Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Dzień 5 #ScienceAIBench: Identyfikacja celów 🎯
Kontynuujemy naszą codzienną serię wydania z Dniem 5, przesuwając fokus z właściwości molekularnych na złożone wyzwanie odkrywania biologicznych celów. Identyfikacja odpowiedniego terapeutycznego celu jest najważniejszym krokiem w rozwoju leków, aby uniknąć kosztownych niepowodzeń klinicznych. Dziś zagłębiamy się w bioinformatykę i przedstawiamy wyniki modułu TargetBench.
Sukces w odkrywaniu leków zaczyna się od właściwego celu. Dzisiejszy benchmark ocenia zdolność nowatorskich modeli AI do odzyskiwania ustalonych, klinicznych celów na etapie badań dla złożonych chorób włóknistych, odróżniając prawdziwe sygnały biologiczne od szumów.
Opublikowaliśmy również preprint szczegółowo opisujący naszą metodologię i pełne wyniki, dostępny teraz obok danych z bieżącego benchmarku na naszej stronie internetowej.
📄 Przeczytaj Preprint: [ 🌐 Zobacz Benchmark: [
📋 Specyfikacje Benchmarku:
Wskazania chorobowe: Idiopatyczne Włóknienie Płuc (IPF), Miażdżyca i Choroba Zwyrodnieniowa Stawów.
Metryka: Wskaźnik Odzyskania Celów Klinicznych (CTR) — proporcja znanych celów klinicznych na etapie badań odzyskanych w najwyżej ocenianych prognozach modelu.
Oceniane modele: GPT-5, Claude Opus 4, Grok 4 i DeepSeek R1.
📊 Obserwowana wydajność:
Najlepszy wykonawca: GPT-5 wykazał najwyższy Wskaźnik Odzyskania Celów Klinicznych we wszystkich testowanych wskazaniach, osiągając 0.474 dla miażdżycy i 0.352 dla IPF.
Stratyfikacja wydajności: Istnieje wyraźna różnica między modelami; Claude Opus 4 zajął drugie miejsce (np. 0.377 dla miażdżycy), podczas gdy Grok 4 i DeepSeek R1 generalnie wykazały niższe wskaźniki odzyskiwania.
Złożone wyzwanie chorobowe: IPF okazało się najtrudniejszym wskazaniem dla bazowych modeli, z Grok 4 rejestrującym najniższy wynik 0.199, co podkreśla trudność w rozumieniu złożonej patologii włóknistej.
Ogólny trend: Dane ujawniają znaczną stratyfikację w zdolnościach rozumienia odkrywania biologicznych celów, z wyraźnymi poziomami wydajności między generacjami modeli.
🔄 Zaktualizowana wersja TargetBench z rozszerzonymi wskazaniami chorobowymi już wkrótce. Bądźcie na bieżąco z dalszymi informacjami.

Najlepsze
Ranking
Ulubione
