Nutzung von KI-ML-Partnerschaften zur Weiterentwicklung der Arzneimittelforschung mit Recursion Pharma

Ein Gespräch mit Chris Gibson, CEO von Recursion Pharma

Fragen Sie nahezu jeden in der klinischen Forschung – von denjenigen, die im Datenmanagement über den klinischen Betrieb bis hin zu regulatorischen Angelegenheiten arbeiten – nach den Trends, die er verfolgt hat, und fast alle werden die fortschreitende Entwicklung von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) erwähnen Arzneimittelentdeckung und -entwicklung.

Und wie konnten sie es nicht? KI/ML hat alle Facetten unseres Lebens durchdrungen; Wir können uns der Art und Weise, wie Menschen mit ChatGPT und anderen KI-Chatbots spielen, nicht entziehen. Aber vielleicht ist einer der Bereiche von größtem Interesse die Arzneimittelentwicklung. Das Potenzial von KI/ML ist Recursion Pharma sicherlich nicht entgangen, das 2013 gegründet wurde und Anfang dieses Monats zwei kanadische Technologieunternehmen übernommen hat: Valence und Cyclica.

Mit Hauptsitz in Salt Lake City und Niederlassungen in der Bay Area und Kanada ist Recursion ein „TechBio“-Unternehmen im klinischen Stadium, das die Arzneimittelforschung durch den Einsatz von KI/ML industrialisiert. Recursion hat Vereinbarungen zur Übernahme von Cyclica für 40 Millionen US-Dollar und Valence für 47,5 Millionen US-Dollar getroffen.

Um mehr über die Akquisitionen und die Zukunft von KI/ML in der Arzneimittelforschung und -entwicklung zu erfahren, haben wir uns mit Chris Gibson, CEO von Recursion, getroffen.

Recursion bezeichnet sich selbst als „TechBio“-Unternehmen. Während wir im Bereich der klinischen Forschung oft auf „Biotechnologie“ stoßen, ist die Umkehrung des Ausdrucks nicht so verbreitet. Was steckt hinter der Wahl dieses Deskriptors?

GIBSON: TechBio ist ein Begriff, der vor einigen Jahren entstand und immer beliebter wird. Ziel ist es, eine eigene Kategorie für die wachsende Zahl von Unternehmen in unserer Branche zu schaffen, die eine explizite Strategie verfolgen, Technologien wie Computer (und insbesondere maschinelles Lernen und künstliche Intelligenz) und Automatisierung zu nutzen, um die Arzneimittelforschung anders durchzuführen.

Im vergangenen Jahr haben wir bei Recursion eine Verschiebung in der immer schnelleren Wertschätzung der Menschen für das Potenzial des TechBio-Bereichs festgestellt. Von großen Pharmaunternehmen bis hin zu großen Technologieunternehmen haben wir das Gefühl, dass unter den Führungskräften das Gefühl der Unvermeidlichkeit wächst, dass diese Unternehmen, deren Kern Technologie ist, tatsächlich für schrittweise Veränderungen in der Gesundheitsbranche sorgen werden – eine Meinung, die es nicht gab bis vor Kurzem weithin akzeptiert.

Angesichts Ihres Spitznamens ist es keine Überraschung, dass Recursion beschlossen hat, mehr KI/ML-Funktionen ins eigene Haus zu bringen. Erst in diesem Monat gab Recursion seine Entscheidung bekannt, sowohl Cyclica als auch Valence zu übernehmen. Welche Fähigkeiten bringen sie mit?

GIBSON: Mit der Vereinbarung zur Übernahme dieser beiden Unternehmen – die beide Methoden und Modelle des maschinellen Lernens entwickeln, um die Arzneimittelforschung zu transformieren – wird Recursion unsere Fähigkeiten in den Bereichen Chemie und generative KI erheblich stärken. Valence entwickelt generative KI- und Deep-Learning-Modelle für die Anwendung von Low-Data-Learning im Arzneimitteldesign. Cyclica besetzt auch den Bereich der KI-gestützten Arzneimittelforschung und hat eine Deep-Learning-Engine entwickelt, die die Polypharmakologie kleiner Moleküle durch Vorhersage der Ligand-Protein-Wechselwirkung als Grundlage für die Arzneimittelforschung kleiner Moleküle vorhersagt.

Unser Fokus lag im letzten Jahrzehnt auf der Verwendung von Technologietools zur Kartierung und Navigation der Biologie als System, während diese Unternehmen einen Ansatz verfolgten, bei dem die Chemie an erster Stelle stand. Durch diese Akquisitionen wollen wir die erste Full-Stack-Technologielösung schaffen, die in der Lage ist, den Prozess der Arzneimittelentwicklung durchgängig zu industrialisieren: von der internen Datengenerierung über die Identifizierung neuartiger biologischer Ziele bis hin zum Design und der Optimierung chemischer Verbindungen – und das alles im großen Stil Skala.

Gleichzeitig ist KI/ML in der klinischen Forschung und Arzneimittelentwicklung zunehmend Gegenstand von Interesse und Gesprächen. Was wissen wir zunächst über das Potenzial jedes einzelnen, die Arzneimittelforschung voranzutreiben? Und was kann es ermöglichen, was ohne es nicht oder nicht gut möglich ist?

GIBSON: Es gibt zwei wesentliche Möglichkeiten, wie KI und ML die Arzneimittelforschung beeinflussen können. Die erste besteht darin, die Effizienz zu steigern – schneller, billiger und weniger fehleranfällig zu denken. Mehrere Unternehmen – einschließlich Rekursion – haben bereits gezeigt, dass dies möglich ist. Die zweite Möglichkeit besteht darin, etwas völlig Neues über die biologische Funktion zu enthüllen, das wir als Menschen alleine nicht bewältigen können. Kombinieren Sie Effizienz und Neuheit – das ist für uns die wahre Chance, die Arzneimittelforschung zu industrialisieren.

Eine der größten Lehren aus anderen Branchen, in denen diese Technologien bereits erhebliche Auswirkungen hatten, ist, dass die Entwicklung eines erstaunlichen Algorithmus für maschinelles Lernen allein selten ausreicht, um disruptive Veränderungen herbeizuführen. Wenn diese hochentwickelten Algorithmen mit den richtigen Daten gepaart werden, entstehen übergroße Veränderungen, typischerweise in einem iterativen Prozess des kontinuierlichen Lernens, Vorhersagens und Verfeinerns. Bei Recursion haben wir intern unseren eigenen riesigen proprietären Datensatz generiert, der für den Zweck von ML geeignet ist, anstatt bestehende interne oder öffentliche Datensätze umzuwidmen.

Der wissenschaftliche Berater von Recursion und Valence, Yoshua Bengio, sagte, dass diese Akquisitionen einige der „überzeugendsten KI/ML-Forschungen der Welt“ hervorbringen werden. Das ist eine mutige Ankündigung. Wie kann genau das erreicht werden, wenn alle drei Unternehmen unter einem Dach vereint werden?

GIBSON: Yoshua ist ein Visionär und Gewinner des Turing-Preises, und deshalb ist es für uns aufregend, dass er unsere Begeisterung darüber teilt, was hier an der Schnittstelle von Biologie und Technologie möglich ist. Erstens hat Recursion mit 23 Petabyte einen der größten biologischen Datensätze auf der Erde erstellt. Das sind um ein Vielfaches mehr Daten als jeder jemals gedrehte Film zusammengenommen. Diese Daten sind als Grundlage für den Aufbau von Modellen für maschinelles Lernen unerlässlich, die uns helfen können, Biologie und Chemie zu verstehen.

Ein weiterer wichtiger Faktor ist die Rechenleistung, und Recursion betreibt einen der 150 schnellsten Supercomputer der Welt, also können wir dieses Kästchen ankreuzen.

Und die drittwichtigste Zutat sind die Menschen. Wir sind immer auf der Suche nach vorbildlichen KI/ML-Talenten zur Verstärkung unseres Teams, und diese Akquisitionen werden Top-Talente zu Recursion bringen. Yoshua und das Team von Valence haben ihren Sitz in Mila, einem der größten und innovativsten Deep-Learning-Forschungsinstitute weltweit, und das Team von Cyclica steht seit langem an der Spitze der Deep-Learning-Forschung zur Entdeckung kleiner Moleküle von Arzneimitteln.

Welche Auswirkungen hat die Erkenntnis, dass KI/ML das Potenzial hat, den Prozess der Arzneimittelentwicklung zu revolutionieren, für den Erfolg bei der Durchführung klinischer Studien? Können wir davon ausgehen, dass mehr Studien, die mit der KI/ML-gestützten Arzneimittelforschung begannen, im Hinblick auf Sicherheit und Wirksamkeit anders abschneiden als solche, bei denen dies nicht der Fall ist?

GIBSON: Die Biologie ist unglaublich komplex und die meisten Programme scheitern in der Klinik, weil wir nicht das richtige Ziel auswählen. Seit unserer Gründung im Jahr 2013 konzentriert sich Recursion auf die Lösung dieses Problems, indem es die groß angelegte Befragung der Biologie auf Systemebene nutzt und einen der weltweit größten biologischen und chemischen Datensätze erstellt. Dies hat es uns ermöglicht, in unseren „Maps of Biology“ Billionen von Zusammenhängen in der Biologie und Chemie vorherzusagen und neue biologische Ziele und chemische Ausgangspunkte zu identifizieren, die uns dabei helfen können, neue Wege zur Bekämpfung schwer zu behandelnder Krankheiten zu finden.

Ich hoffe, dass wir in den kommenden Jahren, wenn unsere Branche diese Technologien weiter beschleunigt und verbessert, damit beginnen werden, die Ausfallrate klinischer Programme zu reduzieren, weil wir immer besser darin werden, die richtigen Ziele und die besten Moleküle zu deren Modulation auszuwählen Ziele frühzeitig im Prozess festzulegen. Es gibt auch viele frühe Vorstöße des maschinellen Lernens in die Studiengestaltung, Patientenauswahl und mehr. Najat Khan, Chief Digital Officer von Janssen, hat dort Tools mit großem Erfolg in der klinischen Entwicklung und Kommerzialisierung eingesetzt.

Bei allen klinischen Studien geht es darum, die Sicherheit und Wirksamkeit einer Therapie zu ermitteln. Für Recursion besteht ein Teil dieses Ziels darin, auch über diese Ergebnisse transparent zu sein. Die Unternehmenspolitik besteht darin, alle Studienergebnisse innerhalb eines Jahres nach Abschlussdatum der Studie zu veröffentlichen und die Ergebnisse auf Anfrage den Patienten mitzuteilen. Warum ist es für die Rekursion wichtig, bei der Kommunikation der guten oder schlechten Ergebnisse Transparenz zu zeigen?

GIBSON: Ich bin der Meinung, dass Offenheit ein entscheidender Faktor bei der Verwirklichung unserer Mission ist. Wir sind auf lange Sicht dabei, daher ist es wichtig, eine Erfolgsbilanz des Vertrauens und der Transparenz bei den Leuten zu schaffen, die mit uns auf dieser Reise sind. Recursion engagiert sich auch stark für offene Wissenschaft und die Veröffentlichung von Open-Source-Datensätzen, die unserer Meinung nach einen Mehrwert für uns und die Gesellschaft insgesamt schaffen. Bisher haben wir fünf Open-Source-Datensätze veröffentlicht, von denen einige die größten ihrer Art weltweit sind, und zwar unter Bedingungen, die eine breite akademische und kommerzielle Nutzung ermöglichen. Unser Ziel ist es, die nächste Generation maschineller Lernmethoden zu ermöglichen, um Forschung, Methodenentwicklung und Zusammenarbeit zu fördern.

Was kommt als nächstes für die Rekursion? Lässt sich die Sache mit den beiden Neuzugängen vereinbaren, eine weitere Akquisition ins Auge fassen oder etwas ganz anderes?

GIBSON: Wir sind stolz auf das, was wir erreicht haben, insbesondere in einem Umfeld, in dem wir eine starke Konsolidierung und schnelle Veränderungen in der Branche erleben. Unsere Übernahmen von Cyclica und Valence erweitern unsere Fähigkeiten in der digitalen Chemie sowie im Bereich maschinelles Lernen und künstliche Intelligenz. Durch die Kombination ihrer Fähigkeiten mit unseren groß angelegten automatisierten Nasslabors und Supercomputing-Fähigkeiten sind wir in der Lage, die meiner Meinung nach umfassendste, technologiegestützte Arzneimittelforschungslösung in der Biopharmabranche bereitzustellen.

Mit Blick auf die Zukunft konzentrieren wir uns darauf, diese Fähigkeiten in unsere bestehende Arzneimittelforschungs-Engine zu integrieren, was meiner Meinung nach sehr schnell gelingen wird, wenn man bedenkt, wie komplementär diese Technologien zu dem sind, was wir bei Recursion entwickelt haben. Wir werden diesen Full-Stack-Ansatz in unserer bestehenden Pipeline einsetzen, um Programme schnell in die Klinik zu bringen.

Über den Experten:

Chris Gibson, Ph.D., ist Mitbegründer und CEO von Recursion, dem TechBio-Unternehmen im klinischen Stadium, das die Biologie entschlüsselt, um die Arzneimittelforschung zu industrialisieren. Chris entwickelte die Technologie und den Ansatz, die Rekursion hervorbrachten, im Rahmen seines MD/Ph.D.-Studiums. Arbeit im Labor des Mitbegründers Dr. Dean Li (jetzt Präsident von Merck Research Labs) während seines Studiums an der University of Utah. Nach Abschluss seiner Doktorarbeit verließ Chris die medizinische Fakultät, um Recursion zu starten. Chris ist Absolvent der Rice University mit Abschlüssen in Bioingenieurwesen und Management. Chris ist Vorstandsmitglied von BioUtah und Vorsitzender von BioHive, der öffentlich-privaten Partnerschaft, die den Ausbau des Life-Science-Ökosystems in Utah vorantreibt. Chris ist außerdem sowohl formell als auch informell als Berater und Mentor für viele junge Biotech-Gründer tätig.

Erhalten Sie die neuesten Artikel von Clinical Leader in Ihrem Posteingang.