La subred 68 de Bittensor analiza 11 millones de moléculas en una carrera descentralizada de descubrimiento de fármacos

Bittensor actualmente ejecuta una operación de descubrimiento de fármacos en vivo a través de la Subred 68. Metanova Labs construyó la subred para reducir el alto costo del desarrollo temprano de fármacos. Hasta ahora, se han analizado 11 millones de moléculas pequeñas en nueve objetivos de enfermedades activas. Los mineros compiten para encontrar los mejores candidatos, mientras que los validadores juzgan la calidad a través del Consenso de Yuma. La Fundación OpenTensor ha señalado públicamente a SN68 como prueba del propósito más amplio de la red. Se están llevando a cabo tres competencias separadas al mismo tiempo en la Subred 68. Cada una tiene como objetivo una capa diferente del proceso de descubrimiento de fármacos. Esta estructura permite a la red abordar la selección, el diseño y la estrategia de búsqueda al mismo tiempo. Juntos, forman un esfuerzo de investigación descentralizado coordinado con intereses financieros reales. La primera competencia implica la detección de moléculas pequeñas en nueve objetivos de enfermedades activas. Los mineros trabajan para identificar a los candidatos más fuertes entre millones de opciones. Los mejores contribuyentes obtienen emisiones TAO, mientras que los envíos de baja calidad no reciben recompensa. El segundo concurso se centra en el diseño de nanocuerpos, dirigidos a PD-L1, un marcador fundamental en la inmunoterapia del cáncer. Investigadores de la competencia están evaluando alrededor de 4.200 estructuras de nanocuerpos. El criptoanalista @2xnmore señaló en X que ningún laboratorio centralizado podría igualar este volumen de producción candidata. La publicación describió la Subred 68 como evidencia de que la competencia descentralizada puede superar los procesos de investigación tradicionales. Bittensor se está utilizando para descubrir drogas. No como concepto. No como un elemento de la hoja de ruta. Como una subred en funcionamiento, con 11 millones de moléculas ya analizadas en 9 objetivos de enfermedades activas. La mayoría de las personas que tienen $TAO no tienen idea de que esto está sucediendo. Aquí está la imagen completa. Droga… https://t.co/HaZFHxfijU pic.twitter.com/g4ZzsqkIm2 - 2xnmore (@2xnmore) 10 de mayo de 2026 El tercer concurso se centra en mejorar los métodos utilizados para buscar en el espacio químico. Sesenta y tres algoritmos únicos compiten para explorar ese espacio de manera más eficiente que los enfoques rivales. El objetivo no es sólo encontrar buenas moléculas sino también construir mejores herramientas para encontrarlas. Yuma Consensus es el mecanismo que utiliza Bittensor para juzgar la calidad de salida en todas sus subredes. Opera mediante un acuerdo ponderado por participación y no depende del tipo de problema. Este diseño le permite evaluar los resultados del descubrimiento de fármacos al mismo tiempo que procesa los resultados del modelo de lenguaje de IA. La industria farmacéutica gasta miles de millones de dólares antes de que una sola molécula llegue a ensayos clínicos. El espacio de búsqueda de sustancias químicas es demasiado vasto para que una sola organización pueda cubrirlo de manera eficiente. Una red descentralizada de mineros competidores puede seleccionar millones de candidatos a menor costo y mayor velocidad. Aquí es donde la estructura competitiva de Bittensor se vuelve relevante para la investigación del mundo real. Los mineros anónimos contribuyen sin barreras institucionales, impulsados ​​enteramente por las emisiones de TAO. La red elimina los cuellos de botella que normalmente ralentizan los procesos de desarrollo farmacéutico tradicionales. Jacob Steeves presentó un episodio completo con el equipo de Metanova Labs, que la Fundación OpenTensor compartió públicamente. Esto coloca a la Subred 68 dentro de la visión declarada por el propio equipo central para la red. El descubrimiento de fármacos, más que cualquier otra aplicación en vivo en Bittensor, muestra lo que puede producir la descentralización impulsada por incentivos. Aplica ese modelo a un problema con resultados mensurables y consecuencias reales para la salud humana.