O X-Tour
Jesteśmy firmą biologii obliczeniowej budującą narzędzia AI i potoki symulacyjne do inżynierii białek. Pracujemy na przecięciu uczenia maszynowego i biofizyki molekularnej — gdzie modele predykcyjne spotykają symulacje atomistyczne.
Kim jesteśmy
Nasza praca obejmuje cały stos obliczeniowy dla nauki o białkach: od klasyfikatorów ML opartych na sekwencji, które przewidują regiony skłonne do agregacji i właściwości stabilności, po symulacje dynamiki molekularnej all-atom, które ujawniają dynamikę konformacyjną stojącą 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. Budujemy narzędzia, które łączą jedno z drugim.
Cel jest prosty: budować narzędzia obliczeniowe, które realnie przyczyniają się do rozwoju inżynierii białek i bioleków.
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. Wbudowujemy kwantyfikację niepewności w każdy model i jesteśmy transparentni co do tego, gdzie nasze narzędzia działają dobrze, a gdzie nie.
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 — rozpoznawanie wzorców oparte na danych, osadzone w zasadach fizycznych.
Zbudowane na przecięciu badań i inżynierii
Łączymy akademicki rygor w biofizyce i badaniach ML z pragmatyzmem budowania oprogramowania produkcyjnego. Nasze narzędzia są naukowo solidne i praktycznie użyteczne.
Narzędzia obliczeniowe powinny przyspieszać prawdziwą naukę
Wartość modelu predykcyjnego mierzy się tym, jak bardzo przyspiesza pracę eksperymentalną. Skupiamy się na narzędziach, które skracają drogę od hipotezy do zwalidowanego wyniku w laboratorium.