Absci และ Memorial Sloan Kettering ร่วมมือกันค้นหายารักษาโรคมะเร็งโดยใช้ AI

ความร่วมมือครั้งนี้เป็นการผสมผสานอัลกอริธึมของ Absci สำหรับแอนติบอดีชนิดใหม่ เข้ากับการวิจัยด้านเนื้องอกวิทยาที่ครอบคลุมของ MSK

ปัญญาประดิษฐ์ (AI) ยังไม่ได้เปลี่ยนแปลงกระบวนการพัฒนายา แต่ความพยายามบางอย่างดูเหมือนจะมีแนวโน้มมากกว่าความพยายามอื่นๆ

เมื่อวันจันทร์ที่ผ่านมา Memorial Sloan Kettering ยักษ์ใหญ่ด้านการวิจัยโรคมะเร็งและผู้บุกเบิกด้าน AI ผู้บุกเบิกด้านวิทยาศาสตร์ชีวภาพ Absci ได้ประกาศความร่วมมือครั้งแรกในการค้นพบวิธีการรักษาโรคมะเร็งแบบใหม่ 6 วิธีโดยใช้ AI แบบกำเนิด โดยหวังว่าจะนำยาใหม่เข้าสู่การทดลองทางคลินิกได้เร็วกว่าความพยายามในการพัฒนายาทั่วไป .

MSK จะระบุเป้าหมายบนเซลล์ที่ต้องการติดตาม และ Absci จะใช้ Gen AI เพื่อสร้างแอนติบอดี de novo ที่จะจับกับเป้าหมายนั้น

“นี่เป็นความร่วมมือครั้งแรกที่ Absci ทำ โดยเฉพาะกับสถาบันอย่าง MSK” Sean McClain ผู้ก่อตั้งและซีอีโอของ Absci กล่าวในการให้สัมภาษณ์กับ ZDNET "สิ่งนี้เป็นการทำงานร่วมกันที่ยอดเยี่ยมอย่างยิ่ง โดยเป็นความรู้และความเชี่ยวชาญที่ MSK มีในด้านเนื้องอกวิทยา และเป้าหมายใหม่ๆ ที่พวกเขากำลังจะก้าวไปข้างหน้า ด้วยความสามารถของ Absci ในการออกแบบตัวเลือกยาที่น่าตื่นเต้นด้วยแพลตฟอร์ม AI ของเรา"

"ถ้า MSK นำ GPCR แบบใหม่มา แพลตฟอร์มของเราก็เหมาะสมอย่างยิ่งสำหรับสิ่งนั้น เพื่อให้สามารถค้นหาแอนติบอดีที่รวมกับเป้าหมายนั้นได้" สิ่งที่ McClain เรียกว่า "การช่วยสร้างชีววิทยา"

การไม่บรรลุนิติภาวะของ MSK ถือเป็นคะแนนความเชื่อมั่นที่สำคัญสำหรับโลกยุคใหม่แห่งวิทยาศาสตร์เพื่อชีวิต AI

“เรามองหาวิธีใหม่ๆ อยู่เสมอในการผลักดันสิ่งต่างๆ ให้กับผู้ป่วยทั่วโลก และ AI ก็เป็นส่วนที่เราต้องมีส่วนร่วมอย่างชัดเจน” นพ. Gregory Raskin รองประธานอาวุโสฝ่ายพัฒนาเทคโนโลยีของ MSK กล่าว

“เราไม่เคยร่วมมือกันเพื่อผลิตยาแอนติบอดีชนิดใหม่กับบริษัทที่มุ่งเน้นด้าน AI มาก่อน” เขากล่าว "เราหวังว่าจะไม่ได้เป็นเพียงผู้นำในด้านการดูแลโรคมะเร็ง แต่เป็นผู้นำในด้าน AI การดูแลโรคมะเร็งที่ MSK"

ความร่วมมือดังกล่าวได้รับการอธิบายว่าเป็นข้อตกลง "การพัฒนาร่วม" และ "ความร่วมมือแบบ 50/50" โดยทั้งสองฝ่ายให้ทุนสนับสนุนโครงการริเริ่มนี้ แม้ว่าจะยังไม่มีการเปิดเผยจำนวนเงินทุนก็ตาม

การเจรจาระหว่าง MSK และ Absci เริ่มต้นในการประชุม J.P. Morgan Healthcare ในซานฟรานซิสโกในเดือนมกราคม Raskin กล่าวและมีการพัฒนาในช่วงเจ็ดเดือนต่อมา

การแบ่งงานเกี่ยวข้องกับ MSK ในการกำหนดเป้าหมาย ซึ่งทั้งสองฝ่ายจะหารือและตกลงกัน และ Absci กำลังคิดค้นการออกแบบแอนติบอดีหรือชุดของแอนติบอดีต่อเป้าหมาย

นอกเหนือจากการจำลองด้วยคอมพิวเตอร์ที่ Absci สามารถใช้งานได้ และห้องแล็ปเปียกของตัวเองแล้ว MSK ยังช่วย "สิ่งอำนวยความสะดวกหลักและนักวิทยาศาสตร์ในสถาบันของเราที่เป็นผู้เชี่ยวชาญระดับโลกในการพิจารณาว่ายาจะสามารถเอาชนะเนื้องอกและปลอดภัยได้หรือไม่ ” รัสกินกล่าว

“เมื่อเราระบุเป้าหมายได้แล้ว เราจะใช้แบบจำลอง AI เจนเนอเรชั่นเพื่อออกแบบแอนติบอดีต่อเป้าหมายเหล่านี้เพื่อให้บรรลุถึงชีววิทยา” แมคเคลนกล่าว

“MSK มีห้องปฏิบัติการวิจัยมากกว่าร้อยแห่งที่มีบุคลากรที่ทำงานด้านเนื้องอกวิทยา โดยมองหาเป้าหมายมะเร็งใหม่ๆ” รัสกินกล่าว เขาตั้งข้อสังเกตว่ามียา 13 ชนิดที่ได้รับการอนุมัติจากสำนักงานคณะกรรมการอาหารและยาของสหรัฐอเมริกา (FDA) ได้รับการคิดค้นที่ MSK ซึ่งรวมถึง Danyelza ซึ่งเป็นยารักษาโรคนิวโรบลาสโตมาในเด็กในปี 2563 และ Erleada ซึ่งเป็นยารักษามะเร็งต่อมลูกหมากต้านทานการตอนแบบไม่ลุกลาม ในปี 2561 FDA มีหน้าที่รับผิดชอบในการอนุมัติการทดลองทางคลินิกและยอมรับหรือปฏิเสธยา

“ในกรณีของแอนติบอดีต่อเมาส์ เป็นวิธีที่ใช้เวลานาน และใช้เวลานานและต้องใช้แรงงานมาก” รัสกินตั้งข้อสังเกต "คุณอาจได้รับแอนติบอดีที่ไม่ดีซึ่งจับกับเป้าหมายได้ไม่ดี"

"เราหวังว่าวิธีนี้จะช่วยให้เข้าถึงผู้ป่วยของเราได้เร็วขึ้น นั่นเป็นเพียงกุญแจสำคัญ"

MSK มีประชากรผู้ป่วยของตัวเองที่สามารถใช้เพื่อทดสอบยาที่อาจมาจากความร่วมมือ Raskin กล่าวกับ ZDNET โรงพยาบาลดำเนินการทดลองทางคลินิกประมาณ 1,800 รายการ บางส่วนสำหรับบุคคลภายนอก บางส่วนสำหรับยาที่พัฒนาขึ้นภายใน

“เรามีความสามารถในการเขียน IND ของเราเอง และเราสามารถเริ่มการทดลองในผู้ป่วยของเราเองด้วยเทคโนโลยีเหล่านี้” เขากล่าว โดยอ้างถึงเอกสาร “ยาใหม่เชิงสืบสวน” ที่จำเป็นในการยื่นต่อ FDA

Raskin กล่าวว่าความน่าสนใจของ AI คือศักยภาพของเทคโนโลยีในการเร่งการพัฒนายาที่ใช้เวลาประมาณหนึ่งทศวรรษโดยเฉลี่ย การใช้ Gen AI ช่วยให้สามารถคิดและจำลองยาใหม่ๆ ได้อย่างรวดเร็วบนคอมพิวเตอร์ ในบางกรณี จะช่วยประหยัดเวลาหลายปีจากกระบวนการทั่วไปของเคมีในหลอดทดลองและการทดสอบในสัตว์ทดลอง

“ในกรณีของแอนติบอดีต่อเมาส์ เป็นวิธีที่ใช้เวลานาน และใช้เวลานานและต้องใช้แรงงานมาก” รัสกินตั้งข้อสังเกต "คุณอาจได้รับแอนติบอดีที่ไม่ดีซึ่งจับกับเป้าหมายได้ไม่ดี"

"เราหวังว่าวิธีนี้จะช่วยให้เข้าถึงผู้ป่วยของเราได้เร็วขึ้น นั่นเป็นเพียงกุญแจสำคัญ"

สำหรับความร่วมมือครั้งแรกของ Absci กับโรงพยาบาลเกี่ยวกับเป้าหมายยาใหม่ๆ McClain กล่าว สิ่งสำคัญคือ "ความสามารถในการนำยาที่เราพัฒนาร่วมกันไปเป็นผู้ป่วยที่ MSK และความสามารถในการให้ MSK ช่วยได้จริงๆ ในด้านการแปล เพื่อให้แน่ใจว่าเรามีกลยุทธ์ทางคลินิกที่ถูกต้อง"

ไม่มีกรอบเวลาที่แน่นอนสำหรับการทดลองทางคลินิกเกี่ยวกับการรักษาที่พัฒนาร่วมกัน แม้ว่า Raskin จะเสนอความหวังว่าความร่วมมือจะดำเนินไปอย่างรวดเร็วก็ตาม “คงจะดีไม่น้อยหากได้รับการทดสอบในปีหน้า” เขากล่าว โดยนัยคือการทดสอบก่อนคลินิกบางประเภท

Absci มีความร่วมมือกับบริษัทเภสัชกรรมยักษ์ใหญ่หลายราย รวมถึง AstraZeneca, Almirall, Merck และชิป AI ยักษ์ใหญ่อย่าง Nvidia

McClain กล่าวว่าการทำงานร่วมกันของ MSK นั้นแตกต่างตรงที่สถาบันนี้เป็นองค์กรไม่แสวงผลกำไร ซึ่งต่างจากการดำเนินงานที่แสวงหาผลกำไรของ Big Pharma เนื่องจากการนำวิธีการรักษาไปใช้ประโยชน์ในเชิงพาณิชย์อาจมีจำนวนมหาศาล Absci และ Memorial Sloan Kettering จึงวางแผนที่จะนำพันธมิตรด้านเภสัชกรรมมาทำการค้ายาใดๆ ในท้ายที่สุด โดยอุดมคติแล้ว หลังจากที่ได้สาธิต "ข้อพิสูจน์แนวคิด" ด้วยตัวเองแล้ว

สำหรับเป้าหมายของยาทั้ง 6 ชนิดที่จะตามล่า "ฉันไม่คิดว่าเรายังรู้" Raskin กล่าว “เราต้องพูดคุยกับนักวิทยาศาสตร์ของเรา และดูว่าอะไรตรงกับสิ่งที่ Absci คิด”

การค้นหาเป้าหมายของโรคมะเร็งนั้นเป็นงานที่เข้มข้น McClain กล่าว Absci มีทรัพยากรในการสร้างแอนติบอดีใหม่ๆ จาก Gen AI แต่บริษัทต้องการผู้เชี่ยวชาญของนักวิทยาศาสตร์ที่ได้รับการฝึกฝนในการล่าสัตว์ผ่านตัวรับยาของร่างกายเพื่อหาสถานที่ที่คุ้มค่าในการโจมตี

"GPCR จำนวนมากกำลังกลายเป็นเป้าหมายใหม่" เขากล่าวโดยอ้างถึง "ตัวรับโปรตีน G" ซึ่งเป็นกลุ่มตัวรับที่ใหญ่ที่สุดที่กำหนดเป้าหมายโดยยาที่ได้รับการอนุมัติ

"ถ้า MSK นำ GPCR ใหม่มา แพลตฟอร์มของเราก็เหมาะสมอย่างยิ่งที่จะสามารถค้นหาแอนติบอดีที่รวมกับเป้าหมายนั้นได้" สิ่งที่ McClain เรียกว่า "การช่วยสร้างชีววิทยา"

เนื่องจากยังไม่มีหลักฐานทางคลินิกที่สำคัญจนถึงปัจจุบันเกี่ยวกับประโยชน์ของ AI การทำงานร่วมกันหากสร้างข้อมูลทางคลินิกที่ชัดเจนอาจเป็นข้อพิสูจน์ที่สำคัญ “มีบริษัทโมเลกุลขนาดเล็กบางแห่งที่จะมีการอ่านข้อมูลระยะที่ 2 (การทดลองทางคลินิก)” แมคเคลนกล่าว “แต่ในแง่ของแอนติบอดี สิ่งเหล่านี้จะเป็นหนึ่งในกลุ่มแรกๆ ที่โจมตีคลินิก”

Absci ได้แสดงให้เห็นข้อพิสูจน์ตั้งแต่เนิ่นๆ ว่า Gen AI สามารถออกแบบแอนติบอดีชนิดใหม่ที่จับกับเป้าหมายของมะเร็งได้ ในเดือนมีนาคม Absci รายงานการพัฒนาแอนติบอดีชนิดใหม่ต่อสิ่งที่เรียกว่า "ตัวรับปัจจัยการเจริญเติบโตของผิวหนังของมนุษย์ 2" หรือ HER2 ซึ่งเป็นยีนก่อมะเร็งของมนุษย์ที่เชื่อมโยงกับมะเร็งเต้านมบางรูปแบบ

แบบจำลอง AI ไม่ได้รับการป้อนข้อมูลเกี่ยวกับแอนติบอดีที่มีอยู่และประสบความสำเร็จต่อ HER2 และไม่ได้รับข้อมูลที่ชัดเจนเกี่ยวกับวิธีการแนบหรือ "ผูก" กับ HER2 ได้สำเร็จ

ABS-101 ซึ่งเป็นตัวเลือกยาชั้นนำของ Absci คือการรักษาโรคลำไส้แปรปรวน (IBS) แอนติบอดีชนิดใหม่นี้พัฒนาขึ้นโดยใช้ Gen AI จับกับโปรตีน TL1A ในเซลล์ภูมิคุ้มกันซึ่งมีการแสดงออกมากเกินไปเชื่อมโยงกับโรคภูมิต้านตนเองที่มีการอักเสบหลายชนิด แอนติบอดีได้รับการพัฒนาตั้งแต่เริ่มต้นในเวลาเพียง 14 เดือนและมีราคาไม่ถึง 5 ล้านเหรียญสหรัฐ McClain เน้นย้ำ

คาดว่า ABS-101 จะเริ่มการทดลองทางคลินิกระยะที่ 1 ในปีหน้า อีกโครงการหนึ่งคือ ABS-301 นั้นเป็นเป้าหมาย "ภูมิคุ้มกันและมะเร็งวิทยา" ที่ไม่เปิดเผย ซึ่งได้รับการตรวจสอบโดย Absci ภายในแล้ว

“คุณเริ่มเห็นแอนติบอดีและโมเลกุลเล็กๆ ที่สร้างโดย AI เหล่านี้เข้ามาในคลินิกแล้ว” แมคเคลนกล่าว

เมื่อคำนึงถึงความเป็นส่วนตัวของข้อมูลผู้ป่วย การรักษาการแยกระหว่างข้อมูลผู้ป่วยของ MSK และแบบจำลองการฝึกอบรม AI ของ Absci จึงเป็นสิ่งสำคัญ

“เราจะใช้ข้อมูลและความเชี่ยวชาญของพวกเขาเพื่อเลือกเป้าหมายของมะเร็งที่จะติดตาม จากนั้นเราจะใช้แบบจำลองของเราเพื่อจัดประเภทแอนติบอดี” แมคเคลนกล่าว "เราไม่ได้วางแผนที่จะใช้ข้อมูล MSk เพื่อฝึกโมเดลของเรา เราจะสร้างข้อมูลนั้นภายในองค์กรเพื่อใช้ในการฝึกอบรม ดังนั้น ข้อมูลจะถูกแยกออกจากกันโดยสิ้นเชิงและไฟร์วอลล์จากมุมมองนั้น"