與 PerturbSeq
5. 28:33百萬細胞規模基因組擾動資料的生成挑戰
6. 40:11單細胞模型架構：自回歸與擴散模型應用
7. 46:24引入生物先驗知識提升模型泛化能力
8. 54:44模型在未知情境下的泛化潛力與未來展望
9. 1:05:49基因組擾動中的上下文通用性與組合策略
10. 1:09:54AI 時代科學家角色的轉變與協作模式
11. 1:12:59學術界與產業界在虛擬細胞領域的分工優勢
12. 1:17:38從實驗室到產業：高品質資料集與標準化流程
13. 1:24:47多細胞互動與體外實驗的未來突破方向
14. 1:28:54去除資料生成瓶頸的關鍵問題與技術路徑

適合誰看

對 AI 在生物學與藥物發現領域應用感興趣的研究人員或開發者。

摘要依據

講者

Alessio Fanelli

依據

語音轉文字

為什麼排在這裡

人氣

0.50

新鮮

0.76

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 🔬 The Coolest Diffusion Research Isn't in LLMs — Evan Feinberg & Sergey Edunov, Genesis Molecular AIPodcast ・ Latent Space ・ 1 小時 49 分（在新分頁開啟原站）
• Chai Discovery's Bitter Lesson: Drug Design Is Another Scaling Problem影片 ・ Sequoia Capital ・ 47 分鐘
• EP118 对话祥宇：从 AlphaFold 到大语言模型：AI 会颠覆药物研发，还是被高估了？Podcast ・ 硬地骇客 ・ 49 分鐘（在新分頁開啟原站）
• Ep 72: Co-Founder of Chai Discovery Joshua Meier on 99% Faster Drug Discovery, BioTech’s AlphaGo Moment, Building Photoshop for MoleculesPodcast ・ Unsupervised Learning ・ 57 分鐘（在新分頁開啟原站）
• 🔬The BioAI Phase Shift - Matthew McPartlon & Neil Patil, Chai DiscoveryPodcast ・ Latent Space ・ 1 小時 35 分
• AI for Science 爆发：AI 能解锁伟大的科学发现吗？ | S10E29Podcast ・ What's Next｜科技早知道 ・ 1 小時 9 分