
A neurodegeneratív kutatás szétszórtan él. Az irodalom az egyik fiókban, a kísérleti protokollok a másikban, a sejtadatok egy harmadikban, a gyógyszer-eredmények megint máshol. Az AI Discovery ezt a szétszórtságot fogja össze hat önálló alkalmazással, amelyek együtt végigkísérik a kutatás teljes útját. Közös sötét felület fogja őket össze, és mindegyik ugyanabból az adatfilozófiából dolgozik.
Az út ott kezdődik, ahol egy kutató is kezdi, az olvasásnál. Az irodalomfigyelő pásztázza a PubMedet, megkeresi a fehér foltokat a szakirodalomban, és hipotéziseket vet fel. Amikor összeáll egy kérdés, jön a kísérlettervező. Itt készülnek a protokollok verziókövetéssel, a hatóanyag-táblázatok, a statisztikai tervezés és a projekt idővonala.
A kísérletből adat lesz, azt pedig meg kell nézni. A sejtelemző az iPSC-vonalakat, a génexpressziós heatmapeket, a volcano plotokat és a differenciálódás követését hozza egy helyre. Innen a gyógyszer felé fordul a munka. A gyógyszer-adatbázisban ott vannak a betegspecifikus vonalak, a dózis-válasz görbék és egy kereshető vegyület-adatbázis. Amit a labor közben csinál, azt a munkafolyamat tartja rendben, feladattáblával, labornaplóval, protokoll-verziókkal és pályázatkövetéssel. A kör pedig ott zárul, ahol a kutatás értelmet nyer mások számára. A tudománykommunikációs felület tartalomkészítőt, előadástervezőt és közönség-statisztikát ad, hogy az eredmény el is jusson valakihez.
Az AI-folyamatok a legtöbb embernek elvontak. Hallja, hogy „automatizálás”, de nem látja, mi történik valójában. Egy tudás-intenzív területet választottam, mert itt jól látszik, hogyan kapcsolódik egymáshoz több AI-eszköz. Mindegyik megáll a maga lábán, de együtt egyetlen rendszert adnak ki.
Konzultáción és bemutatón használom. Percek alatt megmutatja, hogy néz ki belülről egy több alkalmazásból álló AI-rendszer, még mielőtt bárki döntene. Egy szervezet így előre látja, mire számíthat, ha a saját munkafolyamataira építünk valami hasonlót.