Minos

Minos s'attaque à l'un des plus grands défis de la génomique : le manque de données d'entraînement à grande échelle dû aux contraintes de confidentialité. Le Subnet construit une infrastructure pour générer et valider des données génomiques synthétiques, créant ainsi une ressource inestimable pour la recherche en IA.

Les points techniques clés :

• Génération de Données à l'Échelle: Utilisation du moteur propriétaire Helix Forge, basé sur CUDA, pour créer des millions de génomes synthétiques injectés de mutations spécifiques, simulant des maladies réelles.

• Mécanisme d'Incitation: Les Miners ne produisent pas les données. Ils concourent pour trouver les meilleures configurations d'outils de variant calling (détection de mutations) afin d'identifier avec précision les mutations cachées dans les données synthétiques fournies.

• Validation Décentralisée: Les Validators vérifient de manière indépendante et déterministe les solutions proposées par les Miners. Ce processus de "peer-review" sans confiance garantit la reproductibilité et la qualité des méthodes de détection, un enjeu majeur en recherche scientifique.

• Création de "Twin Biobanks": La finalité est de produire des copies synthétiques et validées de biobanques de patients réels. Ces ensembles de données peuvent être partagés sans friction pour entraîner des modèles d'IA.

En fin de compte, Minos fournit l'infrastructure de données essentielle pour que l'écosystème biotechnologique puisse développer des modèles d'IA avancés pour la recherche génétique et la découverte de médicaments, tout en contournant les obstacles liés à la confidentialité des données des patients.