Mappe delle evidenze
Malattie, geni, target, molecole e studi in un'unica mappa con fonti, dove le contraddizioni restano visibili e ogni inferenza è indicata come tale.
In preparazione - accesso su invito
DNOVA by NEO AI
Intelligenza biotech, consegnata con la sua prova.
DNOVA è la piattaforma NEO AI in costruzione per aprire la biologia computazionale a team biotech, investitori e partner di ricerca. Mappe delle evidenze, dossier sui target, valutazioni di modelli e revisioni di asset, preparati con LILI e consegnati ciascuno con le sue fonti, i suoi limiti e una prova che chiunque può verificare.
Illustrazione artistica, non una struttura. Trascinala per ruotarla.
La maggior parte dell'IA nel biotech fornisce una risposta. DNOVA fornirà la risposta, i dati da cui proviene, le elaborazioni che l'hanno prodotta e ciò che non può dimostrare.
8funzionalità in preparazione su un'unica piattaforma
4attestazioni di prova indipendenti su ogni risultato consegnato
50+fonti di dati pubbliche nel perimetro dei connettori, ciascuna qualificata prima dell'uso
1cervello IA, LILI, condiviso con ogni verticale NEO AI
La piattaforma
Ciò che DNOVA è progettata per offrire
Otto funzionalità su un'unica piattaforma, che condividono le stesse fonti, lo stesso modello di prova e la stessa IA. Ciascuna è in preparazione: nulla qui è venduto o disponibile oggi.
Dossier sui target
Le evidenze a favore e contro un target, una ricerca di anteriorità che cita le sue fonti e un piano di validazione. Mai una previsione clinica.
Molecole e target
Strutture, target e misure di attività con unità, specie e protocollo. IC50, EC50, Ki e Kd non vengono mai confusi; strutture predette e sperimentali sono sempre distinte.
Valutazione dei modelli di immagine
Il comportamento reale di un modello di segmentazione o conteggio su immagini biologiche, confrontato su protocolli identici, con dati separati per piastra, laboratorio o donatore.
Valutazione dei modelli cellulari
Se un modello a singola cellula o di perturbazione si generalizza a contesti mai visti, rispetto a riferimenti semplici, con la sua incertezza.
Monitoraggio clinico e competitivo
Studi clinici e programmi per malattia, target, molecola, promotore e fase, con ogni modifica delle fonti datata.
Revisioni di asset
Una revisione scientifica, competitiva e operativa di un asset biotech, con i documenti mancanti e le domande da porre. Fatti, dichiarazioni dell'azienda e nostra valutazione restano separati.
Spazi per i partner
Spazi di progetto privati per laboratori partner, revisori e auditor, con ruoli e permessi per azione, progetto e categoria di dati.
Per chi
Pensata per chi deve decidere sulla base delle evidenze
01
Team biotech e farmaceutici
Target, molecole e modelli esaminati su dati pubblici, con i limiti dichiarati prima della decisione, non dopo.
02
Investitori e fondi
Revisioni di asset che separano ciò che è documentato, ciò che è dichiarato e ciò che è valutato, con l'elenco delle domande aperte.
03
Laboratori di ricerca
Valutazioni su dati riservati, spazi per i partner e validazioni esterne registrate con il loro protocollo e i loro limiti.
04
Istituzioni e finanziatori
Dossier riproducibili che un revisore o un auditor può verificare senza doversi fidare di noi.
I motori
Tre motori di ricerca di NEO Bio n Tech
DNOVA si basa sui programmi di ricerca computazionale di NEO Bio n Tech, la verticale di ricerca di NEO AI. Ciascuno pone domande precise e misurabili a dati pubblici esistenti e indica ciò che è stato calcolato, ciò che richiederebbe un laboratorio e ciò che resta ignoto.
Illustrazione - dati sintetici
- Collegamento con fonte
- Dedotto da un modello
- Evidenza contraria
Mappe delle evidenze e ipotesi verificabili
Discovery Atlas
Malattie, geni, proteine, molecole, vie, studi clinici e pubblicazioni, collegati da relazioni che portano ciascuna una fonte, una versione, un tipo di evidenza e i loro limiti.
Domande a cui risponde
- Quali evidenze genetiche umane, di espressione e di intervento sostengono o contraddicono un target per un'indicazione definita?
- Quali ipotesi restano poco esplorate dopo una ricerca di anteriorità documentata?
- Quanto di un consenso apparente deriva da studi indipendenti anziché dallo stesso insieme di dati riutilizzato?
Cosa produce
- Mappe delle evidenze con fonti, date e versioni
- Ipotesi verificabili con controargomenti e piano di validazione
- Dossier di evidenze con un pacchetto di prova sigillato
Limite dichiarato in anticipo. L'assenza di risultati nelle fonti consultate non dimostra che non esista alcuna anteriorità.
Immagine grezzaMaschere del modelloTrascini la linea
Illustrazione - dati sintetici
Come si comportano davvero i modelli di immagine
BioVision
Segmentazione, conteggio e morfologia su immagini biologiche, confrontati esattamente sullo stesso protocollo, con dati separati per piastra, laboratorio o donatore invece che per immagine casuale.
Domande a cui risponde
- Un modello di segmentazione mantiene la sua precisione su immagini di un laboratorio che non ha mai visto?
- I benchmark più diffusi sovrastimano le prestazioni perché le immagini di addestramento e di test condividono piastre o fonti?
- Quali modalità di errore prevalgono, e a quale costo?
Cosa produce
- Benchmark con intervalli di confidenza, tempi di calcolo e costi
- Casi di errore conservati e mostrati, non filtrati
- Report riproducibili basati su risultati reali
Limite dichiarato in anticipo. Nessun miglioramento viene annunciato prima di essere misurato su una partizione di test bloccata.
Illustrazione - dati sintetici
Previsioni che devono generalizzare
Cell Intelligence
Dati a singola cellula e di perturbazione analizzati con statistiche documentate, e modelli confrontati con riferimenti semplici su perturbazioni o contesti cellulari mai visti.
Domande a cui risponde
- Un modello candidato supera i riferimenti senza variazione, media e lineare su perturbazioni riservate, tenendo conto dell'incertezza?
- Quali firme restano coerenti tra studi, donatori e lotti?
- Dove falliscono i modelli: per tipo cellulare, per classe di perturbazione, per insieme di dati?
Cosa produce
- Confronti con i riferimenti con intervalli di confidenza
- Studi di benchmark, risultati negativi inclusi
- Schede dei modelli registrate nel Proof Ledger
Limite dichiarato in anticipo. La vicinanza in una proiezione è un aiuto visivo, non un meccanismo.
Come si svolge un incarico
Dalla Sua domanda a un risultato verificabile
Ogni incarico segue lo stesso percorso. Ogni fase lascia una traccia datata e firmata, e le fasi che richiedono una decisione umana non possono essere saltate dal software.
- 01
Definire la domanda
Uno scienziato designato e il Suo team concordano una domanda precisa e verificabile. Si ricercano i lavori precedenti e si elencano le fonti consultate.
- 02
Fissare protocollo e diritti
Riferimenti di confronto, metriche, separazione dei dati, criteri di arresto e diritti sui dati vengono versionati prima di toccare i dati di test finali.
- 03
Calcolare con provenienza
Ogni elaborazione registra versioni dei dati, codice, modello, parametri, semi ed ambiente. I tentativi falliti e i risultati negativi vengono conservati.
- 04
Revisionare, sigillare, consegnare
Un revisore diverso dall'autore valuta una versione precisa. Il dossier viene sigillato e marcato temporalmente, e Lei riceve una prova che può verificare da sé.
LILI, la scienziata IA
Un'IA che mostra il proprio lavoro
LILI è l'unico cervello di NEO AI, condiviso con ogni verticale. In DNOVA prepara i protocolli, cerca le fonti, avvia le pipeline e redige i dossier, e Le mostra il piano, le fonti, gli strumenti e il costo prima e dopo aver agito.
Ruoli separati
Ricerca, calcolo, critica e redazione sono affidati ad agenti distinti. L'accordo tra agenti non è una validazione indipendente.
Diritti verificati sul server
Ogni chiamata a uno strumento viene verificata rispetto ai Suoi permessi. I testi trovati in articoli e file sono trattati come dati non affidabili.
Firma un essere umano
Un revisore specializzato firma ogni conclusione scientifica che lascia la piattaforma.
Chieda a LILI di
- Confrontare tre target per una malattia
- Spiegare evidenze contraddittorie
- Avviare la valutazione di un modello di immagine
- Confrontare risposte cellulari
- Preparare un dossier riproducibile
- Spiegare perché un risultato non è pronto per essere condiviso
>
Piano
- Raccogliere evidenze genetiche, di espressione e di intervento per ogni target
- Eliminare i doppioni degli studi ripresi in più banche dati
- Mappare i collegamenti a favore e contro
- Redigere un confronto con i suoi limiti
Fonti consultate
Open TargetsGWAS CatalogGTExChEMBLClinicalTrials.govEurope PMC
Strumenti utilizzati
atlas.evidence_map() · studies.deduplicate() · graph.contradictions()
Proof Ledger
Quattro attestazioni, mai un unico bollino verde
Ogni risultato consegnato porta quattro attestazioni distinte. Non vengono mai unite, perché un risultato può essere integro ma non riprodotto, oppure revisionato ma non pubblicato.
Integrità tecnica
I file corrispondono alle impronte registrate.
Riproducibilità
Se il risultato è stato ricalcolato, da chi e con quale tolleranza.
Validazione scientifica
Evidenza computazionale, esperimento esterno o replica indipendente, dichiarati come tali.
Stato di pubblicazione
Interno, preprint o sottoposto a revisione paritaria, con la cronologia delle versioni.
Come viene sigillato un dossier
Ogni file di un dossier riceve un'impronta. Le impronte vengono combinate in un'unica radice, firmata, marcata temporalmente da una terza parte e ancorata su una rete pubblica. Chiunque possieda i file può verificarli.
Un ancoraggio blockchain dimostra che un'impronta esisteva a una certa data. Non dimostra che un risultato sia vero, nuovo o di proprietà di qualcuno.
Illustrazione. Le impronte vengono calcolate in diretta nel Suo browser.
Integrità scientifica
Ciò che il calcolo può e non può stabilire
| Domanda | Con il calcolo | Richiede un laboratorio |
|---|---|---|
| Un gene è associato a una malattia nelle fonti consultate? | Sì, con fonti, versioni e popolazioni indicate | No |
| Modulare un target modifica la biologia della malattia? | Solo come ipotesi, con le sue evidenze a favore e contro | Sì, con un protocollo registrato insieme a un laboratorio partner |
| Un modello di segmentazione si generalizza a un nuovo laboratorio? | Sì, su dati pubblici riservati e separati per fonte | Solo se non esistono dati pubblici indipendenti |
| Una risposta di perturbazione predetta si conferma in cellule reali? | Concordanza con misure pubbliche riservate | Sì, per nuovi sistemi cellulari e nuove perturbazioni |
Non gestiamo un laboratorio fisico. Quando un'ipotesi richiede un esperimento, viene testata con laboratori partner secondo un protocollo registrato, e l'indipendenza di tale test viene dichiarata.
Universo dei dati
Costruita sull'infrastruttura aperta della biologia
Pubblicazioni, genetica, molecole, proteine, cellule, immagini, studi clinici e ontologie, raggiunti tramite interfacce ufficiali e download. Ogni fonte viene qualificata per accesso, licenza e diritti prima di essere utilizzata.
Pubblicazioni
PubMed · PubMed Central · Europe PMC · BioStudies
Malattie e genetica
Open Targets · GWAS Catalog · ClinVar · gnomAD · GTEx · Ensembl · NCBI Gene · RefSeq · NCBI Datasets · Human Protein Atlas
Molecole
ChEMBL · PubChem · BindingDB · ChEBI
Proteine e vie
UniProt · EMBL-EBI Proteins API · RCSB PDB · AlphaFold Database · InterPro · Reactome · STRING
Cellule e perturbazioni
GEO · SRA · ENA · CELLxGENE Discover · CELLxGENE Census · scPerturb · Tahoe-100M · LINCS · Connectivity Map · DepMap · CCLE · Open Problems · MetaboLights · MGnify
Immagini biologiche
BioImage Archive · IDR · BBBC · Cell Painting Gallery · JUMP Cell Painting · RxRx
Studi clinici e dati di sanità pubblica
ClinicalTrials.gov · AACT · openFDA · GDC
Ontologie e brevetti
OLS · Gene Ontology · HPO · MONDO · Cell Ontology · EFO · EPO OPS · Lens
Fonti nel perimetro dei connettori. Un nome in questo elenco non indica una partnership, un'approvazione o un'integrazione testata. Le fonti ad accesso riservato restano riservate.
Costruita su NEO AI
Un solo cervello, dati separati, audit completo
Una sola LILI
DNOVA utilizza la stessa LILI di ogni verticale NEO AI, tramite un gateway versionato. Nessun secondo cervello, nessuna chiave di fornitore propria.
I Suoi dati restano Suoi
DNOVA mantiene il proprio database, i propri utenti, strumenti e permessi. I dati di partner e clienti non alimentano mai la ricerca o i modelli senza un diritto scritto specifico.
Super Admin centrale
Configurazione, utenti, diritti, quote, budget, sospensione e audit, dalla console condivisa di NEO AI. Ogni accesso eccezionale è motivato e registrato.
Account su invito
Nessuna registrazione aperta. Partner, revisori e auditor sono invitati su progetti definiti, con ruoli e permessi per azione, progetto e categoria di dati.
Accesso
DNOVA si apre su invito
Per team biotech, investitori, laboratori partner, revisori e auditor che lavorano su progetti definiti. Ci dica chi è e su cosa lavora, e La ricontatteremo.