WO2025196574 - SYSTEMS AND METHODS FOR MULTIMODAL CONVERSATIONAL AGENTS FOR BIOLOGICAL SEQUENCE ANALYSIS
National phase entry is expected:
Publication Number
WO/2025/196574
Publication Date
25.09.2025
International Application No.
PCT/IB2025/052554
International Filing Date
10.03.2025
Title **
[English]
SYSTEMS AND METHODS FOR MULTIMODAL CONVERSATIONAL AGENTS FOR BIOLOGICAL SEQUENCE ANALYSIS
[French]
SYSTÈMES ET PROCÉDÉS POUR AGENTS CONVERSATIONNELS MULTIMODAUX POUR L'ANALYSE DE SÉQUENCES BIOLOGIQUES
Applicants **
INSTADEEP LTD
BIONTECH SE
Inventors
PIERROT, Thomas
DE ALMEIDA, Bernardo P.
RICHARD, Guillaume
DALLA-TORRE, Hugo
LATERRE, Alexandre
BEGUIR, Karim
HEXEMER, Lorenz Johann Leopold
LAURENT, Stephen Jean Yvon
LANG, Maren
PANDEY, Priyanka
SAHIN, Ugur
Priority Data
63/566,768
18.03.2024
US
63/683,672
15.08.2024
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| 译文 |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 3989 | |
| EPO | Filing, Examination, Granting | 35203 | |
| Japan | Filing, Examination, Granting | 3386 | |
| South Korea | Filing, Examination, Granting | 4618 | |
| USA | Filing, Examination, Granting | 15190 |
Total:
62,386
Contact Us
Abstract[English]
Provided herein are technologies for framing and evaluating biological sequence-based analysis tasks in a unified, natural-language-based, text in and text out format. Among other things, methods and systems of the present disclosure provide machine-learning technologies for combining biological sequence data, representing, for example, DNA, RNA, and protein sequences, with natural language, conversational style prompts that set out particular analysis tasks to be performed on the biological sequence data. This approach, for example, allows complex analysis tasks, including, but not limited to, identification of various sequence modifications, genes, and regulatory elements in DNA sequences, and quantification of properties such as degradation propensity of RNA and protein stability, to be input to a machine learning model in a uniform text-based format and for output to be generated in a same, unified, text-based format.[French]
L'invention concerne des technologies d'encadrement et d'évaluation de tâches d'analyse basées sur des séquences biologiques dans un format unifié, basé sur un langage naturel, une entrée de texte et une sortie de texte. Entre autres choses, les procédés et systèmes de la présente divulgation concernent des technologies d'apprentissage automatique pour combiner des données de séquences biologiques, représentant, par exemple, des séquences d'ADN, d'ARN et de protéines, avec un langage naturel, des invites de style conversationnel qui établissent des tâches d'analyse particulières à effectuer sur les données de séquences biologiques. Cette approche, par exemple, permet la mise en œuvre de tâches d'analyse complexes, comprenant, mais sans y être limitées, l'identification de diverses modifications de séquences, gènes et éléments régulateurs dans des séquences d'ADN, et la quantification de propriétés telles que la propension à la dégradation de l'ARN et la stabilité de protéines, à entrer dans un modèle d'apprentissage automatique dans un format à base de texte uniforme et pour une sortie à générer dans un même format unifié, basé sur un texte.