消息傳出啦！ @packyM 和我很高興能在 @notboringco 時幫助 @Atelfo、@okaymaged 和 @Convokebio 團隊。 作家投資於作家 🤝🧬 對這個願景感到興奮。

我認為，人工智慧在藥物發現中最有前景的方面之一是多模態的好處，以及為許多不同任務構建模型的能力。 在他2012年的文章中，概述了Eroom法則（藥物發現的研發效率呈指數下降），Jack Scannell對這個問題的一個“診斷”是“基礎研究-粗暴力量”偏見。 我們往往高估早期發現技術的規模化影響。通常，這些檢測的臨床成功的“預測有效性”較低。 人工智慧模型幫助解決這個問題的一種方式是，它們可以在發現的最早階段就納入更多具有轉化相關性的預測。 我認為這是Brandon和Alex在Axiom的願景的天才之處。通過減少與毒性測試相關的成本、時間和摩擦，它可以在發現過程中更早地進行——只要你有一個分子。 這是分子機器學習相對於早期計算化學努力的最激進的變化之一。 可以在一次前向傳遞中考慮大量不同的發現標準。

計算機學習RNA鹼基配對規則需要什麼？ 人們正在訓練大型語言模型以預測RNA結構。這些模型中的一些具有數億個參數。 一個令人興奮的早期結果是，這些模型直接從數據中學習了沃森-克里克-富蘭克林鹼基配對的規則。 哈佛大學的一個研究小組決定看看能夠實現這一結果的最小模型是什麼。 他們使用梯度下降訓練了一個只有21個參數的小型概率模型。 僅用50個RNA序列——沒有相應的結構——鹼基配對的規則在僅僅幾個訓練周期後就會顯現出來。 因此，他們最初問題的答案是，學習這種類型的模型「遠比你想像的要少得多」。 我認為這並不意味著大規模訓練工作必然是愚蠢或誤導的。但這個結果表明，架構創新仍然可以挖掘出很多效率和性能。 生物學語言中有很多潛在的結構。

讓人驚嘆的是，Tahoe 的 A 輪融資已經開始宣傳。 @nalidoust 和 @iamjohnnyyu 是一對出色的 CEO/CSO 技術創始人組合。@genophoria 和 @kevansf 兩位都是令人難以置信的科學家。這是一支夢幻團隊。 他們的雄心壯志，想要針對各種患者背景的 1 *十億* 細胞，幾乎讓人感到荒謬。但他們正在建立實現這一目標的基礎設施。 而商業願景同樣強烈。 我迫不及待想要看到更多 Tahoe 的故事即將被分享。 能與這支 Amplify 團隊合作，真是我的榮幸。

在生物學中，縮放法則有效…… ……直到它們不再有效。 對於健身預測，蛋白質語言模型的性能隨著模型大小的增加而提高，直到達到平臺，然後開始下降。 隨著訓練損失（NLL）的降低，模型開始預測更高的序列可能性，並與潛在的健身相關性降低。 這是為什麼生物學中的人工智慧需要仔細考慮潛在分佈、訓練目標和其他數十個細節的第10,001個例子。 這兩個學科的交集非常豐富，但需要在兩者之間進行仔細的工作。

經過多個月的努力，我們在 Decade 正在成長！我們正在招聘一名蛋白質生物化學家，幫助我們徹底改善癌症治療。 如果你喜歡早期參與並產生影響，我們期待聽到你的消息！詳情請見這裡：

疲憊：基於矽的電腦 有線（字面意思）：真菌電腦 來自《來自香菇菌絲體的可持續記憶電阻器，用於高頻生物電子學》 這個想法是利用香菇中的自適應電信號（我不知道它們存在）來替代神經類器官，用於類神經計算應用。 “我們的研究結果顯示，真菌電腦可以提供可擴展的、環保的平台，用於類神經任務，橋接生物電子學和非常規計算。” 這絕對是我最近遇到的更“非常規”的研究想法之一...

我總是大吃一驚，$NVDA的價值超過了*所有*前 20 家製藥公司的總和。 我們只是觸及了有效設計和分銷藥物和診斷的表面。 還有很多東西需要建造！

我們與 @ElliotHershberg（@AmplifyPartners 的合夥人）討論了生命科學技術中的挑戰。 「普遍的觀點是，利用新數據和新技術在生命科學領域可以取得巨大的進展。」 「事實上，治癒癌症一次性成功是非常困難的。」 「有一些突破，比如阿爾法摺疊獲得的諾貝爾獎。人工智慧正在對困難的生物學問題產生實際影響。」 「DNA測序的成本下降速度超過摩爾定律。」 「人們開始擴展模型，進展速度令人印象深刻。」

如果流感疫苗真的有效呢？ 我的意思是*真的*有效——到人類與流感的地方性關係成為歷史，而不是持續的全球健康挑戰。 如果我們能夠減輕*所有*快速變異的病原體呢？ 這就是為什麼Jake Glanville創立了Centivax。他的生活使命是"完成愛德華·詹納開始的事情"，通過開發通用疫苗來加速人類向後病原體未來的過渡。 Jake正是我們在Amplify尋求合作的技術創始人類型。他是輝瑞公司計算抗體設計的早期先驅之一，然後成為斯坦福大學計算與系統生物學的第一批研究生之一，與Mark Davis一起。 他將一生的工作綜合成一個獨特且有些反傳統的通用疫苗開發理念。 而他組建的團隊同樣非凡。例如，Centivax的首席醫療官Jerry Sadoff是現存最具生產力的疫苗開發者之一。 能夠參與Centivax的A輪融資聯盟對我們來說真是一種特權。在過去的十年中，Jake和團隊為他們的主要流感計劃組建了一個全面的臨床前數據包。 唯一剩下的實驗是看看這是否能轉化為人類，這正是這輪融資的支持所在。 如果這項技術成功，影響將是巨大的。而這個團隊的堅持故事將需要在生物技術經典中寫成一本書。