Klausyk NNP.LT
Tai pasaulio biotechnologijų naujiena: JAV bendrovės „Soley Therapeutics“ bendraįkūrėjas ir vyriausiasis mokslinis pareigūnas dr. Kurosh Ameri siūlo keisti ankstyvą vaistų paieškos logiką. Užuot vaisto kandidato poveikį vertinus tik pagal vieną iš anksto parinktą galutinį laboratorinio bandymo matavimą, jis ragina stebėti, kaip gyvos ląstelės keičiasi per laiką ir reaguoja į skirtingas dozes. Toks metodas remiasi tiesioginiu ląstelių vaizdinimu ir dirbtinio intelekto modeliais. Rugsėjo 29 dieną paskelbtoje analizėje dr. Kurosh Ameri teigė, kad svarbiausia tampa ne vien sukaupti daugiau biologinės informacijos, bet gauti tokius duomenis, kurie atspindėtų ląstelės būsenos kitimą. Šį požiūrį jis pristatė mokslo ir technologijų portale „Technology Networks“.
Kodėl ankstyvieji bandymai ne visuomet leidžia numatyti rezultatą
Poreikį keisti vaistų kandidatų vertinimą rodo 2010–2017 metų klinikinių tyrimų duomenų analizė. Ji parodė, kad nuo 40 iki 50 proc. vaistų kandidatų klinikiniuose tyrimuose patiria nesėkmę dėl nepakankamo biologinio efektyvumo. Kitaip tariant, reikšminga dalis kandidatų iki bandymų su žmonėmis pasiekia kelią praėjusi ikiklinikinę stadiją, tačiau vėliau neparodo tikėto biologinio veikimo. Nurodoma šios problemos priežastis yra tradicinių ikiklinikinių laboratorinių testų ribotumas: jie ne visuomet tiksliai perteikia gyvos ląstelės biologiją. Todėl vienas matavimas bandymo pabaigoje gali neparodyti, kaip ląstelė reagavo iki to momento, kaip reakcija kito ir ar skirtinga dozė pakeitė patį poveikio pobūdį.
Statinis galutinis taškas pateikia konkretaus bandymo momento rezultatą, o dr. Kurosh Ameri siūlomas modelis vaisto poveikį vertina kaip ištisinę trajektoriją. Joje svarbūs keli laiko ir keli dozių taškai, nes ląstelės reakcija nėra aprašoma vien galutine būsena. Tiesioginis ląstelių vaizdinimas kaupia informaciją apie ląstelių pokyčius, o dirbtinio intelekto modeliai skirti šio didelio informacijos kiekio dėsningumams atpažinti. Siūlomos krypties tikslas yra vaisto veikimo mechanizmą nustatyti anksčiau, nei jis būtų vertinamas vien pagal statinį bandymo rezultatą. Tai ypač aktualu atsižvelgiant į minėtą 40–50 proc. neefektyvumo dalį klinikiniuose tyrimuose: ankstesnis biologinio veikimo įvertinimas skirtas mažinti tiriamosios vaistų plėtros riziką.
Platforma stebi ląsteles jų nesunaikindama
„Soley Therapeutics“ plėtojama sisteminė platforma „Live Cell Dynamics“, trumpinama LCD, leidžia sekti gyvų ląstelių pokyčius jų nedažant ir nesunaikinant. Tai reiškia, kad ta pati gyvų ląstelių sistema gali būti stebima per kelis dozių ir laiko taškus, užuot rezultatą gavus tik nutraukus konkretų bandymą. Dr. Kurosh Ameri šią savybę sieja su galimybe daug ankstesnėje stadijoje nustatyti vaisto veikimo mechanizmą. Platformos principas atitinka jo siūlomą posūkį nuo galutinio taško prie dinamikos: vertinamas ne tik atsakymas į vaisto kandidatą, bet ir ląstelės būsenų kaita skirtingais stebėjimo momentais.
Toks vertinimas skiriasi nuo situacijos, kai apie ląstelės atsaką sprendžiama pagal vieną laboratorinį rodiklį. LCD atveju keli laiko taškai leidžia fiksuoti pokyčių eigą, o kelios dozės leidžia palyginti, kaip ląstelių būsena kinta priklausomai nuo tiriamos medžiagos kiekio. Pateiktoje informacijoje nenurodomas konkretus vaisto kandidatas, kuriam jau būtų pritaikytas kiekvienas toks stebėjimas, tačiau aiškiai nurodytas technologijos uždavinys – anksčiau atpažinti veikimo mechanizmą. Tai yra tiesioginis atsakas į problemą, kai tradiciniai ikiklinikiniai testai, remiantis 2010–2017 metų analize, nepakankamai atspindi gyvos ląstelės biologiją ir dėl to ne visada numato biologinį efektyvumą vėlesniuose tyrimuose.
Tyrime naudota 270 cheminių junginių
2026 metų sausį mokslo žurnale „Scientific Reports“ paskelbtame tyrime buvo įvertinta LCD savarankiškai besimokanti transformerių sistema. Jai mokyti panaudoti 189 cheminiai junginiai, o tikrinimui – dar 81 papildomas junginys. Iš viso tyrimo apimtį sudarė 270 junginių, tačiau mokymui ir testavimui jie buvo atskirti į dvi skirtingas grupes – 189 ir 81. Papildomi 81 junginys priklausė 10 skirtingų veikimo mechanizmų grupių, todėl sistema buvo vertinama ne vien pagal vienos rūšies biologinį poveikį. „PubMed“ ir „Scientific Reports“ pateiktoje tyrimo informacijoje nurodyta, kad sistema gebėjo tiksliai atpažinti ląstelių būsenų pokyčius ir atlikti branduolių skaičiavimą.
Šio tyrimo skaičiai apibrėžia, ką konkrečiai tikrino technologijos mokslinis pagrindas. Transformerių sistema pirmiausia mokėsi iš 189 junginių, o paskui jos veikimas buvo tikrinamas su 81 kitu junginiu, priskirtinu 10 veikimo mechanizmų grupių. Toks atskyrimas svarbus pačiai vertinimo sekai: testavimo junginiai nebuvo tie patys 189 junginiai, naudoti mokymui. Tyrimo rezultatas nėra klinikinių bandymų su pacientais rezultatas – jis susijęs su ląstelių būsenų atpažinimu ir branduolių skaičiavimu. Vis dėlto jis pateikia duomenų, kuriais grindžiama idėja, kad dirbtinio intelekto sistema gali analizuoti ląstelių dinamiką ir padėti identifikuoti biologinių būsenų pokyčius ankstyvoje vaisto tyrimo stadijoje.
Kasdien sukaupiama apie 3 terabaitus biologinių duomenų
Pietų San Fransiske veikianti „Soley Therapeutics“ automatizuoto ląstelių vaizdinimo platformomis kasdien sugeneruoja apie 3 terabaitus biologinių duomenų. Per vieną savaitę bendrovė ištiria apie 100 000 cheminių junginių šimtuose ląstelių linijų. Šie skaičiai rodo bendrovės darbo mastą: per savaitę tiriama ne pavienių junginių grupė, o apie šimtas tūkstančių cheminių junginių, o ląstelių modeliai skaičiuojami šimtais. „Drug Discovery News“ nurodė, kad šis srautas susidaro būtent naudojant automatizuoto ląstelių vaizdinimo platformas Pietų San Fransiske.
Apie 3 terabaitus per dieną reiškia, kad dirbtinio intelekto modeliams tenka analizuoti didelį biologinių vaizdų ir ląstelių būsenas aprašančios informacijos kiekį. Tačiau dr. Kurosh Ameri akcentuojamas skirtumas yra ne vien duomenų apimtis. Jo siūlomu požiūriu, svarbus yra duomenų turinys: jie turi atspindėti gyvų ląstelių dinamiką per kelias dozes ir laiką, o ne būti vienas galutinis matavimas. Bendrovės mastas – apie 100 000 junginių per savaitę šimtuose ląstelių linijų – suteikia techninį pagrindą tokius dinaminius duomenis rinkti plačiai, tačiau pats duomenų kiekis savaime nėra pateikiamas kaip biologinio efektyvumo problemos sprendimas.
Keturiasdešimties specialistų komanda ir UCSF tyrimų pagrindas
„Soley Therapeutics“ Pietų San Fransisko laboratorijose dirba 40 mokslininkų, dirbtinio intelekto inžinierių ir duomenų specialistų. Bendrovės plėtojama technologija remiasi daugiau nei 15 metų tyrimais, pradėtais Kalifornijos universitete San Fransiske, dar vadinamame UCSF. Vadinasi, 2020 metais įkurta įmonė technologijos kryptį grindžia tyrimais, kurių pradžia yra ankstesnė už pačios bendrovės įkūrimą. Apie 40 darbuotojų komandos sudėtį ir daugiau kaip 15 metų UCSF pradėtų tyrimų pagrindą 2026 metų sausio 7 dieną rašė „Endpoints News“.
Komandos sudėtis atitinka plėtojamos technologijos pobūdį. Mokslininkai siejami su biologinių procesų ir ląstelių tyrimu, dirbtinio intelekto inžinieriai – su modeliais, kurie turi aptikti ląstelių būsenų pokyčius, o duomenų specialistai – su kasdien susidarančiu maždaug 3 terabaitų biologinės informacijos srautu. Pateiktoje medžiagoje nėra atskiro šių 40 žmonių funkcijų pasiskirstymo, tačiau nurodytos trys specialistų grupės ir jų bendras skaičius. Daugiau nei 15 metų trunkantis tyrimų pagrindas taip pat leidžia atskirti dvi datas: UCSF pradėtų darbų laikotarpį ir 2020 metus, kai buvo įkurta „Soley Therapeutics“.
Finansavimas pasiekė 290 mln. JAV dolerių
2026 metų sausio 7 dieną „Soley Therapeutics“ paskelbė apie 200 mln. JAV dolerių C serijos finansavimo etapą. Jam vadovavo investicijų bendrovė „Surveyor Capital“. Po šio etapo bendra nuo bendrovės įkūrimo 2020 metais pritraukta suma pasiekė 290 mln. JAV dolerių. Tai reiškia, kad naujausias 200 mln. JAV dolerių etapas sudaro didžiąją dalį visos nuo 2020 metų sukauptos 290 mln. JAV dolerių sumos. Finansavimo datą, etapo dydį, pagrindinį investuotoją ir bendrą pritrauktą kapitalą tą dieną paskelbė „Business Wire“.
Šie finansavimo skaičiai pateikia bendrovės veiklos kontekstą, tačiau jie nėra klinikinio veiksmingumo įrodymas. 200 mln. JAV dolerių yra C serijos finansavimo suma, o 290 mln. JAV dolerių – visos lėšos, pritrauktos nuo 2020 metų, kai bendrovė buvo įkurta. Finansavimas buvo paskelbtas 2026 metų sausio 7 dieną, o dr. Kurosh Ameri analizė apie gyvų ląstelių dinamiką – rugsėjo 29 dieną, todėl tai yra du atskiri 2026 metų įvykiai. Vienas jų aprašo kapitalo pritraukimą, kitas – technologinę ir mokslinę kryptį, kurią bendrovė sieja su ankstyvu vaistų kandidatų vertinimu.
Sektorius pritraukė 19,9 mlrd. JAV dolerių, bet nesėkmių rodiklis nekrito
Dirbtinio intelekto vaistų kūrimo sektorius 2024–2025 metais pritraukė 612 rizikos kapitalo finansavimo etapų ir apie 19,9 mlrd. JAV dolerių bendro kapitalo. Vis dėlto istorinis maždaug 90 proc. klinikinių tyrimų nesėkmių rodiklis iš esmės nesumažėjo. Organizacijos „DealForma“ pateikti skaičiai iškelia skirtumą tarp investicijų masto ir klinikinių rezultatų: 612 finansavimo etapų bei 19,9 mlrd. JAV dolerių rodo aktyvų kapitalo srautą, tačiau jie savaime nepakeitė bendro nesėkmių rodiklio. Būtent šiame kontekste dr. Kurosh Ameri argumentuoja, kad vaistų paieškai reikia ne tik daugiau duomenų, bet ir tokių duomenų, kurie geriau atspindėtų biologinį procesą gyvoje ląstelėje.
90 proc. istorinis klinikinių tyrimų nesėkmių rodiklis apima platesnį vaistų kūrimo kelią nei 40–50 proc. kandidatų nesėkmė dėl nepakankamo biologinio efektyvumo. Pirmasis skaičius apibūdina bendrą istorinį klinikinių tyrimų nesėkmių mastą, o antrasis nurodo konkrečią neefektyvumo priežastį 2010–2017 metų analizėje. Šių rodiklių negalima tapatinti, tačiau kartu jie apibrėžia problemos foną. „Soley Therapeutics“ siūloma kryptis nėra pateikiama kaip jau įrodytas būdas panaikinti 90 proc. nesėkmių rodiklį. Ji siūloma kaip metodas, kuriuo ankstyvoje stadijoje būtų galima tiksliau nustatyti veikimo mechanizmus ir taip mažinti riziką.
2026 metais numatyta IND paraiška ir pirmi klinikiniai bandymai
Pagal „Soley Therapeutics“ paskelbtus 2026 metų planus, bendrovė ketina pateikti IND paraišką ir pradėti pirmojo vaisto kandidato, skirto ūminei mieloidinei leukemijai gydyti, klinikinius tyrimus. Ūminė mieloidinė leukemija taip pat žymima santrumpa AML. Tais pačiais metais įmonė planuoja pradėti pasirengimą antrojo vaisto kandidato, skirto solidiniams navikams gydyti, bandymams. Tai yra planuojami veiksmai, o ne jau įvykę klinikiniai tyrimai ar jų rezultatai. Todėl 2026 metų darbotvarkėje svarbu atskirti tris pakopas: IND paraiškos pateikimą, pirmojo AML kandidato klinikinių tyrimų pradžią ir pasirengimą antrojo kandidato, skirto solidiniams navikams, bandymams.
Planuojami klinikiniai žingsniai susieja bendrovės ląstelių dinamikos technologiją su dviem onkologinėmis kryptimis – ūmine mieloidine leukemija ir solidiniais navikais. Pirmojo kandidato atveju nurodytas ketinimas 2026 metais pateikti IND paraišką bei pradėti klinikinius tyrimus. Antrojo kandidato atveju nurodomas ankstesnis etapas – pasirengimas bandymams, o ne jų pradžia. Šis skirtumas svarbus vertinant bendrovės padėtį: vienas kandidatas numatytas klinikinių tyrimų pradžiai, kitas dar ruošiamas. Rugsėjo 29 dieną išdėstytas dr. Kurosh Ameri siūlymas stebėti gyvų ląstelių dinamiką papildo šią plėtros programą ankstyvojo biologinio vertinimo argumentu, bet nepateikia klinikinių rezultatų.
Gyvų ląstelių stebėjimo krypties esmę apibrėžia konkretūs skaičiai ir etapai: 40–50 proc. kandidatų 2010–2017 metų analizėje žlugo dėl neefektyvumo, LCD sistema mokyta su 189 junginiais ir tikrinta su 81 junginiu iš 10 veikimo mechanizmų grupių, o bendrovės laboratorijose kasdien sukaupiama apie 3 terabaitus biologinių duomenų. Šalia to stovi 2026 metų planas pereiti prie IND paraiškos ir klinikinių tyrimų su AML skirtu kandidatu. Bendrovės pasirinktas kelias remiasi prielaida, kad anksti ir pakartotinai fiksuojama gyvos ląstelės reakcija gali suteikti tikslesnį pagrindą sprendimams dėl tolesnės vaisto kandidato plėtros nei vien statinis galutinis bandymo matavimas.
