از چپ به راست: جردن لین، سام ویندزور و لیلا حسینی گرامی. تصویر: فیلیپ آمون فوتوگرافی
از چپ به راست: جردن لین، سام ویندزور و لیلا حسینی گرامی. تصویر: فیلیپ آمون فوتوگرافی

ایگنوتا لبز: احیای داروهای شکست‌خورده با استفاده از هوش مصنوعی

این استارت‌آپ بیوتکنولوژی که در سال ۲۰۲۱ تأسیس شده است، می‌خواهد به داروهای امیدوارکننده اما دارای نقص، فرصتی دوباره برای تأیید ورود به بازار بدهد.

دنیای توسعه دارو اغلب شامل موانع بسیاری قبل از موفقیت است.

مسیر از تحقیق و توسعه (R&D) تا بازار طولانی است، به ویژه به دلیل آزمایش‌های بالینی حیاتی و جامع برای اطمینان از اینکه یک دارو نه تنها موثر است، بلکه برای مصرف عمومی نیز بی‌خطر است. اغلب اوقات، داروهای کاندید در مراحل مختلف آزمایش‌های بالینی با شکست مواجه می‌شوند، به طوری که برخی منابع بیان می‌کنند که تقریباً نه مورد از هر ده محصول دارویی هرگز به مرحله تأیید نمی‌رسند.

دلایل متعددی وجود دارد که چرا یک دارو ممکن است در این آزمایش‌ها با شکست مواجه شود، از جمله اثربخشی، برنامه‌ریزی ضعیف و ایمنی، که منجر به کنار گذاشتن همیشگی درمان‌های بالقوه امیدوارکننده می‌شود. با این حال، استارت‌آپ هفته ما معتقد است که برخی از این داروها قابل نجات هستند.

ایگنوتا لبز یک استارت‌آپ بیوتکنولوژی است که می‌خواهد داروهای امیدوارکننده‌ای را که در غیر این صورت به دلیل مسائل ایمنی کنار گذاشته می‌شوند، احیا کند.

به گفته دکتر جردن لین، یکی از بنیانگذاران و مدیر ارشد علمی، ۵۶ درصد از کل داروهایی که وارد مرحله توسعه می‌شوند، به دلیل مشکلات ایمنی، مانند سمیت کبدی، در آزمایش‌های بالینی با شکست مواجه می‌شوند.

لین به SiliconRepublic.com می‌گوید: «ما امیدوارکننده‌ترین این داروها را انتخاب می‌کنیم و با استفاده از پلتفرم هوش مصنوعی خود، آنها را اصلاح می‌کنیم تا بتوانند دوباره وارد آزمایش‌های بالینی برای تأیید شوند. این کار باعث می‌شود دارویی که در غیر این صورت رها شده بود، در بازه زمانی که قبلاً غیرممکن بود، وارد کلینیک شود.»

چگونه شروع شد

لین دارای سابقه گسترده در بیوشیمی، ژنتیک و فضای کشف دارو با هوش مصنوعی است. قبل از تأسیس ایگنوتا لبز، او در صنایع دارویی-زیستی نقش‌های استراتژیک مختلفی داشت، از توسعه دارایی‌های سرطان‌شناسی در AstraZeneca گرفته تا هدایت پروژه‌های کشف دارو با هوش مصنوعی در LabGenius و BenevolentAI.

۱۵ سال پیش، لین با سام ویندزور - که قبلاً در تیم تجاری‌سازی AlphaFold دیپ‌مایند (DeepMind) کار می‌کرد - در دانشگاه ملاقات کرد و این دو در طول سال‌ها با پروژه‌های جالب در تماس بودند. لین توضیح می‌دهد: «ما با هم مسائل مربوط به توسعه دارو را بررسی کردیم و موقعیت خود را اصلاح کردیم تا اینکه به چیزی واقعاً خاص و بدیع رسیدیم و بر ایمنی دارو به عنوان یک مشکل حل نشده تمرکز کردیم.»

این امر باعث شد که این دو با دکتر لیلا حسینی گرامی، که در آزمایشگاه کشف دارو با هوش مصنوعی در دانشگاه کمبریج (University of Cambridge) مشغول به تحصیل در مقطع دکترا بود، آشنا شوند. لین می‌گوید: «تخصص او در زمینه هوش مصنوعی مکانیسم عملکرد دارو در سطح جهانی پیشرو بود و دقیقاً همان چیزی بود که من به عنوان ابزاری عالی برای درک این مشکلات پیچیده تصور می‌کردم. خوشبختانه، لیلا نیز بسیار کارآفرین بود و پذیرفت که دو غریبه از او بپرسند که آیا می‌خواهد با آنها شرکتی ایجاد کند!»

ایگنوتا لبز در سال ۲۰۲۱ تأسیس شد و ویندزور به عنوان مدیرعامل و حسینی گرامی به عنوان مدیر ارشد علمی داده‌ها، سکان هدایت را به دست گرفتند.

چگونه کار می‌کند

پلتفرم Safepath ایگنوتا لبز، از یادگیری عمیق برای مقابله با چالش‌های ایمنی دارو با کشف مکانیسم‌های پشت سمیت دارو استفاده می‌کند.

برخلاف «ارزیابی‌های ایمنی سنتی» که مشخص می‌کنند چه چیزی اشتباه پیش رفته است، Safepath شیمی‌اطلاعات، بیوانفورماتیک و تجزیه و تحلیل داده‌های چندوجهی را ترکیب می‌کند تا توضیح دهد چرا و چگونه مسائل ایمنی رخ می‌دهند و «بینش‌های عملی برای اصلاح یا تغییر کاربری داروهای کاندید ارائه می‌دهد.»

لین توضیح می‌دهد: «پلتفرم شیمی‌اطلاعات ما مدل‌های یادگیری ماشینی را تا حد امکان از پروتئوم (proteome) پوشش می‌دهد. ما این کار را در غلظت‌های مختلف و در گونه‌های مختلف انجام می‌دهیم و در نهایت بیش از ۱۵۰۰۰ مدل ایجاد می‌کنیم. وقتی ترکیب جدیدی داریم، می‌توانیم شرکای اتصال هدف و (مهمتر از آن) خارج از هدف دارو را بازسازی کنیم. سپس می‌توان از این به عنوان ورودی برای پشته فناوری بیوانفورماتیک ما استفاده کرد که در مسیرهای مختلف دخیل در آن هدف نقشه‌برداری می‌کند.»

«این در یک نمودار دانش علّی سازماندهی شده است تا عبور از مجموعه‌های داده ناهمگون در طیف وسیعی از پایگاه‌های داده omics مختلف را تسهیل کند.»

لین می‌گوید که ترکیب شیمی‌اطلاعات، بیوانفورماتیک و «اعتبارسنجی آزمایشگاهی» به تیم اجازه می‌دهد تا یک فرضیه قانع‌کننده بسازند، که سپس به آنها این باور را می‌دهد که یک مشکل سمیت معین قابل حل است. این استارت‌آپ سپس می‌تواند مجوز استفاده از دارو را دریافت کند، شیمی آن را توسعه دهد و دارو را در اسرع وقت به کلینیک بازگرداند.

چگونه پیش می‌رود

ایگنوتا لبز از نظر پیشرفت، اخیراً به موفقیت‌های قابل توجهی دست یافته است. در ماه فوریه، این استارت‌آپ ۶.۹ میلیون دلار در دور سرمایه‌گذاری بذری به رهبری Montage Ventures و AIX Ventures جمع‌آوری کرد و لین می‌گوید که تحولات هیجان‌انگیزتری در راه است.

او می‌گوید: «از زمانی که خرید اولین دارایی خود را در سال ۲۰۲۴ اعلام کردیم، همه چیز به طور فوق‌العاده‌ای خوب پیش رفته است. ما یک خط تولید دارویی فوق‌العاده هیجان‌انگیز داریم که در حال ارزیابی آن هستیم تا تأیید کنیم که کدام یک از مشکلات سمیت قابل حل برخوردار هستند.»

«ما همچنین تقریباً اندازه تیم خود را در ماه‌های آینده دو برابر خواهیم کرد و به ما قدرت آتش بیشتری در سراسر عملکردهای فناوری، علمی و توسعه کسب و کار می‌دهد.»