Das Labor bei Terray Therapeutics ist eine Symphonie der Miniaturautomatisierung. Die Roboter summen und transportieren kleine Flüssigkeitsröhrchen zu ihren Stationen. Wissenschaftler in blauen Kitteln, sterilen Handschuhen und Schutzbrillen überwachen die Maschinen.
Aber die eigentliche Aktion findet auf der Nanoskala statt: Proteine in Lösung verbinden sich mit chemischen Molekülen in winzigen Vertiefungen in maßgeschneiderten Siliziumchips, die mikroskopisch kleinen Muffinformen ähneln. Jede Interaktion, Millionen und Abermillionen, wird jeden Tag aufgezeichnet, was zu 50 Terabyte Rohdaten pro Tag führt – das entspricht über 12.000 Filmen.
Das Labor, etwa zwei Drittel so groß wie ein Fußballfeld, ist eine Datenfabrik für die KI-gestützte Arzneimittelforschung und -entwicklung in Monrovia, Kalifornien. Es ist Teil einer Welle von Startups und Neugründungen, die versuchen, künstliche Intelligenz zu nutzen, um wirksamere Medikamente schneller herzustellen.
Unternehmen nutzen neue Technologien, die aus riesigen Datenmengen lernen, um Antworten zu generieren, um Medikamente neu zu erfinden. Sie verlagern den Bereich von sorgfältiger, buchstäblicher Handwerkskunst hin zu automatisierterer Präzision, einem Wandel, der durch lernende und intelligentere künstliche Intelligenz vorangetrieben wird.
„Sobald Sie über die richtigen Daten verfügen, kann KI wirklich gut funktionieren“, sagte Jacob Berlin, Mitbegründer und CEO. Terai.
Die meisten frühen kommerziellen Anwendungen der generativen KI, die alles von Gedichten bis hin zu Computerprogrammen produzieren kann, dienten dazu, die Plackerei routinemäßiger Büroaufgaben, den Kundenservice und das Schreiben von Code zu beseitigen. Allerdings ist die Arzneimittelforschung und -entwicklung ein riesiger Wirtschaftszweig, der Experten zufolge bereit ist, auf künstliche Intelligenz umzusteigen.
Laut der New York Times ist KI eine „einmalige Chance“ für die Pharmaindustrie. Beratungsunternehmen McKinsey & Company.
So wie beliebte Chatbots wie ChatGPT auf Online-Text trainiert werden und Bildgeneratoren wie DALL-E aus großen Sammlungen von Bildern und Videos lernen, ist KI in der Arzneimittelforschung datengesteuert. Hierbei handelt es sich um hochspezialisierte Daten – molekulare Informationen, Proteinstrukturen und Messungen biochemischer Reaktionen. Die KI lernt aus Mustern in den Daten, um potenzielle Kandidaten für nützliche Medikamente vorzuschlagen, als ob chemische Schlüssel den richtigen Proteinschlössern zugeordnet würden.
Da KI bei der Arzneimittelentwicklung auf strengen wissenschaftlichen Daten basiert, ist die Wahrscheinlichkeit des Auftretens toxischer „Halluzinationen“ im Vergleich zu umfassender ausgebildeten Chatbots viel geringer. Jedes potenzielle Medikament muss umfangreichen Labortests und klinischen Studien unterzogen werden, bevor es für Patienten zugelassen wird.
Unternehmen wie Terray bauen große High-Tech-Labore auf, um Informationen zu generieren, die beim Trainieren von KI helfen und schnelle Experimente sowie die Fähigkeit ermöglichen, Muster zu erkennen und vorherzusagen, was funktionieren könnte.
Generative KI kann dann das Arzneimittelmolekül digital entwerfen. In einem automatisierten Hochgeschwindigkeitslabor wird dieser Entwurf in ein physikalisches Molekül übersetzt und auf seine Wechselwirkung mit dem Zielprotein getestet. Die Ergebnisse – ob positiv oder negativ – werden aufgezeichnet und an die KI-Software zurückgemeldet, um den nächsten Entwurf zu verbessern und so den gesamten Prozess zu beschleunigen.
Während sich einige durch KI entwickelte Medikamente noch in der klinischen Erprobung befinden, steht die Entwicklung noch am Anfang.
„Generative KI verändert das Feld, aber der Prozess der Medikamentenentwicklung ist sowohl chaotisch als auch sehr menschlich“, sagte David Becker, Biochemiker und Direktor des Institute for Protein Design an der University of Washington.
Die Arzneimittelentwicklung war traditionell ein teurer, zeitaufwändiger Prozess, bei dem es nur um Zufall ging. Studien zu den Kosten für die Entwicklung eines Arzneimittels und die Durchführung einer klinischen Studie bis zur endgültigen Zulassung variieren stark. Aber die Gesamtkosten Schätzungsweise 1 Milliarde US-Dollar mitten drin. Es dauert 10 bis 15 Jahre. Fast 90 % der Arzneimittelkandidaten, die in klinische Studien am Menschen aufgenommen werden, scheitern, meist aufgrund mangelnder Wirksamkeit oder unerwarteter Nebenwirkungen.
Junge Entwickler von KI-Medikamenten streben danach, diese Möglichkeiten mithilfe ihrer Technologie zu verbessern und gleichzeitig Zeit und Geld zu sparen.
Die beständigste Finanzierungsquelle kommt von riesigen Pharmaunternehmen, die seit langem als Partner und Bankiers für kleinere Forschungsprojekte fungieren. KI-Arzneimittelhersteller konzentrieren sich heute typischerweise auf die Beschleunigung der präklinischen Entwicklungsstadien, die traditionell vier bis sieben Jahre dauern. Einige versuchen möglicherweise, selbst an klinischen Studien teilzunehmen. Aber das ist die Phase, in der große Pharmaunternehmen normalerweise teure Versuche am Menschen übernehmen, was weitere sieben Jahre dauern könnte.
Für etablierte Pharmaunternehmen stellt eine Partnerschaftsstrategie eine relativ kostengünstige Möglichkeit dar, von Innovationen zu profitieren.
„Für sie ist es so, als würden sie ein Uber benutzen, um irgendwohin zu gelangen, anstatt ein Auto kaufen zu müssen“, sagte Gerardo Obags Carrión, ein ehemaliger Biotech-Investmentbanker bei Bank of America Securities.
Big Pharma bezahlt seine Forschungspartner für bahnbrechende Durchbrüche bei Medikamentenkandidaten, die sich im Laufe der Jahre auf Hunderte Millionen Dollar belaufen können. Wenn das Medikament schließlich zugelassen wird und ein kommerzieller Erfolg wird, gibt es einen Strom von Lizenzeinnahmen.
Unternehmen wie Terray Oudian Pharmaceuticals, Schrödinger Und Identische Labore Sie erzielen weiterhin Durchbrüche. Aber im Allgemeinen gibt es zwei verschiedene Wege: einen, der große Labore baut, und einen, der keine großen Labore baut.
Isomorphic, ein Arzneimittelforschungsunternehmen von Google DeepMind, der zentralen KI-Suite des Technologieriesen, vertritt die Ansicht, dass je besser die KI ist, desto weniger Daten benötigt werden. Es setzt auf seine Programmierfähigkeiten.
Im Jahr 2021 veröffentlichte Google DeepMind ein Programm, das die Formen, in denen Aminosäureketten zu Proteinen geformt werden könnten, genau vorhersagte. Diese dreidimensionalen Formen bestimmen, wie das Protein funktioniert. Dies förderte das biologische Verständnis und unterstützte die Entdeckung von Arzneimitteln, da Proteine das Verhalten aller lebenden Organismen steuern.
Letzten Monat gaben Google DeepMind und Isomorphic bekannt, dass ihr neuestes KI-Modell, AlphaFold 3, vorhersagen kann, wie Moleküle und Proteine interagieren werden – ein weiterer Fortschritt in der Arzneimittelentwicklung.
„Wir konzentrieren uns auf den rechnerischen Ansatz“, sagte Max Jaderberg, Chief AI Officer bei Isomorphic. „Wir glauben, dass es viel Potenzial gibt, das freigesetzt werden kann.“
Terray ist, wie die meisten Startups in der Arzneimittelentwicklung, ein Nebenprodukt jahrelanger wissenschaftlicher Forschung in Kombination mit jüngsten Fortschritten in der künstlichen Intelligenz.
Dr. Berlin, CEO, der seinen Ph.D. Er erhielt seinen Doktortitel in Chemie vom California Institute of Technology und hat im Laufe seiner Karriere die Nanotechnologie und Chemie immer weiter vorangetrieben. Terai entstand aus einem akademischen Projekt, das vor mehr als einem Jahrzehnt am City of Hope Cancer Center in der Nähe von Los Angeles begann, wo Dr. Berlin eine Forschungsgruppe hatte.
Terai konzentriert sich auf die Entwicklung niedermolekularer Medikamente, bei denen es sich im Grunde um alle Medikamente handelt, die eine Person in Tablettenform einnehmen kann, beispielsweise Aspirin und Statine. Antibabypillen sind bequem einzunehmen und kostengünstig herzustellen.
Die eleganten Labore von Terray sind weit entfernt von den guten alten Tagen der akademischen Welt, als Daten in Excel-Tabellen gespeichert wurden und Automatisierung ein fernes Ziel war.
„Ich war der Roboter“, erinnert sich Kathleen Ellison, Mitbegründerin und leitende Wissenschaftlerin bei Terray.
Doch als Terray 2018 gegründet wurde, entwickelten sich die Technologien, die für den Aufbau seines Datenlabors im Industriestil erforderlich waren, rasant weiter. Terray hat sich bei der Herstellung der von Terray entwickelten kleinformatigen Chips auf den Fortschritt von Drittherstellern verlassen. Seine Labore sind mit Robotergeräten gefüllt, aber dank der Fortschritte in der 3D-Drucktechnologie ist fast alles davon anpassbar.
Das Terray-Team wusste von Anfang an, dass KI für das Verständnis seiner Datenspeicher von entscheidender Bedeutung sein würde, doch das Potenzial generativer KI in der Arzneimittelentwicklung wurde erst später klar – obwohl ChatGPT im Jahr 2022 ein Erfolg wurde.
Narbi Mardirosyan, ein leitender Wissenschaftler bei Amgen, wurde 2020 Chief Technology Officer von Terray – unter anderem aufgrund der Fülle an im Labor generierten Daten. Unter der Leitung von Dr. Mardirosyan hat Terray Teams für Datenwissenschaft und künstliche Intelligenz aufgebaut und etabliert Modell der künstlichen Intelligenz Chemische Daten in Mathematik übersetzen und wieder zurück. Das Unternehmen ausgestellt Open-Source-Version.
Terray hat Partnerschaftsvereinbarungen mit Bristol Myers Squibb und Calico Life Sciences, einer Tochtergesellschaft von Alphabet, der Muttergesellschaft von Google, die sich auf altersbedingte Krankheiten konzentriert. Die Bedingungen dieser Geschäfte wurden nicht bekannt gegeben.
Um zu expandieren, benötigt Terray Geld, das über die Risikofinanzierung in Höhe von 80 Millionen US-Dollar hinausgeht, sagte Eli Berlin, Dr. Berlins jüngerer Bruder. Er sagte, er habe seinen Private-Equity-Job aufgegeben, um Mitbegründer und CFO des Startups zu werden, in der Überzeugung, dass Technologie die Tür zu einem profitablen Unternehmen öffnen könne.
Terray entwickelt neue Medikamente gegen entzündliche Erkrankungen wie Lupus, Psoriasis und rheumatoide Arthritis. Dr. Berlin sagte, das Unternehmen erwarte, dass die Medikamente Anfang 2026 in die klinischen Studien gehen.
Innovationen in der Pharmaindustrie von Terray und seinen Kollegen könnten die Dinge beschleunigen, aber nur erheblich.
„Der ultimative Test für uns und für das Fachgebiet im Allgemeinen ist, wenn man in 10 Jahren zurückblickt, kann man sagen, dass die klinische Erfolgsquote dramatisch gestiegen ist und wir bessere Medikamente für die menschliche Gesundheit haben“, sagte Dr. Berlin.