La evolución de los biobancos y su papel en la oncología de precisión

A Un biobanco es un repositorio especializado que facilita la recolección, el almacenamiento y la gestión sistemáticos de una amplia variedad de muestras biológicas, como tejidos, sangre, ADN y otros biomateriales, junto con la información clínica y demográfica asociada de las personas. Estas muestras se conservan en condiciones controladas, a menudo a temperaturas extremadamente bajas, para mantener su integridad para futuras investigaciones y fines médicos. Los biobancos desempeñan un papel crucial en la investigación biomédica al proporcionar un valioso recurso de bien anotado bioespecímenes para estudiar enfermedadescomprender sus mecanismos subyacentes y desarrollar tratamientos personalizados.1-4

Los orígenes de los biobancos se remontan a los primeros esfuerzos científicos por comprender la biología y las enfermedades humanas. Desde las antiguas colecciones anatómicas hasta los primeros métodos de conservación de tejidos, los seres humanos practicaron la recolección y el almacenamiento sistemáticos de muestras biológicas durante siglos, aunque de forma rudimentaria. Sin embargo, a mediados del siglo XXEl En el siglo XIX, el rápido progreso en genética, biología molecular y diagnósticos médicos puso de relieve la necesidad de disponer de repositorios estructurados de muestras biológicas. Los científicos y los médicos se dieron cuenta de que, para desentrañar los misterios de enfermedades como el cáncer, necesitaban tener acceso a muestras diversas y bien anotadas. Esta constatación marcó el nacimiento de las prácticas modernas de biobancos.

Desafíos en la investigación del cáncer: la necesidad de biobancos

A mediados de los años 20El En el siglo XX, el cáncer, con su etiología compleja y sus diversas manifestaciones, planteó enormes desafíos a los investigadores y médicos. Los enfoques tradicionales para estudiar el cáncer a menudo no lograban captar las complejidades de la enfermedad a nivel molecular debido a la escasez de muestras tumorales recolectadas tanto en términos de cantidad como de anotación estandarizada. Esta variabilidad y escasez obstaculizaron Investigación exhaustiva esfuerzos y obstaculizaron el progreso en la comprensión Las complejidades del cáncer.5,6

El disponibilidad de bien anotado biobancario muestras permitió a los investigadores correlacionar datos genéticos y moleculares con resultados clínicos, identificar biomarcadores y estudiar la progresión de la enfermedad.7,8 La llegada de la medicina de precisión marcó un cambio de paradigma en la atención oncológica, que se alejó de un enfoque de talla única para un modelo personalizado y centrado en el paciente. En el centro de la oncología de precisión se encuentra la integración de datos genéticos, moleculares y clínicos para orientar estrategias de tratamiento personalizadas. Este enfoque reconoce que el cáncer de cada paciente es único y está influenciado por variaciones genéticas, factores ambientales y opciones de estilo de vida.

Los biobancos desempeñan un papel fundamental en la oncología de precisión al proporcionar las muestras biológicas necesarias para la elaboración de perfiles moleculares y el descubrimiento de biomarcadores. Analizando La genética y características moleculares de los tumores, los médicos pueden identificar mutaciones procesables y seleccionar Terapias dirigidas que tienen más probabilidades de ser eficaces para Cada paciente. 9–12 Este enfoque específico minimiza los riesgos de tratamientos ineficaces y reduce los posibles efectos secundarios.

La multiómica se une a la biobanca para acelerar la investigación del cáncer

El proceso de descubrimiento de biomarcadores implica análisis de datos a gran escala, colaboración entre equipos multidisciplinarios y estudios de validación, un inconveniente del pasado que ahora se facilita a través de los biobancos.

Recientemente, la integración de datos multiómicos ha surgido como una piedra angular de la investigación contemporánea sobre el cáncer. analizando la genómicatranscriptómica, proteómicaAl utilizar datos de metabolómica y epigenómica, los investigadores obtienen una comprensión integral de la biología del cáncer y su heterogeneidad.13,14 Este enfoque holístico considera las interacciones complejas entre genes, proteínas, metabolitos y elementos reguladores que impulsan la progresión del cáncer.

Los biobancos proporcionan muestras biológicas esenciales para el análisis multiómico, lo que impulsa descubrimientos en la patogénesis del cáncer y objetivos terapéuticos. Por ejemplo, los datos genómicos obtenidos de muestras almacenadas en biobancos pueden identificar mutaciones genéticas asociadas con subtipos de cáncer o resistencia a medicamentos. El análisis transcriptómico revela patrones de expresión genética que pueden indicar la agresividad de la enfermedad o la respuesta a la inmunoterapia. Los perfiles proteómicos y metabolómicos ofrecen información sobre las vías celulares y las alteraciones metabólicas en las células cancerosas.

Integración de datos de diferentes ómicas Las capas permiten a los investigadores descubrir nuevos biomarcadoresidentificar objetivos que se pueden tratar con drogasy predecir el tratamiento resultados.11,12,15-17

Consideraciones éticas y regulatorias de los biobancos

A medida que evolucionan los biobancos, las consideraciones éticas y regulatorias adquieren protagonismo, siendo primordiales la privacidad del paciente, el consentimiento informado y la seguridad de los datos. instituciones de investigacióny los organismos reguladores son cruciales para establecer pautas que respeten estándares Eticos al tiempo que se fomenta el progreso científico.18,19

Las consideraciones éticas también se extienden al intercambio de datos y la colaboración. Los biobancos a menudo colaboran con instituciones de investigación y compañías farmacéuticas para compartir muestras y datos para proyectos de investigación colaborativos. Sin embargo, los biobanqueros deben asegurarse de que compartir datos Se lleva a cabo de forma ética, con el consentimiento adecuado y la anonimización de los datos, para proteger los derechos y la privacidad del paciente.20

Dado que los biobancos operan a escala mundial, es fundamental armonizar los estándares éticos y los marcos regulatorios en diferentes jurisdicciones. Las colaboraciones y directrices internacionales, como las proporcionadas por organizaciones como la Organización Mundial de la Salud y la Sociedad Internacional de Repositorios Biológicos y Ambientales, ayudarán a promover la ética. biobanco prácticas.21,22

El futuro de los biobancos

El futuro de los biobancos en oncología de precisión depende de los avances tecnológicos, la integración de datos y la colaboración internacional. Innovaciones como el análisis de datos impulsado por IA, la tecnología blockchain para compartir datos de forma segura y los biosensores miniaturizados son prometedores para mejorar las capacidades de los biobancos. Además, las iniciativas que promueven el intercambio y la armonización de datos a nivel mundial acelerarán los descubrimientos y mejorarán los resultados de los pacientes.

Las innovaciones en la recolección y almacenamiento de muestras, como las biopsias líquidas y las técnicas de criopreservación, ampliarán la variedad de muestras disponibles para la investigación. Estos avances permitirán a los investigadores acceder a datos moleculares en tiempo real y monitorear la progresión de la enfermedad de manera longitudinal. Además, los avances en el análisis de datos, incluidos los algoritmos de aprendizaje automático y el modelado predictivo, ayudarán a extraer información significativa de conjuntos de datos ómicos a gran escala.

Las iniciativas de colaboración internacional y de intercambio de datos seguirán dando forma al panorama de los biobancos y la oncología de precisión. Las redes colaborativas, los recursos comunes de datos y los repositorios compartidos facilitarán el intercambio de datos, la validación cruzada de los hallazgos y los metanálisis. Estos esfuerzos conducirán al desarrollo de biomarcadores sólidos, modelos predictivos y estrategias de tratamiento personalizadas que beneficien a los pacientes de todo el mundo.

Referencias

1. Carey DJ, et al. La iniciativa de salud comunitaria MyCode de Geisinger: un biobanco vinculado a registros médicos electrónicos para la investigación en medicina de precisión. Medicina Genética. 2016;18(9):906-13.
2. Malsagova K, et al. Biobancos: Una plataforma para la investigación científica y biomédica. Diagnóstico. 2020;10(7).
3. Coppola L, et al. Biobancos en la atención sanitaria: evolución y direcciones futuras. J. Transl. Medicina. 2019;17(1):172.
4. Hewitt R, et al. Definición de biobanco. Biobanco Biopreserv. 2013;11(5):309-15.
5. Annaratone L, et al. Una colección de cultivos de tejidos primarios de tumores a partir de muestras quirúrgicas envasadas al vacío y refrigeradas: un estudio de viabilidad. Más uno. 2013;8(9):e75193.
6. Zatloukal K, et al. Los biobancos de tejidos humanos como instrumentos para el descubrimiento y desarrollo de fármacos: impacto en la medicina personalizada. Biomark Med. 2010;4(6):895-903.
7. Annaratone L, et al. Principios básicos de los biobancos: De las muestras biológicas a la medicina de precisión para pacientes. Arco de Virchow. 2021;479(2):233-46.
8. Cervo S, et al. Redacción de un acuerdo de transferencia de material biológico: Un modelo listo para firmar para biobancos y biorepositorios. Marcadores de biotecnología del Int J.. 2016;31(2):e211-7.
9. Ballester PJ, et al. Inteligencia artificial para la próxima generación de oncología de precisión. Npj Precis Onc. 2021;5(1):79.
10. Capocasa M, et al. Accesibilidad de muestras y datos en biobancos de investigación: una encuesta exploratoria. PeerJ. 2016;4:e1613.
11. Kinkorová J. Los biobancos en la era de la medicina personalizada: objetivos, retos e innovación. EPMA J. 2016;7:4.
12. Liu A, et al. Biobancos para la medicina personalizada. Biografía de Advin Expmed. 2015;864:55-68.
13. Chakraborty S, et al. Enfoque onco-multiómico: una nueva frontera en la investigación del cáncer. Instituto Biomédico de Res. 2018;2018(1):9836256.
14. Manzoni C, et al. Genoma, transcriptoma y proteoma: el auge de los datos ómicos y su integración en las ciencias biomédicas. Breve Bioinfor. 2018;19(2):286-302.
15. Heo YJ, et al. Enfoques multiómicos integrativos en la investigación del cáncer: de las redes biológicas a los subtipos clínicos. Células Mol. 2021;44(7):433-443.
16. Biswas N, et al. Enfoques de biología de sistemas basados ​​en inteligencia artificial (IA) en el análisis de datos multiómicos del cáncer. Oncol frontal. 2020;10:588221.
17. Mendy M, et al. Normas técnicas mínimas comunes y protocolos para los biobancos dedicados a la investigación del cáncer. Publicaciones técnicas del IARC. Lyon (FR)2017.
18. Qualman SJ, y col. Creación de un banco de tumores: banca, informática y ética. Br J Cáncer. 2004;90(6):1115-1119.
19. Vaught J, et al. Una revisión de los biobancos y redes internacionales: factores de éxito y puntos de referencia clave. Biobanco Biopreserv. 2009;7(3):143-150.
20. Patil S, et al. Biobancos orientados al cáncer: una revisión exhaustiva. Oncol Rev. 2018;12(1):357.
21. Ambrosona CB, et al. Establecer un banco de datos del centro oncológico y un biorepositorio para la investigación multidisciplinaria. Biomarcadores epidemiológicos del cáncer Prev. 2006;15(9):1575-1577.
22. Peakman T, Elliott P. Estándares actuales para el almacenamiento de muestras humanas en biobancos. Genoma Med. 2010;2(10):72.

You missed

Conozca Nemotron Labs 3 Puzzle 75B A9B: un LLM MoE híbrido comprimido que ofrece un rendimiento de servidor 2,03x[0]Los modelos MoE híbridos grandes como Nemotron-3-Super son precisos pero costosos de mantener. Sus parámetros activos, caché KV y estado de Mamba limitan la cantidad de usuarios que puede contener un nodo a una determinada tasa de token por usuario. El equipo de IA de NVIDIA lanzó Nemotron-Labs-3-Puzzle-75B-A9B, una variante comprimida de Nemotron-3-Super. El modelo principal tiene 120,7 mil millones de parámetros totales y 12,8 mil millones activos. El modelo comprimido tiene 75,3 mil millones de parámetros totales y 9,3 mil millones de parámetros activos. El objetivo de implementación se solucionó antes de que comenzara la búsqueda de arquitectura. El objetivo uno era duplicar el rendimiento del servidor a 100 tokens por segundo por usuario. El objetivo dos eran 8 solicitudes simultáneas de 1 millón de tokens en un solo H100. Tres puntos de control en Hugging Face: BF16, FP8 y NVFP4. TL;DR Los 120,7B/12,8B activos se comprimen a 75,3B/9,3B activos, conservando el diseño híbrido de 88 bloques. El rendimiento total de 8xB200 aumenta de 1,60x a 2,14x con respecto a Super con NVFP4 coincidente y rendimiento de usuario coincidente. La simultaneidad de un solo token H100 de 1 millón va de 1 a 8, impulsada por una caída de peso de 70 GB a 44,5 GB. El rompecabezas iterativo supera al rompecabezas de un solo paso en 0,57 puntos promedio en el mismo objetivo de compresión. Arena-Hard-V2 (-4,2) y SWE-Bench (-2,6) son los costes reales; RULER y AA-LCR apenas se mueven. Nemotron-Labs-3-Puzzle-75B-A9B Nemotron-3-Super es un modelo híbrido Mamba-Transformer MoE. Puzzle-75B-A9B conserva exactamente el diseño del bloque principal. Tiene 88 bloques: 40 Mamba, 40 MoE y 8 bloques de atención. Lo que cambió es la capacidad dentro de esos bloques: CantidadSuperPuzzle-75B-A9BRatioParámetros totales120.7B75.3B62.4%Parámetros activos12.8B9.3B73.1%Tamaño de estado de Mamba SSM1289675%Tamaño intermedio experto enrutado MoE26881280-2688Media 59.9%Expertos enrutados activados por token224-18Media 50%Capacidad experta enrutada activa (relativo)100%8,7%-62,3%Media 30,9% El número de expertos enrutados, el tamaño de expertos compartido y el tamaño latente del MoE no cambian. Las capas de atención quedaron intactas. La razón declarada por la investigación propuesta es que Nemotron-3-Super ya es muy eficiente en cuanto a caché KV. Las capas de Mamba se podaron de manera uniforme, porque los marcos de inferencia no admiten un tamaño de estado SSM diferente por capa. https://arxiv.org/pdf/2607.04371 El resultado no es un profesor uniformemente reducido. La figura anterior muestra la asignación en profundidad. Puzzle conservó la capacidad en capas intermedias y tardías seleccionadas, y cortó con fuerza en otras partes. Punto de referencia y rendimiento La siguiente tabla informa el rendimiento total óptimo de Pareto en un único nodo 8xB200, con decodificación en un solo paso. Escenario (entrada/salida)Piso UTSuper (tok/s)Puzzle-75B-A9B (tok/s)Boost50K / 2K>= 1005,1288,2101.60x50K / 2K>= 1253,7846,4121.69x50K / 2K>= 1502,5324,5231.79x8K / 64K>= 10020,93942,6012.03x8K / 64K>= 12513,07427,9182.14x8K / 64K>= 1508,52218,0472.12x Ambos modelos se entregaron con pesos NVFP4 coincidentes, caché FP8 KV y estado Mamba FP16. Por lo tanto, la brecha refleja compresión, no un cambio en el formato numérico. El régimen 50K/2K con precarga pesada es el que menos gana. El régimen 8K/64K con gran decodificación es el que más gana. En un solo nodo 8xH100 en UT = 100, las ganancias son menores. Son 1,91x en 50K/2K y 1,82x en 8K/64K. Ambos modelos utilizan pesos FP8, caché FP8 KV y estado FP32 Mamba. En un único H100 en un contexto de 1M, la restricción de enlace pasa de la computación a la memoria. Los pesos NVFP4 de Super ocupan alrededor de 70 GB del presupuesto de 80 GB de HBM. Cada solicitud de token de 1 millón agrega aproximadamente 4 GB de caché KV. Por tanto, la concurrencia efectiva es 1. El peso NVFP4 del Puzzle-75B-A9B ocupa alrededor de 44,5 GB. El diseño de atención no cambia, por lo que el costo de KV por solicitud no cambia. La simultaneidad en 1M aumenta a 8. El rendimiento de decodificación agregado en esa simultaneidad es aproximadamente 4 veces el rendimiento de solicitud única de Super. El llenado previo de una solicitud de 990 000 tokens es aproximadamente 1,2 veces más rápido. Cómo funciona el rompecabezas iterativo Puzzle es un marco de búsqueda de arquitectura neuronal descompuesta, implementado aquí como Puzzletron. Define un espacio de búsqueda discreto de implementaciones de capas alternativas. Cada alternativa obtiene una puntuación de calidad. Luego, un programa de enteros mixtos selecciona una alternativa por capa bajo una restricción de implementación. Tres técnicas de poda forman el espacio de búsqueda: Poda de canales intermedios: los canales dentro de cada experto enrutado se clasifican según su contribución a la salida del experto. Todos los expertos dentro de una capa MoE se reducen a un tamaño uniforme para lograr compatibilidad con el kernel. Reducción de top-k: la cantidad de expertos a los que se enruta un token varía según la capa, hasta el k = 22 del padre. Poda de Mamba SSM: el tamaño del estado de SSM cae de 128 a 96 canales. Se mide el resultado del SSM. Bajar 128 canales a 96 acelera el kernel SSM de 1,2x a 1,3x durante la decodificación. Esto se mantiene en tamaños de lote entre 8 y 512. Los canales se clasificaron según su contribución estimada a la producción de la capa Mamba. La estimación promedió más de 67 millones de tokens de datos de validación. El Apéndice A muestra que esto supera la selección aleatoria de canales bajo una poda agresiva. La formulación original asume que los impactos en la calidad del reemplazo son aproximadamente aditivos. Cada bloque candidato se puntúa dentro del padre no modificado. Eso ignora las interacciones de orden superior entre reemplazos. Iterative Puzzle alterna la compresión limitada con una breve recuperación de destilación de conocimientos. Construye una secuencia M0, M1,… MR en lugar de saltar al objetivo. Las puntuaciones se vuelven a calcular con respecto al modelo comprimido actual, no al modelo original. Se utilizaron tres etapas: El Ministerio de Educación pondera el 75% de la capacidad docente, el estado de Mamba SSM el 75%. Curado por 24 mil millones de fichas. El Ministerio de Educación pondera el 60% de la capacidad docente. Curado por 43,2 mil millones de tokens. Se activó el presupuesto de expertos encaminado al 50%, asignado de forma heterogénea. Curado por 52,8 mil millones de tokens. https://arxiv.org/pdf/2607.04371 La tabla anterior compara esto con una línea base de Puzzle de un solo paso en el mismo objetivo. El procedimiento de tres pasos tiene un promedio de 69,05 en diez puntos de referencia, frente a 68,48. Las ganancias aparecen en MMLU-Pro, GPQA, HLE, AA-LCR, LiveCodeBench, SciCode y RULER-256K. IFBench-Instruction cayó 0,2 puntos y IFBench-Prompt cayó 0,5. Recuperación: destilación, RL y verbosidad La destilación de conocimientos se ejecutó con un 30 % de datos de preentrenamiento y un 70 % de datos SFT de Nemotron-3-Nano. Durante la fase de rompecabezas, KD utilizó una secuencia de 32K de longitud. Luego, Recovery entrenó a 128K y escaló a 512K. El presupuesto era de hasta 100 mil millones de tokens, con un lote global de 16 millones de tokens, en Megatron-LM. La capacitación posterior de RL adoptó la Etapa 2 del proceso Nemotron-3-Super RL, centrada en la ingeniería de software. La fase 2.1 realizó una comparación del uso de herramientas en un solo paso. La fase 2.2 pasó a la zona de pruebas RL de extremo a extremo, donde los agentes corren hasta 200 turnos. Ambas fases utilizaron una penalización de KL de 0. El equipo barrió las tasas de aprendizaje y luego promedió los pesos resultantes. https://arxiv.org/pdf/2607.04371 La Figura 4 anterior muestra lo que aportó cada etapa. KD de contexto corto recupera la mayoría de las categorías a más del 97% de Nemotron-3-Super. Luego, KD de contexto largo eleva específicamente los puntos de referencia de entrada larga y de generación larga. El equipo de investigación afirma que el impacto de RL en estos experimentos fue pequeño. La verbosidad es el detalle silencioso. Después de la última iteración de Puzzle, el modelo generó el 132% del recuento de tokens de Super. Eso cayó al 99% después del proceso de recuperación total. Implementación: cuantificación y predicción de tokens múltiples Se produjeron dos recetas de cuantificación posteriores al entrenamiento: FP8 W8A8 apunta a Hopper y NVFP4 W4A4 apunta a Blackwell. Componente Línea base BF16 Punto de control FP8 Punto de control NVFP4 GEMM MoE dispersos y compartidos BF16FP8NVFP4 Mamba GEMM BF16FP8FP8 Mamba Caché SSM FP32FP32FP16 + Caché SRKV FP8FP8FP8 Enrutador FP32FP32FP32 Atención QKV/salida, proyecciones latentes MoE, LM cabezaBF16BF16BF16 Ambas recetas se calibraron en 256 muestras SFT posteriores al entrenamiento. NVFP4 utilizó la calibración máxima, no la búsqueda de sensibilidad AutoQuantize utilizada para Super. El punto de control resultante se cuantifica de forma ligeramente más agresiva y se realiza de manera similar. NVFP4 no es compatible de forma nativa con Hopper. Todavía se utiliza para el objetivo H100 de contexto 1M, porque la capacidad de HBM se vincula allí. Puzzle-75B-A9B hereda un cabezal MTP compartido de Super. Los parámetros se comparten entre los pasos de MTP, por lo que un cabezal se aplica de forma recursiva en la inferencia. La transferencia directa de la cabeza entrenada de Super dio longitudes de aceptación similares. Luego, el equipo de investigación identifica una discrepancia entre el entrenamiento y la inferencia. El entrenamiento MTP forzado por el maestro alimenta la secuencia completa de estados ocultos desplazados. En cambio, la redacción autorregresiva alimenta una combinación de modelos de destino y estados ocultos generados por MTP. Las tasas de aceptación caen en posiciones de draft más profundas. Esto se soluciona mediante una formación continua de la cabeza transferida. En SPEED-Bench con una longitud de calado 7, la longitud media de aceptación aumentó de 3,45 a 4,34. Eso es aproximadamente entre el 25% y el 30%, concentrado en puestos posteriores del draft. A diferencia de Super, el punto de control NVFP4 apenas se degrada: 4,31 frente a 4,34. Dónde ayuda la compresión y dónde duele Benchmark (BF16)SuperPuzzle-75B-A9BDeltaMMLU-Pro83.882.4-1.4AIME25 (sin herramientas)92.289.7-2.5GPQA (sin herramientas)80.578.6-1.9LiveCodeBench82.181.1-1.0SciCode (subtarea)42.340.6-1.7SWE-Bench (OpenHands)59.556.9-2.6Arena-Hard-V272.868.6-4.2AA-LCR56.856.9+0.1REGLA 1M93.992.2-1.7MMLU-ProX79.577.5-2.0 El propio resumen del artículo de investigación es que el seguimiento de instrucciones y las evaluaciones agentes son las que más pierden. Arena-Hard-V2 es el peor de los casos, con -4,2 puntos. RULER se mantiene dentro de aproximadamente 1 a 2 puntos en 256K, 512K y 1M. Tres resultados de BF16 no retroceden. AA-LCR gana 0,1, Scale AI Multi-Challenge empata en 56,6 y TauBench Telecom gana 0,4. NVFP4 cuesta poco además de la compresión. En RULER 1M, el punto de control NVFP4 obtiene una puntuación de 93,2, por encima del 92,2 de BF16. HLE es el costo de NVFP4 más claro, cayendo de 16,5 a 15,7. Los resultados del 8PM se encuentran en el Apéndice E y siguen de cerca al BF16. SWE-Bench no está incluido en el punto de control del 8PM. Casos de uso RAG de contexto ultralargo en una GPU: un servicio de análisis de documentos en un contexto de 1 millón pasa de 1 solicitud simultánea a 8. El rendimiento de decodificación agregado en esa concurrencia es aproximadamente 4 veces mayor. Asistentes de codificación interactivos: en UT >= 100 tok/s en el régimen 8K/64K, un nodo sirve 2,03 veces los tokens. Ajustado por detalle, es decir, 2,16 veces las solicitudes completadas por minuto. Canalizaciones de documentos con gran cantidad de precarga: el régimen de 50.000/2.000 gana solo 1,60 veces. La compresión ayuda menos cuando el procesamiento rápido domina la computación. Bucles SWE agentes: verifique la brecha SWE-Bench de 2,6 puntos con su combinación de tareas. La recuperación de RL apuntó a esta capacidad y solo la restauró parcialmente. Explorador de implementación ‘+esc(r