Blog
Dłuższe teksty zespołu cancer3.ai — wyjaśnione starannie, zilustrowane i oparte na źródłach.
Trzydzieści cztery litery zamka: jak działają modele przewidujące prezentację antygenu
Poprzedni artykuł poświęcił modelom prezentacji antygenu pięć akapitów. Tutaj rozbieramy je do końca — i od zera, bez zakładania wiedzy z biologii. Czym jest allel i dlaczego ta sama komórka wygląda inaczej dla dwóch osób, skąd wziął się pomysł opisania rowka HLA trzydziestoma czterema literami, jak fizycznie powstają dane w spektrometrze mas, dlaczego model sam dorabia sobie brakujące etykiety i co naprawdę mierzą liczby, którymi te narzędzia się chwalą.
Czytaj artykuł →
Algorytmy za szczepionką: jakie modele uczenia maszynowego wybierają 34 cele nowotworu
Zindywidualizowana szczepionka mRNA celuje w 34 neoantygeny wybrane spośród tysięcy mutacji. Tego wyboru nie robi człowiek — robią go sieci neuronowe. Rozbieramy pipeline krok po kroku: od wykrywania mutacji, przez pan-specyficzne modele prezentacji antygenu, po uczenie głębokie na spektrometrii mas — i mówimy wprost, gdzie kończy się wiedza publiczna, a zaczyna tajemnica firmowa.
Czytaj artykuł →
Szczepionki mRNA na raka: jak uczą układ odpornościowy rozpoznawać nowotwór
Pierwszy w historii pozytywny wynik fazy 3 dla terapii mRNA w onkologii. Wyjaśniamy krok po kroku — z ilustracjami — jak zindywidualizowana szczepionka uczy układ odpornościowy rozpoznawać nowotwór konkretnego pacjenta.
Czytaj artykuł →Ta strona ma charakter edukacyjny — nie stanowi porady medycznej i nie zastępuje konsultacji z onkologiem. Decyzje diagnostyczne i terapeutyczne podejmuje wyłącznie lekarz specjalista.