Bioz是一个商业平台，将人工智能应用于生命科学领域科学文献的发现与解读。该公司成立于2013年，总部位于加利福尼亚州洛斯阿尔托斯，开发软件工具以帮助研究人员从已发表的研究中识别试剂、实验方案和实验产品。该平台的主要输出是一个可搜索的生物学和化学产品数据库，每个产品都附有来自全文文章的证据注释，并按实验背景进行结构化整理。
公司由担任首席执行官的Karin Lachmi和担任首席技术官的Ori Perlman共同创立。在创立Bioz之前，Lachmi从事学术研究，并联合创办了一家遗传学初创公司，这促使她萌生了构建一款工具以减少寻找可靠实验材料障碍的目标。Perlman则拥有软件工程和数据分析的背景。公司通过多轮融资筹集了约2000万美元，投资者包括英特尔资本，后者参与了2019年一轮1250万美元的融资。
Bioz的技术专注于实验可重复性问题。数百万篇研究论文中包含隐藏或不完整的产品描述，这使得科学家难以复现实验结果。Bioz搜索出版物的全文，并利用机器学习和其他深度学习技术来提取和分析产品提及，如试剂、抗体、试剂盒和设备。随后，它对这些产品进行评分，以显示其在给定实验背景下预期有效的可能性。
平台与技术
Bioz平台索引了来自超过2500万篇生命科学研究文章的数千万个数据点。利用大型语言模型和其他AI方法，它处理文章以识别产品名称、其与实验方案的关系以及实验结果。该系统集成了搜索工具，允许研究人员输入查询，AI生成的结果超越了简单的关键词匹配。它通过专有的“Bioz评分”对这些结果进行排序，该评分反映了每种产品在特定背景下使用的证据预测质量。
该平台提供几款关键产品，包括Bioz搜索、Bioz API和Bioz解决方案。Bioz搜索是免费的网页界面，允许用户查找产品并获得情境化结果，包括从论文中提取的证据摘要。Bioz API允许组织将这些搜索和评分功能集成到其内部系统中，如电子实验室笔记本或实验室信息管理系统。Bioz解决方案是一套面向生命科学供应商的数据驱动工具，用于帮助他们改进营销和电子发现策略。
Bioz还提供了一款Chrome扩展程序，作为AI驱动的助手。该工具实时帮助研究人员，，它检测网页和浏览器中的产品提及，将其链接到基础证据，并让用户在不丢失浏览上下文的情况下直接访问相关数据。
AI与技术
Bioz的方法依赖于生成式AI、深度学习和神经网络架构的组合。创始人将该技术描述为类似于为生命科学实验构建一个谷歌，但具备理解产品使用方式和背景的能力。Bioz的系统不是简单地返回所有提及某产品的文章，而是识别具体内容，，如研究的方法、实验类型、所用物种以及与实验相关的结果。
为实现这一目标，Bioz开发和使用了定制模型，这些模型处理全文PDF并将其转换为结构化JSON格式的实验元数据。这包括配对试剂、试剂、设备以及具体实验条件等细节。公司内部将该系统的目标称为几种类型的“深度机器学习模型”，这些模型基于公开文章以及由科学家团队生成和标注的专有数据集进行训练。
Bioz获得了AI社区的认可：2019年，该公司赢得了亚马逊Hinds AI创新挑战赛，并于2020年入选NVIDIA Inception计划。这些荣誉凸显了其在GPU计算方面的专业应用和创新实践。
集成与合作伙伴关系
Bioz与主要机构和出版商建立了联盟。2019年，它宣布与自然出版集团平台合作，为新的生命科学发现工具提供基础数据。次年，该公司与谷歌云合作，以扩展其能力并展示其基于云的AI工作流的扩展性。
2021年，Bioz推出了与主要生命科学供应商MilliporeSigma的集成，使该公司能够将其Bioz评分连接到供应商自己的网站，以便客户查看产品的预测性能。这一合作对塑造公司的商业模式具有重要意义，即从向市场和供应商销售转变为利用其数据进行有针对性的产品推荐。
该平台还服务于学术机构和生物技术公司。其用户包括希望快速识别新实验最佳工具的研究团队，以及希望了解其产品被引用情况并为营销团队提供证据的供应商。
融资与增长
根据公开记录，Bioz筹集了2000万美元。其首轮主要融资是在2016年作为种子轮进行的，包括私人投资者的贡献。2019年，该公司完成了由英特尔资本领投的1250万美元A轮融资，这被视作对生命科学领域AI的投资。2023年，Bioz又筹集了一轮未披露金额的融资，使其总额增至约2000万美元。
公司在美国和以色列设有办事处，其研发团队位于以色列。总部设在加利福尼亚州洛斯阿尔托斯。
挑战
Bioz面临的一个挑战是生命科学文献的广泛性和非结构化特性。已发表的研究往往省略了精确细节，如产品的确切浓度、供应商或目录号，这使得实验难以复现。Bioz的AI致力于填补这些空白，将文本提取与领域知识相结合，以生成结构化元数据。然而，提取数据的质量仍然是未来的一个关注点，验证模型输出准确性的审慎方法也是如此。
另一个挑战是将其专有评分与快速变化的研究领域相整合。Bioz持续从新发表的文章中学习，这意味着其评分模型可以随着时间推移而改进。然而，关于产品过去表现能在多大程度上预测其在实验中的未来效用，以及其评分的可解释性，仍存在疑问。
未来方向
Bioz定位于更广泛的AI驱动生命科学研究运动的一部分。其数据结构使其能够作为其他应用的基础，如预测现有药物或细胞系的新用途，并且是产品的一个组成部分。随着AI领域的发展，Bioz很可能会被视为一种工作流工具，特别是在自动化高通量环境中。该公司寻求继续增长，并加强与大型云提供商和主流供应商的合作组合。
该公司未披露未来计划，但旨在推进其愿景，即让每一项生物医学发现更快、更具可重复性。在此过程中，它也在关注OpenAI生态系统。
参见
- 生物学主题
- 机器学习在生物信息学中的应用
- OpenAI及其应用
- Google DeepMind