Manifold Bio公司的分子“條形碼”有望突破製藥業的體內瓶頸
據TechCrunch報導,在創造一種新藥的過程中,研究人員必須最終將分子放入一個真實的生物中——一次一個——看看它是否真的像他們認為的那樣發揮作用。Manifold Bio公司的分子“機器”可以讓一百個分子同時在一個活體系統中進行測試,有可能顛覆整個過程。
在過去的幾年裡,藥物發現領域已經取得了很大的進步,首先是快速和廉價的基因轉錄,然後是CRISPR及人工智能驅動的蛋白質組學等。最終,無論它們如何加速基礎研究,體內測試仍然是一個主要瓶頸。
體內(in vivo)是指“在生物體內進行的”,而不是體外(玻璃中)或矽(模擬)。小鼠是通常的小動物,獲得了測試新藥安全性和有效性的可疑榮譽。一般的公式是:一種藥物,一隻小鼠。由於這是藥物測試中具有挑戰性和耗時的部分,通常要等到公司或實驗室只有少數幾個分子有相當大的把握時才會進行。但這也是任何這些藥物第一次–往往也是最後一次–在真實的體內中實際發揮作用,結果是許多藥物的研究被終止。
初創公司Manifold Bio最近獲得了4000萬美元的A輪融資,旨在使小鼠試驗的效率和效果提高100倍,改變這一等式,在投入價值幾百萬美元的資源之前,實現更早的體內測試,驗證分子的功能。
“最佳的測試環境是現實,”Manifold Bio公司的創始人兼首席執行官Gleb Kuznetsov解釋說。“但當你在藥物開發項目中走得更遠時,你的投資越來越多,要做越來越多昂貴的實驗和工作。我們更早地進行優化,所以一旦我們到了進入臨床試驗的最後關頭,我們就會帶著已經優化過的藥物前進。如果你能更加確信這是一個正確的投資藥物,你就能解決投資的關鍵風險。”
目前,在小鼠測試階段,研究人員通常有一個目標條件和少數幾個候選藥物分子。每隻小鼠體內都有一個,他們觀察會發生什麼–在這個關鍵階段,確實有可能所有的小鼠都會失敗。
Manifold的創新是將體內測試平行化,在一隻小鼠身上同時進行多達100次測試。為了實現這一目標,它發明了一種“蛋白質條碼”技術,你可以把它看作是分子RFID標籤。
Kuznetsov說:“它的工作方式是我們附加一個額外的蛋白質位,即我們的蛋白質條形碼,這使得蛋白質可以被追踪,我們可以追踪它在一個系統中的任何地方。與其說是驗證實驗室測試,不如說是為設計提供參考。有很多人工智能和機器學習驅動的開發,有很多計算機上的設計。我們專注於一個特定的癌症目標,即癌細胞表面的一些東西,這些東西真正標誌著這是一個癌細胞,並找出非常專門針對這些癌細胞的藥物設計–而不是其他地方。”
這裡的問題是,在這個階段,你可能會看到一千種不同的蛋白質,其中每一種可能只與其他蛋白質有幾個氨基酸的差異,這些氨基酸是賦予蛋白質形狀和功能的構件。
這就是Manifold的條形碼的用處。每種蛋白質,無論多麼相似,都有一個標籤,這個標籤是完全獨特的,在通過專有的DNA轉換過程後可以識別。等量的100個分子進入小鼠體內,可能95個沒有任何作用,3個可以很好地附著在癌細胞上,2個以更高的速率附著。這就是98個分子,而不必通過進一步的測試。
這個篩選過程將很多不確定因素排除在外,因為研究人員肯定知道這個蛋白質在一個活的哺乳動物系統中確實發揮了他們設計的作用。而這是在設計和小批量合成之後,相對便宜和流程的早期部分。
最困難的部分是設計標籤本身。每個小的蛋白質條形碼都必須滿足一個非常高的標準。
“有一個分子生物學的組成部分,但也有很多使這些東西可以檢測的計算方面的問題。它們還必須不影響藥物的行為,而且必須是穩定的、可檢測的、獨特的和可製造的,” Kuznetsov說。設計一個將是一個挑戰–設計100個可能是一個全新的藥物開發路徑的基礎。他把它比作從CPU的串行處理到GPU的並行處理時發生在計算領域的變化。
不過,要清楚的是,這並不是要為其他公司的測試增壓–Manifold的目標是在這種注入生物技術的測試方法的基礎上建立整個垂直整合的藥物公司。
Kuznetsov表示:“我們在內部進行端到端的研究。我們內部的藥物,我們從頭開始創造了這些分子,我們已經把它們放在這些集合的體內測試中,它們很快就會達到臨床試驗的水平。”
他們的種子輪融資是為了建立基礎,並展示技術的有效性–現在已經做到了。4000萬美元的A輪融資是為了開始更昂貴和標準化的臨床測試過程。該公司目前專注於癌症,因為這不僅是一個巨大的威脅,而且與這個過程擅長尋找的藥物類型很匹配。
該公司由Kuznetsov和他的聯合創始人經營,但遺傳學先驅喬治·丘奇幫助提出並建立了該公司的開始。他目前是一名顧問。
新一輪融資由Triatomic Capital領投,新投資者Section 32、FPV Ventures、Horizons Ventures和騰訊,以及現有投資者Playground Global、Fifty Years和FAST by GETTYLAB參與。