VivoSim und Chemveda stellen menschliches Gewebe in den Mittelpunkt der KI-Wirkstoffforschung

Generative Modelle schlagen heute Moleküle weit schneller vor, als irgendjemand sie prüfen kann. Der Stau entsteht bei der Sicherheit.

Wenn die Screenings mit menschlichem Gewebe halten, was sie versprechen, könnten Biotech-Kunden schlechte Verbindungen früher aussortieren und Tierversuche reduzieren. Dass bessere Laborprognosen die Erfolgsquoten in klinischen Studien heben, hat bislang niemand gezeigt.

Die Kooperation: menschliches Gewebe als Prüfstand

In der Zusammenarbeit entwirft, synthetisiert und optimiert Chemveda KI-abgeleitete Verbindungen für Pharma- und Biotechnologiekunden. VivoSim lässt ausgewählte Moleküle durch seine Modelle NAMkind Liver und NAMkind Intestine laufen, die aus primären menschlichen Zellen aufgebaut sind. Warum überhaupt menschliches Gewebe einschalten? Weil der Chemiker das Toxizitätssignal braucht, solange sich das Molekül noch verändern lässt. VivoSim nennt das einen schnellen Zyklus aus Entwerfen, Herstellen und Testen, bei dem Gewebedaten in die Synthese zurückfließen, statt erst nach der Festlegung eines Kandidaten anzukommen. Keith Murphy, Executive Chairman von VivoSim, brachte das Problem in der Ankündigung auf den Punkt. Die KI habe der Branche einen "Feuerwehrschlauch voller neuer Moleküle" in die Hand gegeben, sagte er, aber kein Mittel, um zu erkennen, welche wirken und welche Patienten schaden könnten.

Warum Sicherheitstests zum Engpass werden

Der Ansatz stützt sich auf ein bekanntes Versagensmuster. Leber- und Magen-Darm-Toxizität gehören weiterhin zu den häufigsten Gründen, warum vielversprechende Arzneimittel in der Klinik scheitern, oft nach Jahren Arbeit und Hunderten Millionen Dollar. Generative Modelle können heute Tausende neuer Moleküle vorschlagen, wofür man früher eine Handvoll entwarf. VivoSim belegt seine Aussage mit einem klinischen Datensatz aus 92 niedermolekularen Verbindungen. Auf diesem Datensatz sagte das Modell NAMkind Liver arzneimittelbedingte Leberschäden mit 91 % Genauigkeit, 90 % Sensitivität und 95 % Spezifität voraus, so das Unternehmen. Es beansprucht außerdem mehr als 90 % Sensitivität dort, wo Tiermodelle und traditionelle Methoden nur 50 % bis 65 % der tatsächlich leberschädigenden Stoffe erkennen.

Das sind Firmenangaben. Sie stammen aus einer Unternehmensmitteilung und wurden nicht unabhängig nachvollzogen.

Der regulatorische Rückenwind ist allerdings real. Die US-Arzneimittelbehörde FDA fördert laut derselben Mitteilung ausdrücklich menschennahe neue Methoden anstelle von Tierversuchen. Das zählt wirtschaftlich: Ein Screening, das Regulierer akzeptieren, ist mehr wert als eines, das nur einen Chemiker überzeugt.

Andere Gruppen bauen dieselbe Validierungsschicht

VivoSim ist nicht allein damit, Validierung statt Generierung zu verkaufen. QurieGen und Rayca Precision kündigten am 3. November an, Target-Entdeckung, KI-gestütztes molekulares Design und zelluläre Validierung in einem iterativen Arbeitsablauf zu verbinden. QurieGen misst die Genexpression sowie Oberflächen- und intrazelluläre Proteine und Phosphoproteine in einzelnen Zellen über die Zeit. Rayca kombiniert KI mit physikbasierten Simulationen, um zu modellieren, wie sich Proteine bewegen, und um Bindungsstellen zu finden, auch vorübergehend zugängliche. Ein gemeinsamer Pilotversuch beginnt mit einer biologischen Frage, einem Krankheitsgebiet und vereinbarten Randbedingungen. Wenn die Ergebnisse von den Erwartungen abweichen, sollen die Daten ein schlechtes Target von einem schlechten Molekül trennen. Die Partner erklären, der Zyklus sei darauf ausgelegt, Unsicherheit vor kritischen F&E-Entscheidungen zu verringern.

Geld fließt in dieselbe Schicht. Vitroscope sammelte 7.000.000 US-Dollar ein, eine Seed-Runde über 5.000.000 US-Dollar plus 2.000.000 US-Dollar nicht verwässernde Mittel vom Research Council of Norway, und hat damit bis heute 8.800.000 US-Dollar aufgenommen.

Seine Tischplattform vitro.alive führt sechs unabhängige parallele Experimente aus, und Vitroscope und Instant Bio hielten vaskularisierte menschliche Hirnorganoide sieben Tage lang unter Perfusion. Eine Version für 96 Experimente, vitro.scale, ist in Entwicklung. Daten sind der andere Weg. Parse Biosciences und Nomic Bio bauen Cascade auf, einen Basisdatensatz aus 100.000.000 Zellen, der Einzelzell-RNA-Sequenzierung mit mehr als 11.000 Profilen sekretorischer Proteine über mehr als 150.000 Zytokin- und Arzneimittelbedingungen verbindet. GSK, Pfizer, Sanofi, Graph Therapeutics und Turbine sind den Angaben zufolge als Partner eingestiegen.

Was als Beweis gelten würde

Wie sähe ein Beweis aus? VivoSim sagt, seine Partner würden in Wochen, nicht in Jahren wissen, welche Moleküle weiterkommen sollten.

Das ist eine Aussage über Geschwindigkeit. Die schwierigere Behauptung, dass menschennahe Screenings den Anteil der Kandidaten erhöhen, die Studien überstehen, lässt sich erst in Jahren prüfen. Die eigenen Deals der großen Pharmakonzerne zeigen den Zeitrahmen. AstraZeneca schloss eine strategische Partnerschaft zur Wirkstoffforschung mit Insitro über metabolische Lebererkrankungen und Herzmuskelerkrankungen, strukturiert als meilensteinbasierte Zahlungen. Kalkine Media merkte an, dass ein kommerzieller Nutzen aus dieser Allianz viele Jahre entfernt läge. Das neue Geld von Vitroscope ist für die kommerzielle Einführung von vitro.alive und für Arbeiten mit höherem Durchsatz auf vitro.scale vorgesehen. Parse und Nomic nennen Cascade die größte Ressource ihrer Art, die für KI-Anwendungen zur Modellierung des Immunsystems bereitsteht. Murphy sagte, das Ziel sei, Vermutungen durch menschennahe Ergebnisse zu ersetzen. Keine dieser Gruppen hat eine klinische Erfolgsquote veröffentlicht. Diese Zahl wird die Debatte entscheiden, sobald sie vorliegt.