Basert i San Carlos ble Precigenetics grunnlagt av maskinvareingeniører, beregningsbiologer og cellebiologer for å gjøre legemiddeloppdagelse virkelig relevant for menneskelig biologi. I dag kunngjør jeg vår plan for 2026: å utvide målingen vår til et grunnleggende datasett for celletilstander. 🧵

Precigenetics bygger en biofotonikk–AI-motor for å forstå celletilstander på tvers av rom og tid. Vårt oppdrag går utover KI, utover sykdom, det handler om å digitalisere og forstå biologi. Et AI Virtual Cell-atlas krever en universell representasjon.

AI har ikke engang språket til å forstå – den universelle representasjonen – til å forstå kompleksiteten i en levende, menneskelig celle. Vår maskinvare gir de manglende lagene.

Det er på tide å satse alt, og lage datasett som endrer hvordan vi samhandler med levende biologi med en datamaskin. Lag av -omikk forsvinner med vårt tradisjonelle måleapparat – vi har låst opp metabolomikk, lipidomikk og noen former for epigenomikk i levende celler.

Milepæl: Bygg et grunnleggende datasett for dynamiske menneskelige celletilstander: levende cellebaner, tusenvis av legemiddel–celle og legemiddel–modell-interaksjoner, på tvers av pasientavledede 3D-kulturer og organ-på-chip-systemer.

Å kartlegge hvordan legemidler omprogrammerer levende celler for å bygge en dynamisk modell av menneskecellen er det viktigste arbeidet i dette livet.

Plattformen vår er bygget på fremskritt innen etikettfri optikk, mikrofluidikk og KI, og tar opp ikke-destruktive, hyperspektrale videoer av levende menneskeceller mens de reagerer på legemidler, genredigeringer og mikromiljøendringer.

Fra hver bane trekker vi ut rike biokjemiske fingeravtrykk i samsvar med omics og utfall, og lærer hvordan celletilstander utvikler seg og hvilke intervensjoner som faktisk betyr noe.

Disse dataene, og modellene som er trent på dem, gjør det enklere å designe kombinasjonsterapier, redusere risikoen for toksisitet og avdekke helt nye typer sykdomsbiologi – med start i onkologi.

Vi behandler hvert eksperiment som en film, ikke et øyeblikksbilde: tusenvis av tidspunkter per celle, subcellulær romlig oppløsning og kontrollert perfusjon av legemidler og stimuli.

Dette lar oss se tidlig mitokondriel, lipid- og redoksfluks; forløperne til effekt, resistens eller toksisitet, lenge før tradisjonelle endepunkter.

Vi bygger nå virtuelle celletilstandsmodeller: grunnlagsmodeller forhåndstrent til å lære hvordan gener, veier og miljøer samhandler i levende celler.

I stedet for kun å lære fra statiske RNA- eller proteinnivåer, lærer modellene våre fra fullstendige kjemiske baner.

Ved å tilpasse disse optiske banene til RNA-sekvensering, epigenomikk og klinisk kontekst, bygger vi representasjoner som kan simulere «hva om»-intervensjoner og forutsi hvordan en celle vil reagere før eksperimentet gjennomføres.

Vi tror at vår nye milepæl vil bli det viktigste oppdraget vi noen gang har begitt oss ut på, og vi er klare til å ta fatt på det i dag, og for hele 2026.

Vennligst del dette med folk som kan være interessert i en slik innsats. Vi har som mål å gjøre biologien virkelig digitalisert over tid, og når det gjelder å forstå sykdom, mener vi at vi virkelig står i starten av en revolusjon. Det er på tide å bygge.