OpenAI和Moderna合作,推进mRNA医学

编辑 | X4 月 24 日,Moderna 和 OpenAI 宣布双方继续开展合作,共同创新,共同愿景是 AI 在未来商业和医疗保健领域的变革潜力。Moderna 是 mRNA 医学领域创建的领导者,自成立以来就一直利用机器学习的力量。强大的数据基础及其强大的学习文化,使公司能够负责任地、无缝地将生成式 AI 集成到其运营中,并利用下一代人工智能创新。双方于 2023 年初开始合作,推出了 Moderna 自己的 ChatGPT 实例(称为 mChat),该实例内部构建于 OpenAI 的 API 之上。自首次亮

图片

编辑 | X

4 月 24 日,Moderna 和 OpenAI 宣布双方继续开展合作,共同创新,共同愿景是 AI 在未来商业和医疗保健领域的变革潜力。

Moderna 是 mRNA 医学领域创建的领导者,自成立以来就一直利用机器学习的力量。强大的数据基础及其强大的学习文化,使公司能够负责任地、无缝地将生成式 AI 集成到其运营中,并利用下一代人工智能创新。

双方于 2023 年初开始合作,推出了 Moderna 自己的 ChatGPT 实例(称为 mChat),该实例内部构建于 OpenAI 的 API 之上。自首次亮相以来,内部采用率超过 80%,这一初步成功加速了 AI 文化的发展,从而促成了 ChatGPT Enterprise 及其增强功能(例如高级分析、图像生成和 GPT)的部署。

这些 GPT 现在已嵌入到 Moderna 的业务职能中(从法律、研究、制造到商业),并且专门作为与 Moderna 员工一起工作的助手,通过个性化支持增强他们的角色。借助这些工具作为 Moderna 团队的延伸,该公司可以推进其使命,通过 mRNA 药物为人们带来最大的影响。

图片

Moderna 首席执行官 stenjophane Bancel 说:

「就像 20 世纪 80 年代个人电脑的引入改变了我们的工作和生活方式一样,人工智能正在彻底改变我们的日常生活,而 OpenAI 正在帮助引领这条道路。我们两家公司都有共同的价值观,都是研究驱动型组织,推动技术的边界,推动变革,Moderna 有一个雄心勃勃的计划,在未来几年内推出多种产品,与 OpenAI 等公司的合作对于我们扩大规模和最大限度地提高对患者影响的能力至关重要。」

OpenAI 首席执行官 Sam Altman 表示:

「Moderna 通过授权所有员工使用人工智能来解决复杂问题而处于领先地位。我们期待继续与 Moderna 合作,为有需要的患者带来新一代药物。」

自采用 ChatGPT Enterprise 以来的几个月内,Moderna 已在整个公司部署了 750 多个 GPT,帮助推动自动化和生产力。这包括该公司的 Dose ID GPT,它使用 ChatGPT Enterprise 的高级数据分析功能来进一步评估临床研究团队选择的最佳疫苗剂量。

通过应用标准剂量选择标准和原则,Dose ID 提供了基本原理、参考其来源,并生成说明主要发现的信息图表。这允许由人类主导并通过人工智能输入进行详细审查,同时在后期临床试验中进一步开发之前优先考虑安全性并优化疫苗剂量配置。

图片

关于 Moderna

Moderna 是 mRNA 医学领域创建的领导者。通过 mRNA 技术的进步,Moderna 正在重新构想药物的制造方式,并改变我们为每个人治疗和预防疾病的方式。通过十多年来在科学、技术和健康领域的交叉工作,该公司以前所未有的速度和效率开发了药物,其中包括最早、最有效的 COVID-19 疫苗之一。

Moderna 的 mRNA 平台促进了传染病、免疫肿瘤学、罕见疾病和自身免疫性疾病的治疗方法和疫苗的开发。Moderna 拥有独特的文化和受 Moderna 价值观和思维方式驱动的全球团队,以负责任的方式改变人类健康的未来,Moderna 致力于通过 mRNA 药物为人们带来最大的影响。

Moderna 官网:https://www.modernatx.com/

参考内容:https://www.biospace.com/article/releases/moderna-and-openai-collaborate-to-advance-mrna-medicine/?keywords=AI

相关资讯

稳健且准确,AlphaFold 结合两种 AI 方法,实现蛋白质化学位移自动分配

编辑 | 绿萝化学位移分配对于基于核磁共振 (NMR) 的蛋白质结构、动力学和相互作用研究至关重要,可提供重要的原子级见解。然而,获得化学位移分配是劳动密集型的并且需要大量的测量时间。为了解决这一限制,苏黎世联邦理工学院(ETH Zurich)的研究人员之前提出了 ARTINA——一种用于自动分配二维 (2D)–4D NMR 谱的深度学习方法。近日,研究人员提出了一种将 ARTINA 与 AlphaFold 和 UCBShift 相结合的综合方法,能够减少实验数据、提高准确性并增强大型系统的稳健性,从而实现化学位移

发现38万种新材料、17天自主合成41种新化合物,DeepMind一日两篇论文登上Nature

编辑 | 萝卜皮从计算机芯片、电池到太阳能电池板等现代技术都依赖于无机晶体。开发这些新技术,所需的晶体必须稳定,否则材料就会分解,而每个新的、稳定的晶体背后可能需要研究人员数月或者更久的艰苦实验。Google DeepMind 材料团队分享了 220 万颗新晶体的发现,相当于近 800 年的知识。该团队推出了新的深度学习工具,用于材料探索的图网络 (GNoME),可通过预测新材料的稳定性来显著提高发现的速度和效率。论文链接: GNoME,科学家可以使人类已知的技术上可行的材料数量成倍增加。在其 220 万个预测中,

可直接比较潜在新药的性能,杜克大学团队开发新的药物AI模型

编辑 | 白菜叶目前的分子机器学习模型往往将单个分子作为输入,来预测其生物、化学或物理特性。然而,此类算法需要大型数据集,并且尚未针对预测分子之间的性质差异进行优化,限制了它们从较小数据集学习的能力,也限制了直接比较两个分子预期性质的能力。杜克大学(Duke University)的研究人员开发了 DeepDelta,这是一种成对深度学习方法,可以同时处理两个分子,并学习从小数据集中预测两个分子之间的属性差异。在 10 个 ADMET 基准任务中,DeepDelta 方法显著优于两种已建立的分子机器学习算法:定向消