Evidenzkarten
Krankheiten, Gene, Targets, Moleküle und Studien in einer belegten Karte, in der Widersprüche sichtbar bleiben und jede Schlussfolgerung als solche gekennzeichnet ist.
In Vorbereitung - Zugang auf Einladung
DNOVA by NEO AI
Biotech-Intelligenz, geliefert mit ihrem Nachweis.
DNOVA ist die NEO AI Plattform, die gerade entsteht, um Biotech-Teams, Investoren und Forschungspartnern die computergestützte Biologie zu öffnen. Evidenzkarten, Target-Dossiers, Modellbewertungen und Asset-Prüfungen, mit LILI erstellt und jeweils geliefert mit ihren Quellen, ihren Grenzen und einem Nachweis, den jeder prüfen kann.
Künstlerische Illustration, keine Struktur. Zum Drehen ziehen.
Die meiste KI in der Biotechnologie liefert Ihnen eine Antwort. DNOVA wird Ihnen die Antwort liefern, die Daten, aus denen sie stammt, die Berechnungen, die sie erzeugt haben, und das, was sie nicht beweisen kann.
8Fähigkeiten in Vorbereitung auf einer Plattform
4unabhängige Nachweisaussagen zu jedem Ergebnis
50+öffentliche Datenquellen im Umfang der Konnektoren, jede vor der Nutzung geprüft
1KI-Gehirn, LILI, geteilt mit jeder NEO AI Vertikale
Die Plattform
Was DNOVA liefern soll
Acht Fähigkeiten auf einer Plattform, mit denselben Quellen, demselben Nachweismodell und derselben KI. Jede ist in Vorbereitung: Nichts davon wird heute verkauft oder ist heute verfügbar.
Target-Dossiers
Belege für und gegen ein Target, eine Recherche zum Stand der Technik mit Quellenangaben und ein Validierungsplan. Niemals eine klinische Vorhersage.
Moleküle und Targets
Strukturen, Targets und Aktivitätsmessungen mit Einheiten, Spezies und Protokoll. IC50, EC50, Ki und Kd werden nie vermischt; vorhergesagte und experimentelle Strukturen werden immer unterschieden.
Bewertung von Bildmodellen
Wie sich ein Segmentierungs- oder Zählmodell auf biologischen Bildern wirklich verhält, verglichen mit identischen Protokollen und nach Platte, Labor oder Spender getrennten Daten.
Bewertung von Zellmodellen
Ob ein Einzelzell- oder Perturbationsmodell auf nie gesehene Kontexte generalisiert, im Vergleich zu einfachen Referenzen und mit seiner Unsicherheit.
Klinisches und Wettbewerbsradar
Studien und Programme nach Krankheit, Target, Molekül, Sponsor und Phase, wobei jede Änderung einer Quelle datiert ist.
Asset-Prüfungen
Eine wissenschaftliche, wettbewerbliche und operative Prüfung eines Biotech-Assets, mit den fehlenden Unterlagen und den zu stellenden Fragen. Fakten, Angaben des Unternehmens und unsere Bewertung bleiben getrennt.
Partnerbereiche
Private Projektbereiche für Partnerlabore, Gutachter und Prüfer, mit Rollen und Berechtigungen je Aktion, Projekt und Datenkategorie.
Für wen
Gebaut für alle, die auf Grundlage von Evidenz entscheiden müssen
01
Biotech- und Pharmateams
Targets, Moleküle und Modelle auf öffentlichen Daten untersucht, mit Grenzen, die vor der Entscheidung genannt werden, nicht danach.
02
Investoren und Fonds
Asset-Prüfungen, die Belegtes, Behauptetes und Bewertetes trennen und die offenen Fragen auflisten.
03
Forschungslabore
Bewertungen auf zurückgehaltenen Daten, Partnerbereiche und externe Validierungen, erfasst mit ihrem Protokoll und ihren Grenzen.
04
Institutionen und Förderer
Reproduzierbare Dossiers, die ein Gutachter oder Prüfer kontrollieren kann, ohne uns vertrauen zu müssen.
Die Engines
Drei Forschungs-Engines von NEO Bio n Tech
DNOVA baut auf den Programmen für computergestützte Forschung von NEO Bio n Tech auf, der Forschungsvertikale von NEO AI. Jedes stellt bestehenden öffentlichen Daten enge, messbare Fragen und nennt, was berechnet wurde, was ein Labor erfordern würde und was unbekannt bleibt.
Illustration - synthetische Daten
- Belegte Verbindung
- Von einem Modell abgeleitet
- Widersprechende Evidenz
Evidenzkarten und prüfbare Hypothesen
Discovery Atlas
Krankheiten, Gene, Proteine, Moleküle, Signalwege, Studien und Publikationen, verbunden durch Beziehungen, die jeweils eine Quelle, eine Version, eine Evidenzart und ihre Grenzen tragen.
Fragen, die es beantwortet
- Welche humangenetischen, Expressions- und Interventionsbelege stützen oder widerlegen ein Target für eine definierte Indikation?
- Welche Hypothesen bleiben nach einer dokumentierten Recherche zum Stand der Technik wenig erforscht?
- Wie viel eines scheinbaren Konsenses stammt aus unabhängigen Studien und nicht aus demselben wiederverwendeten Datensatz?
Was es liefert
- Belegte Evidenzkarten mit Daten und Versionen
- Prüfbare Hypothesen mit Gegenargumenten und Validierungsplan
- Evidenzdossiers mit einem versiegelten Nachweispaket
Grenze, die wir vorab nennen. Fehlende Treffer in den geprüften Quellen beweisen nicht, dass es keinen Stand der Technik gibt.
RohbildModellmaskenLinie ziehen
Illustration - synthetische Daten
Wie sich Bildmodelle wirklich verhalten
BioVision
Segmentierung, Zählung und Morphologie auf biologischen Bildern, verglichen mit exakt demselben Protokoll, mit nach Platte, Labor oder Spender statt nach Zufallsbild getrennten Daten.
Fragen, die es beantwortet
- Behält ein Segmentierungsmodell seine Genauigkeit bei Bildern aus einem Labor, das es nie gesehen hat?
- Überschätzen gängige Benchmarks die Leistung, weil Trainings- und Testbilder Platten oder Quellen teilen?
- Welche Fehlerarten überwiegen, und zu welchen Kosten?
Was es liefert
- Benchmarks mit Konfidenzintervallen, Rechenzeit und Kosten
- Fehlerfälle werden behalten und gezeigt, nicht herausgefiltert
- Reproduzierbare Berichte aus echten Ergebnissen
Grenze, die wir vorab nennen. Keine Verbesserung wird angekündigt, bevor sie auf einer gesperrten Testpartition gemessen wurde.
Illustration - synthetische Daten
Vorhersagen, die generalisieren müssen
Cell Intelligence
Einzelzell- und Perturbationsdaten, ausgewertet mit dokumentierter Statistik, und Modelle im Vergleich zu einfachen Referenzen auf Perturbationen oder Zellkontexten, die sie nie gesehen haben.
Fragen, die es beantwortet
- Schlägt ein Kandidatenmodell die Referenzen ohne Änderung, Mittelwert und linear auf zurückgehaltenen Perturbationen, innerhalb der Unsicherheit?
- Welche Signaturen bleiben über Studien, Spender und Chargen hinweg konsistent?
- Wo scheitern Modelle: nach Zelltyp, nach Perturbationsklasse, nach Datensatz?
Was es liefert
- Vergleiche mit Referenzen und Konfidenzintervallen
- Benchmark-Studien, einschließlich negativer Ergebnisse
- Modellsteckbriefe, erfasst im Proof Ledger
Grenze, die wir vorab nennen. Nähe in einer Projektion ist eine Sehhilfe, kein Mechanismus.
So läuft ein Auftrag ab
Von Ihrer Frage zu einem prüfbaren Ergebnis
Jeder Auftrag folgt demselben Weg. Jeder Schritt hinterlässt eine datierte, signierte Spur, und Schritte, die eine menschliche Entscheidung erfordern, kann keine Software überspringen.
- 01
Die Frage festlegen
Ein benannter Wissenschaftler und Ihr Team einigen sich auf eine präzise, prüfbare Frage. Frühere Arbeiten werden recherchiert und die geprüften Quellen aufgeführt.
- 02
Protokoll und Rechte fixieren
Vergleiche, Metriken, Datenaufteilung, Abbruchkriterien und Datenrechte werden versioniert, bevor die finalen Testdaten berührt werden.
- 03
Mit Herkunftsnachweis rechnen
Jeder Lauf erfasst Datenversionen, Code, Modell, Parameter, Seeds und Umgebung. Fehlgeschlagene Läufe und negative Ergebnisse werden behalten.
- 04
Prüfen, versiegeln, liefern
Ein Gutachter, der nicht der Autor ist, bewertet eine genaue Version. Das Dossier wird versiegelt und mit Zeitstempel versehen, und Sie erhalten einen Nachweis, den Sie selbst prüfen können.
LILI, die KI-Wissenschaftlerin
Eine KI, die ihre Arbeit zeigt
LILI ist das eine Gehirn von NEO AI, geteilt mit jeder Vertikale. In DNOVA bereitet sie Protokolle vor, durchsucht Quellen, startet Pipelines und entwirft Dossiers, und sie zeigt Ihnen Plan, Quellen, Werkzeuge und Kosten, bevor und nachdem sie handelt.
Getrennte Rollen
Recherche, Berechnung, Kritik und Verfassen übernehmen getrennte Agenten. Übereinstimmung zwischen Agenten ist keine unabhängige Validierung.
Rechte serverseitig geprüft
Jeder Werkzeugaufruf wird gegen Ihre Berechtigungen geprüft. Text aus Artikeln und Dateien wird als nicht vertrauenswürdige Daten behandelt.
Ein Mensch unterschreibt
Ein fachkundiger Gutachter unterschreibt jede wissenschaftliche Schlussfolgerung, die die Plattform verlässt.
Bitten Sie LILI,
- drei Targets für eine Krankheit zu vergleichen
- widersprüchliche Evidenz zu erklären
- die Bewertung eines Bildmodells zu starten
- zelluläre Reaktionen zu vergleichen
- ein reproduzierbares Dossier vorzubereiten
- zu erklären, warum ein Ergebnis noch nicht geteilt werden kann
>
Plan
- Genetische, Expressions- und Interventionsbelege für jedes Target sammeln
- Studien entdoppeln, die in mehreren Datenbanken vorkommen
- Stützende und widersprechende Verbindungen kartieren
- Einen Vergleich mit seinen Grenzen verfassen
Geprüfte Quellen
Open TargetsGWAS CatalogGTExChEMBLClinicalTrials.govEurope PMC
Aufgerufene Werkzeuge
atlas.evidence_map() · studies.deduplicate() · graph.contradictions()
Proof Ledger
Vier Aussagen, nie ein einziges grünes Siegel
Jedes Ergebnis trägt vier getrennte Aussagen. Sie werden nie zusammengefasst, denn ein Ergebnis kann intakt und doch nicht reproduziert sein, oder geprüft und doch nicht veröffentlicht.
Technische Integrität
Die Dateien entsprechen ihren erfassten Fingerabdrücken.
Reproduzierbarkeit
Ob das Ergebnis erneut berechnet wurde, von wem und mit welcher Toleranz.
Wissenschaftliche Validierung
Rechnerische Evidenz, externes Experiment oder unabhängige Replikation, als solche ausgewiesen.
Veröffentlichungsstatus
Intern, Preprint oder begutachtet, mit seiner Versionsgeschichte.
Wie ein Dossier versiegelt wird
Jede Datei eines Dossiers erhält einen Fingerabdruck. Die Fingerabdrücke werden zu einer Wurzel zusammengeführt, signiert, von einem Dritten mit Zeitstempel versehen und in einem öffentlichen Netzwerk verankert. Wer die Dateien besitzt, kann sie prüfen.
Eine Blockchain-Verankerung beweist, dass ein Fingerabdruck zu einem Zeitpunkt existierte. Sie beweist nicht, dass ein Ergebnis wahr, neu oder Eigentum von jemandem ist.
Illustration. Die Fingerabdrücke werden live in Ihrem Browser berechnet.
Wissenschaftliche Integrität
Was Berechnung belegen kann und was nicht
| Frage | Durch Berechnung | Erfordert ein Labor |
|---|---|---|
| Ist ein Gen in den geprüften Quellen mit einer Krankheit assoziiert? | Ja, mit Angabe von Quellen, Versionen und Populationen | Nein |
| Verändert die Modulation eines Targets die Krankheitsbiologie? | Nur als Hypothese, mit ihren stützenden und widersprechenden Belegen | Ja, nach einem erfassten Protokoll mit einem Partnerlabor |
| Generalisiert ein Segmentierungsmodell auf ein neues Labor? | Ja, auf zurückgehaltenen, nach Quelle getrennten öffentlichen Daten | Nur wenn keine unabhängigen öffentlichen Daten existieren |
| Bestätigt sich eine vorhergesagte Perturbationsantwort in echten Zellen? | Übereinstimmung mit zurückgehaltenen öffentlichen Messungen | Ja, für neue Zellsysteme und neue Perturbationen |
Wir betreiben kein physisches Labor. Erfordert eine Hypothese ein Experiment, wird sie mit Partnerlaboren nach einem erfassten Protokoll getestet, und die Unabhängigkeit dieses Tests wird angegeben.
Datenuniversum
Gebaut auf der offenen Infrastruktur der Biologie
Publikationen, Genetik, Moleküle, Proteine, Zellen, Bilder, Studien und Ontologien, erreicht über offizielle Schnittstellen und Downloads. Jede Quelle wird vor der Nutzung auf Zugang, Lizenz und Rechte geprüft.
Publikationen
PubMed · PubMed Central · Europe PMC · BioStudies
Krankheiten und Genetik
Open Targets · GWAS Catalog · ClinVar · gnomAD · GTEx · Ensembl · NCBI Gene · RefSeq · NCBI Datasets · Human Protein Atlas
Moleküle
ChEMBL · PubChem · BindingDB · ChEBI
Proteine und Signalwege
UniProt · EMBL-EBI Proteins API · RCSB PDB · AlphaFold Database · InterPro · Reactome · STRING
Zellen und Perturbationen
GEO · SRA · ENA · CELLxGENE Discover · CELLxGENE Census · scPerturb · Tahoe-100M · LINCS · Connectivity Map · DepMap · CCLE · Open Problems · MetaboLights · MGnify
Biologische Bilder
BioImage Archive · IDR · BBBC · Cell Painting Gallery · JUMP Cell Painting · RxRx
Studien und öffentliche Gesundheitsdaten
ClinicalTrials.gov · AACT · openFDA · GDC
Ontologien und Patente
OLS · Gene Ontology · HPO · MONDO · Cell Ontology · EFO · EPO OPS · Lens
Quellen im Umfang der Konnektoren. Ein Name auf dieser Liste bedeutet keine Partnerschaft, keine Empfehlung und keine getestete Integration. Zugangsbeschränkte Quellen bleiben beschränkt.
Gebaut auf NEO AI
Ein Gehirn, getrennte Daten, vollständiges Audit
Eine LILI
DNOVA nutzt dieselbe LILI wie jede NEO AI Vertikale, über ein versioniertes Gateway. Kein zweites Gehirn, keine eigenen Anbieterschlüssel.
Ihre Daten bleiben Ihre
DNOVA hat eine eigene Datenbank, eigene Nutzer, Werkzeuge und Berechtigungen. Daten von Partnern und Kunden fließen nie ohne ein ausdrückliches schriftliches Recht in Forschung oder Modelle ein.
Zentraler Super Admin
Konfiguration, Nutzer, Rechte, Kontingente, Budgets, Sperrung und Audit über die gemeinsame NEO AI Konsole. Jeder Ausnahmezugriff wird begründet und protokolliert.
Konten auf Einladung
Keine offene Registrierung. Partner, Gutachter und Prüfer werden zu definierten Projekten eingeladen, mit Rollen und Berechtigungen je Aktion, Projekt und Datenkategorie.
Zugang
DNOVA öffnet sich auf Einladung
Für Biotech-Teams, Investoren, Partnerlabore, Gutachter und Prüfer, die an definierten Projekten arbeiten. Sagen Sie uns, wer Sie sind und woran Sie arbeiten, und wir melden uns bei Ihnen.