VivoSim e Chemveda mettono i tessuti umani al centro della scoperta di farmaci con l'AI

I modelli generativi propongono molecole molto più in fretta di quanto chiunque riesca a testarle. La coda si forma sulla sicurezza.

Se i test sui tessuti umani funzionano come promesso, i clienti biotech potrebbero scartare prima i composti sbagliati e ridurre la sperimentazione animale. Nessuno ha ancora dimostrato che previsioni di laboratorio migliori facciano salire i tassi di successo clinico.

L'accordo: il tessuto umano come banco di prova

Nella collaborazione, Chemveda progetterà, sintetizzerà e ottimizzerà composti derivati dall'AI per clienti farmaceutici e biotecnologici. VivoSim farà passare le molecole selezionate attraverso i suoi modelli NAMkind Liver e NAMkind Intestine, costruiti a partire da cellule umane primarie. Perché inserire i tessuti umani nel processo? Perché il chimico ha bisogno del segnale di tossicità mentre la molecola si può ancora modificare. VivoSim parla di un ciclo rapido di progettazione, produzione e test, in cui i dati dei tessuti tornano nella sintesi invece di arrivare dopo che il candidato è stato fissato. Keith Murphy, presidente esecutivo di VivoSim, ha messo il problema in termini brutali nell'annuncio. L'AI ha dato al settore "un idrante che produce nuove molecole", ha detto, ma non un modo per sapere quali funzioneranno e quali potrebbero danneggiare i pazienti.

Perché i test di sicurezza sono il collo di bottiglia

La proposta si basa su un modo di fallire noto. La tossicità epatica e gastrointestinale resta tra le cause più comuni per cui farmaci promettenti falliscono nella clinica, spesso dopo anni di lavoro e centinaia di milioni di dollari. I modelli generativi oggi possono proporre migliaia di molecole nuove nel tempo che una volta serviva a progettarne una manciata. La prova di VivoSim è un set di dati clinici di 92 composti a piccola molecola. Su quel set il modello NAMkind Liver ha previsto il danno epatico indotto da farmaci con un'accuratezza del 91%, una sensibilità del 90% e una specificità del 95%, secondo l'azienda. VivoSim sostiene anche una sensibilità superiore al 90% dove i modelli animali e i metodi tradizionali individuano solo dal 50% al 65% dei veri tossici epatici.

Sono cifre dell'azienda. Sono state pubblicate in un annuncio aziendale e non sono state replicate in modo indipendente.

Il vento favorevole delle autorità è però reale. La US Food and Drug Administration incoraggia attivamente le nuove metodologie alternative rilevanti per l'uomo al posto della sperimentazione animale, secondo lo stesso annuncio. Conta sul piano commerciale: un test accettato dai regolatori vale più di uno che convince solo un chimico.

Altri gruppi costruiscono lo stesso livello di validazione

VivoSim non è sola a vendere la validazione invece della generazione. QurieGen e Rayca Precision hanno annunciato il 3 novembre che collegheranno scoperta del target, progettazione molecolare con l'AI e validazione cellulare in un unico flusso iterativo. QurieGen misura nel tempo l'espressione genica, le proteine di superficie e intracellulari e le fosfoproteine nelle singole cellule. Rayca combina l'AI con simulazioni basate sulla fisica per modellare il movimento delle proteine e trovare siti di legame, compresi quelli accessibili solo temporaneamente. Un progetto pilota tra le due parte da una domanda biologica, un'area di malattia e vincoli concordati. Quando i risultati si discostano dalle attese, i dati dovrebbero servire a distinguere un target sbagliato da una molecola sbagliata. I partner dicono che il ciclo è pensato per ridurre l'incertezza prima delle decisioni critiche di R&S.

Il denaro si muove verso lo stesso livello. Vitroscope ha raccolto 7.000.000 di dollari, un round seed da 5.000.000 più 2.000.000 di finanziamenti non diluitivi dal Research Council of Norway, e ha raccolto finora 8.800.000 dollari.

La sua piattaforma da banco vitro.alive esegue sei esperimenti indipendenti in parallelo, e Vitroscope e Instant Bio hanno mantenuto organoidi cerebrali umani vascolarizzati in perfusione per sette giorni. Una versione da 96 esperimenti, vitro.scale, è in sviluppo. I dati sono l'altra strada. Parse Biosciences e Nomic Bio stanno costruendo Cascade, un set di dati di riferimento da 100.000.000 di cellule che abbina il sequenziamento dell'RNA a singola cellula a più di 11.000 profili di proteine secretorie in oltre 150.000 condizioni di citochine e farmaci. GSK, Pfizer, Sanofi, Graph Therapeutics e Turbine hanno aderito come partner, secondo le aziende.

Cosa varrebbe come prova

Come sarebbe fatta una prova? VivoSim dice che i suoi partner sapranno in settimane, non in anni, quali molecole meritano di andare avanti.

Questa è un'affermazione sulla velocità. La tesi più difficile, che i test rilevanti per l'uomo alzino la quota di candidati che superano le sperimentazioni, richiederà anni per essere verificata. Gli stessi accordi delle grandi aziende farmaceutiche mostrano i tempi. AstraZeneca ha firmato una partnership strategica per la scoperta di farmaci con Insitro su malattie metaboliche del fegato e patologie del muscolo cardiaco, strutturata con pagamenti legati al raggiungimento di obiettivi. Kalkine Media ha osservato che qualsiasi beneficio commerciale da quell'alleanza sarebbe arrivato molti anni dopo. I nuovi fondi di Vitroscope sono destinati al lancio commerciale di vitro.alive e al lavoro su una maggiore capacità di elaborazione con vitro.scale. Parse e Nomic definiscono Cascade la più grande risorsa del suo genere pronta per le applicazioni di AI che modellano il sistema immunitario. Murphy ha detto che l'obiettivo è sostituire le congetture con risultati rilevanti per l'uomo. Nessuno di questi gruppi ha pubblicato un tasso di successo clinico. Quel numero, quando arriverà, chiuderà la discussione.