Почему мы инвестировали в Nabla Bio

Доставка даже одного препарата из исследовательской лаборатории в клинику — это многоэтапный процесс, который занимает в среднем 2,6 миллиарда долларов и 12 лет — то есть, если лекарство не потерпело неудачу до получения полного одобрения, веха менее 0,02%. » потенциального охвата наркотиков. Проще говоря, получить разрешение на новый препарат практически невозможно. Одна из самых больших загадок, связанных с биотехнологиями сегодня, заключается в том, что мы понимаем науку и механизмы болезней лучше, чем когда-либо прежде, и все же мы все еще используем устаревшие методы для разработки новых терапевтических средств.

Процесс разработки лекарств разбит на четыре основных этапа: открытие лекарств, доклинические исследования, клинические испытания и рассмотрение регулирующими органами. Основное узкое место — это клинические испытания — вы просто не можете ускорить время при отслеживании ответов пациентов. Однако, увеличивая вероятность того, что лекарство будет успешным в клинических испытаниях, мы можем сделать процесс разработки лекарства более эффективным, сэкономив годы и миллиарды на том, что в противном случае было бы невозвратными затратами. Для этого задача заключается в открытии лекарств — разработке правильного соединения и выборе правильного актива для перехода к испытаниям. Это не так просто. Разработка лекарства включает в себя поиск правильной биологической мишени (клеточной структуры, участвующей в контроле над биологией болезни), а затем поиск соответствующего ведущего соединения (небольшой молекулы или белка, который воздействует на мишень, вызывая желаемый эффект). Учитывая, что люди имеют около 20 000 генов и могут экспрессировать более 200 000 белков, найти правильную комбинацию мишени и свинца — немалый подвиг.

К счастью, вычислительная биология развилась до такой степени, что мы можем позволить алгоритмам машинного обучения выполнять большую часть работы — нам больше не нужно строить предположения и вручную проверять сотни потенциальных мишеней для лекарств и кандидатов, чтобы найти оптимальную мишень или вести. Алгоритмы могут сканировать гораздо больше генома, протеома и даже эпигенома за долю времени, необходимого экспериментам для поиска поддающихся лечению мишеней и соответствующих кандидатов. Такие компании, как Recursion, LabGenius, Atomwise и компании-партнеры Cantos Phenomic и Clover Therapeutics, применяют ИИ для открытия лекарств таким образом. Однако и там проблема не решена полностью. После определения ведущего кандидата его необходимо оптимизировать, чтобы обеспечить достаточное связывание с мишенью, низкую токсичность, стабильность и т. д. – набор характеристик, которые в совокупности называются параметрами возможности разработки. При рассмотрении только белковых препаратов отсутствие достаточной оптимизации является причиной 30% неудач на клинической стадии. Это 450 миллионов долларов, потерянных на одно лекарство исключительно из-за отсутствия оптимизации.

Набла Био это исправляет. Набла, выделенный из докторской диссертации соучредителя и генерального директора Surge Biswas в Гарварде, создает Autoverse, платформу для проектирования белков, которая позволяет оптимизировать белки с использованием небольшого количества точек данных (low-N ). По сути, Autoverse Наблы может разрабатывать белки с нуля с минимальными предварительными знаниями, решая многолетний биотехнологический вопрос о том, как белки переходят от последовательности к структуре, и предоставляя полезную информацию для оптимизации лекарств. когда желаемые свойства известны, а структура - нет.

Такую платформу можно использовать для множества приложений в области биотехнологий, синбио, сельского хозяйства и других областей. Основное внимание Nabla направлено на ускорение разработки лекарств, особенно на основе антител. Препараты на основе антител более динамичны, чем другие классы терапевтических средств, из-за их размера и программируемости. Сегодня на рынке есть несколько препаратов-блокбастеров на основе моноклональных антител (например, Humira), которые доказали эффективность этих белковых препаратов.

Тем не менее, оптимизация свойств антител для разработки — трудоемкий и трудоемкий процесс, который часто приводит к клиническим неудачам. Более того, многообещающие терапевтические антитела следующего поколения, такие как биспецифические и нанотела, требуют все более сложной инженерии, что затрудняет их продвижение с использованием современных технологий. Nabla упрощает инженерную разработку и антитела следующего поколения благодаря подходу искусственного интеллекта + «мокрой лаборатории». Команда доказала, что они могут разработать антитела с максимальной эффективностью как минимум в 35 раз выше, чем отраслевые стандарты, за короткое время.

Понятно, что технология Nabla особенная, но нас в компании привлекло не это. Cantos был создан, чтобы поддержать ученых и предпринимателей мирового класса в их стремлении построить ближний рубеж, и Surge и его соучредитель Фрэнсис определенно являются такими. Вместе с консультантами Mohammed AlQuraishi и George Church Surge первым применил алгоритмы обработки естественного языка (NLP) к дизайну белков. Он глубоко понимает взаимосвязь между последовательностью, структурой и функцией белка и использовал машинное обучение, чтобы обнаружить недостающие связи между последовательностью и структурой, которые долгое время были в центре внимания научных исследований. В сочетании с опытом Фрэнсис в создании предприятий и открытии белков в компаниях Flagship Pioneering и Novartis, это именно та команда, которая нужна вам для разработки белковой терапии.

Набла приближает нас на один шаг к конечной цели — преднамеренной разработке лекарств, а не просто их открытию — улучшению терапевтической силы и значительному увеличению вероятности того, что данное лекарство-кандидат получит одобрение. Мы верим, что Nabla и его коллеги в области вычислительной биологии спасут жизни и в конечном итоге снизят стоимость лечения. Благодаря комбинированному подходу AI + влажная лаборатория Nabla может разрабатывать лучшие биологические препараты быстрее и дешевле, чем считалось ранее возможным. Мы гордимся тем, что сотрудничаем с Surge, Frances, Zetta Venture Partners и Khosla Ventures, а также с существующими инвесторами Fifty Years и Boom Capital в начальном раунде Nabla на сумму 11 миллионов долларов.