PreciousGPT 是英矽智能的一组 AI 模型，
旨在实现数字组学实验
旨在实现数字组学实验
通过用组学水平数据训练大型语言模型，英矽智能创造了一种以最低成本进行临床前研究的新方法。Precious 模型使科学家能够使用真实的合成数据快速检验假设。
- Precious1GPT
一种具有衰老时钟功能的基于 Transformer 的模型，用于衰老相关病理学研究，具有简单的 Transformer 回归器和 Transformer 分类器架构
- Precious2GPT
- Precious3GPT基于 Transformer 的真正多模态模型，经过专门训练，能够模拟病例对照研究的工作流程，重点关注化学扰动。我们对多种数据类型进行标记化处理，并训练一个全局模型来执行药物发现、衰老研究和合成数据生成领域的多项任务
阅读 Precious3GPT 论文 →
Precious3GPT 是我们最新、最先进的大型语言生命模型 (LLLM/LLoLM)
这种独特的多模态 AI 模型能够整合并解析来自不同细胞系和组织的组学水平数据。它将多个物种的蛋白质组、RNA 测序和 DNA 甲基化数据整合到一起，支持多种实验设置。
得益于与 ChatGPT 兼容的 API，Precious3GPT 可以集成到基于 AI 的自定义工作流程中，以支持复杂的研究管线。
得益于与 ChatGPT 兼容的 API，Precious3GPT 可以集成到基于 AI 的自定义工作流程中，以支持复杂的研究管线。
观看演示视频，了解 Precious3GPT 如何工作
该模型最初被设想为一种用于任意组学年龄预测和条件性多组学合成数据生成的工具且用“一个时钟统管”，后来演变成一个综合性多模式药物发现平台，融合生物学、化学和药物发现等多个领域的大量数据。Precious1GPT 模型于 2022 年首次提出，并于 2023 年发布，以 Apelin 受体在多种年龄相关疾病中的作用为例，展示了发现蛋白质靶点的能力。
Precious2GPT 展示了生成高质量数据的能力，并且正处于同行评审中。Precious3GPT 是一个真正的多模态平台，我们正在与哈佛大学的 Vadim Gladishev 实验室合作，对其进行验证并将其转变为社区资源。
公司计划与多个团队合作开发 Precious3GPT，然后向社区发布。
公司计划与多个团队合作开发 Precious3GPT，然后向社区发布。
Precious模型能够在人体和模式生物组织中实现数字化化合物筛选。
"我们使用 2,500 种化合物在数百种细胞系中诱导的扰动数据来训练我们的模型。
通过将 Precious-3 与 Nach01 结合，我们可以对任何具有 SMILES 所定义结构的化合物进行编码与表征，从而使潜在筛选库几乎无限扩展。"
通过将 Precious-3 与 Nach01 结合，我们可以对任何具有 SMILES 所定义结构的化合物进行编码与表征，从而使潜在筛选库几乎无限扩展。"
出版物
波士顿
1000 Massachusetts Avenue, Suite 126
Cambridge, MA 02138
Cambridge, MA 02138
纽约
Insilico Medicine
Park Avenue South
NY, NY, Suite 010, 10010
Park Avenue South
NY, NY, Suite 010, 10010
蒙特利尔
1250 René-Lévesque Ouest,
Suite 3710, Montréal, Québec,
Canada H3B 4W8
Suite 3710, Montréal, Québec,
Canada H3B 4W8
阿布扎比
Level 6, Unit 08, Block A, IRENA HQ Building Masdar City, Abu Dhabi, United Arab Emirates
上海
上海市浦东新区金科路 2889 弄长泰广场 C 座 9 楼
台北
台湾省台北市信义区基隆路一段 333 号 1303 室
香港
香港新界白石角香港科学园第二期 8W 座 3 楼 310 室