Согласно соглашению Джинэкст интегрируется в систему CoBrain-Аналитика. Также планируется развитие и расширение функционала системы для решения научно-практических задач и внедрения новых технологий анализа больших данных. Партнеры могут пользоваться алгоритмами обработки медицинских данных для собственных научных, практических и коммерческих целей.
Для справки
ULNANOTECH (г. Ульяновск) - нанотехнологический центр (входит в сеть наноцентров РОСНАНО) занимается инвестированием и сопровождением технологического предпринимательства на ранних стадиях, поиском технологий, созданием технологических стартапов. Имеет статус технопарка высоких технологий.
Компания Джинэкст (резидент ULNANOTECH) занимается исследованиями и разработкой тестов для использования в молекулярно-генетической диагностике. Текущие проекты:
Сколтех - негосударственный технологический университет, расположенный в инновационном центре Сколково. Институт был создан в 2011 году при поддержке Массачусетского технологического института. Модель института предусматривает тесную интеграцию технологического образования, исследовательской работы и предпринимательских навыков. Институт ведёт обучение по программам магистратуры и PhD, рабочий язык — английский.
Информационно-аналитическая система (ИАС) «CoBrain-Аналитика» –уникальная российская платформа для анализа биомедицинских данных и создания новых подходов к диагностике заболеваний и персонализированной медицине. Cobrain-Аналитика – это созданная Сколтехом информационно-аналитическая система, представляющая собой объединённый центр хранения, анализа и интеграции клинических и параклинических данных. Три составляющих информационно-аналитической системы – инфраструктура, данные и алгоритмы обработки – органично связаны в одну платформу для анализа биомедицинских данных, предлагающую эксклюзивные возможности для широкого спектра пользователей. Инфраструктура платформы CoBrain-Аналитика рассчитана на сбор и хранение большого количества данных разных модальностей при условии полной анонимизации. Современные методы машинного обучения, которые легли в основу создаваемой платформы, позволяют эффективно анализировать большие объемы данных и создавать доступный инструментарий для поиска корреляций, предикторов, биомаркеров.