Новая эра биокомпаний, работающих на основе полнофункциональных вычислений, приведет к невероятным достижениям в области здоровья человека.
Первая биотехнологическая революция произошла 50 лет назад, когда молекулярные биологи с помощью ДНК-инженерии вставили в бактерию чужеродную генетическую последовательность и эффективно синтезировали белок, не закодированный геномом хозяина. Этот переломный момент положил начало новой эре научных исследований, значительно расширив наше понимание того, как клетки работают в условиях здоровья и болезни. Он проложил путь к созданию совершенно новых типов лекарств (рекомбинантные белки, моноклональные антитела, целевые малые молекулы, генная и клеточная терапия, редактирование генов), которые улучшили состояние здоровья миллионов людей.
Несмотря на преобразующую силу первой биотехнологической революции, традиционные парадигмы разработки биофармацевтических лекарств продолжают сталкиваться с серьезными препятствиями даже после десятилетий прогресса. Доля терапевтических препаратов, дошедших до клинических испытаний, составляет менее 10 %, а доля успешных исследований от первой фазы до одобрения FDA - около 9 %. Это серьезные препятствия на пути превращения открытий в области молекулярной биологии в терапию, необходимую для удовлетворения неудовлетворенных медицинских потребностей миллионов людей. В результате этих неэффективных действий миллиарды долларов были потрачены впустую на неудачные проекты в области НИОКР, а пациенты были включены в клинические испытания исследовательских методов лечения, которые вряд ли принесут им пользу. Препятствия сохраняются даже после утверждения продукта из-за проблем с пониманием того, как лучше всего внедрять новые методы лечения в реальных условиях за пределами строго определенных групп пациентов, оцениваемых в клинических испытаниях.
Чтобы преодолеть это "бутылочное горлышко", необходим новый подход к интеграции биологии и технологий, основанный на передовых парадигмах искусственного интеллекта (ИИ) и машинного обучения (МО). Подобно тому, как биологи использовали ДНК-инженерию для катализации первой биотехнологической революции, ученые, занимающиеся изучением данных, могут создавать биологию с помощью вычислений, что приведет к новой эре биотехнологических компаний с компьютерным обеспечением. Технологически продвинутые биотехнологические компании (или биотехнологические компании с поддержкой технологий) способствуют огромному прогрессу в области здравоохранения, структурируя, анализируя и экстраполируя данные из различных источников для выявления новых лекарственных мишеней, разработки оптимальных по безопасности и эффективности методов лечения, создания новых диагностических и прогностических инструментов и определения пациентов, которые с наибольшей вероятностью получат пользу от того или иного лечения. Не менее важно и то, что эти огромные массивы данных способны радикально сократить время и стоимость разработки новых методов лечения и улучшить их применение в реальных условиях, позволяя принимать корпоративные и клинические решения на основе миллионов реальных точек данных, а не заранее определенных исходных данных. Это выгодно и пациентам, и плательщикам, и компаниям, и их инвесторам.
Современные парадигмы открытия и разработки имеют множество узких мест
Двумя важнейшими ограничениями традиционных подходов к открытию и разработке лекарственных средств являются 1) использование исследований, основанных на гипотезах, и 2) неспособность использовать и учитывать данные и представления о конкретной лекарственной мишени или терапевтической молекуле, которые разбросаны в опубликованной литературе и многочисленных источниках данных. Эти ограничения сужают сферу открытия и разработки до областей, которые, как уже известно, имеют отношение к определенному биологическому пути или показанию заболевания, что приводит к принятию не совсем обоснованных решений. Они также являются ключевыми причинами того, что на вывод нового препарата на рынок в среднем уходит более десяти лет и 1 миллиард долларов. Технологические биокомпании предлагают новый способ преодоления этих узких мест, разрабатывая замкнутые платформы на основе ИИ , которые могут ускорить цикл проектирования-строительства-тестирования-обучения (DBTL) в биологических науках. Эти вычислительные платформы могут экстраполировать разнородные данные, чтобы сократить время, эксперименты и затраты, связанные с созданием лекарственных препаратов, мишеней и лидов, а также с разработкой клинических испытаний, стратификацией пациентов и регистрацией. Эти компании, использующие технологии AI/ML, значительно сократили сроки доклинических исследований и разработок: теперь компании могут пройти путь от хита до жизнеспособного ведущего препарата-кандидата менее чем за 18 месяцев и менее чем за миллион долларов по сравнению с несколькими годами и десятками миллионов.
Биореволюция с помощью технологий уже здесь.
Инструменты генеративного ИИ, подобные тем, что используются в ChatGPT, ускоряют технологическую революцию в биологии, позволяя открывать и создавать совершенно новые фармацевтические препараты с нуля. В отличие от методологий, основанных на гипотезах, в которых исследования основываются на предварительных знаниях, выводы, сделанные в результате оценки миллионов текущих точек данных без ограничений в виде заданных входных данных или критериев вывода, являются абсолютно уникальными.
Кроме того, с помощью ИИ эти компании могут создавать "цифровых двойников" моделей животных и пациентов, а такие надежные многомодельные биосимуляторы могут открыть путь к полностью цифровой разработке терапевтических активов. Генеративный искусственный интеллект уже используется для "мультиомического" обнаружения целей (т. е. выявления факторов, способствующих развитию заболевания через взаимодействие с другими белками или путями, которые могут не иметь значения при индивидуальном анализе).Использование глубокого биологического анализа может значительно сократить время, необходимое для обнаружения и определения приоритетности новых мишеней, с нескольких месяцев до нескольких щелчков мышью.
Этот же подход может быть применен к созданию новых терапевтических молекул с помощью автоматизированных процессов разработки лекарств на основе ML, которые позволяют выявить молекулы, похожие на лид, за неделю, а не за месяцы или годы. Технологии ИИ и ОД также используются для разработки и прогнозирования результатов клинических испытаний путем анализа реальных данных о пациентах с целью выявления участников испытаний, которые с наибольшей вероятностью получат пользу от тестируемой терапии.
Данные, полученные с помощью этих технологий, способны значительно сократить размер, стоимость, риск неудач и продолжительность клинических испытаний. Биотехнологические компании используют вычисления для стратификации пациентов, чтобы открыть новую эру точной медицины, в которой результаты лечения пациентов значительно улучшаются благодаря систематическому определению наилучшего лечения/терапевтического вмешательства для конкретного человека на основе его уникального фенотипического и генотипического профиля экспрессии. Большие объемы данных EHR теперь могут быть помечены, маркированы и организованы в масштабе, что позволяет проводить предиктивную аналитику, анализ генетических данных, фенотипическую классификацию и оптимизацию терапии. Теперь мы можем прогнозировать, как определенные подгруппы пациентов будут реагировать на тот или иной протокол терапии, а также оптимизировать схемы лечения для достижения оптимального терапевтического эффекта.
Невозможно переоценить преимущества оцифровки научно-исследовательских операций в области биологических наук, таких как исследования в мокрых лабораториях, высокопроизводительные химические скрининги, моделирование на животных и крупные клинические испытания. Эти разрозненные рабочие процессы значительно увеличивают время, расходы и риски, которые долгое время препятствовали традиционным процедурам разработки и терапии лекарств. Новая эра биофирм с полнофункциональными вычислительными системами, которые автоматизируют, оптимизируют и интегрируют эти разрозненные виды деятельности, а также позволяют преобразовывать ранее разрозненные данные в действенные идеи, приведет к значительным улучшениям в области здоровья человека. Следующая промышленная революция уже идет.