O X-Tour
Jesteśmy firmą biotechnologiczną zainteresowaną narzędziami AI i potokami symulacyjnymi dla inżynierii białek. Nasze zainteresowania leżą na przecięciu uczenia maszynowego i biofizyki molekularnej, gdzie modele predykcyjne spotykają symulacje fizyczne.
Kim jesteśmy
Nasze zainteresowania obejmują cały stos obliczeniowy dla nauki o białkach: od modeli przewidujących właściwości białek na podstawie sekwencji i struktury, po symulacje pokazujące zachowanie molekularne stojące za tymi predykcjami.
Wierzymy, że najbardziej wartościowe narzędzia w biologii obliczeniowej powstają z połączenia podejść opartych na danych z metodami opartymi na fizyce. Uczenie maszynowe wychwytuje wzorce w dużych zbiorach danych; symulacje molekularne dostarczają mechanistyczny wgląd pozwalający zrozumieć, dlaczego te wzorce istnieją. Interesują nas narzędzia, które łączą jedno z drugim.
Interesują nas narzędzia obliczeniowe przydatne w inżynierii białek.
W co wierzymy
Modele powinny znać swoje ograniczenia
W nauce o białkach pewna siebie, ale błędna predykcja może skierować badania na złą drogę na miesiące. Kwantyfikacja niepewności, czyli wiedza o tym, gdzie model się broni, a gdzie nie, to część tego, co interesuje nas w każdym modelu.
Fizyka i dane się uzupełniają, nie konkurują
Czyste modele ML mogą uczyć się pozornych korelacji. Czysta fizyka jest kosztowna obliczeniowo. Najlepsze narzędzia w biologii obliczeniowej używają obu: rozpoznawania wzorców opartego na danych i osadzonego w zasadach fizycznych.
Modele podpowiadają, które eksperymenty warto zrobić
Model predykcyjny nie zastępuje eksperymentu, tylko generuje hipotezy: zawęża przestrzeń możliwych wariantów do tych kilku, które faktycznie warto sprawdzić w laboratorium. Im mniejsza ta przestrzeń, tym szybciej powstaje nowa wiedza.