Az insitro gyógyszerjelöltjeit vizsgáló AI-modelljei bekerültek a Lilly TuneLabba

In vitro adatok helyett korábban jöhet az in vivo előrejelzés

Az insitro október 6-i bejelentése szerint a modellek a kis molekulák in vitro és in vivo tulajdonságait is előre jelzik. A vállalat közlése alapján ez alternatívát kínál az iparágban elterjedt módszerhez, amely az in vitro vizsgálatok eredményeiből próbál következtetni a szervezeten belüli viselkedésre.

A modelleket az Eli Lilly és az insitro közösen építette. A tanításukhoz a Lilly több évtizedes kutatása során előállított, több fajból származó preklinikai adatokat használtak fel. Az adatállomány több százezer egyedi molekula mérési eredményeit tartalmazza, köztük olyan in vitro és in vivo adatokat, amelyek a vegyületek ADMET-tulajdonságaihoz kapcsolódnak. Az angol betűszó a felszívódást, eloszlást, metabolizmust, kiválasztást és toxicitást jelöli.

A forrás szerint az ilyen adatmennyiségre épülő, vállalati szintű képesség korábban jellemzően csak azoknak a szervezeteknek állt rendelkezésére, amelyek maguk is képesek voltak hasonló volumenű adatot előállítani. A modelleket a későbbiekben frissítik, ahogy az adatállomány tovább bővül.

A Lilly TuneLab bizonyos biotechnológiai cégeknek nyitja meg a hozzáférést

A modellek most a Lilly TuneLab egyes biotechnológiai vállalatai számára használhatók. A platform a Lilly Catalyze360 része, amelyhez a Lilly Ventures, a Lilly Gateway Labs és a Lilly ExploR&D is tartozik. Ezek a kezdeményezések tőkét, laboratóriumi és technológiai infrastruktúrát, valamint kutatási és fejlesztési képességeket biztosítanak a biotechnológiai innováció támogatására.

A TuneLab federált tanulási infrastruktúrára épül, és egy külső szolgáltató üzemelteti. Aliza Apple, a Lilly Catalyze 360 AI/ML területének alelnöke és a Lilly TuneLab globális vezetője szerint az új modellek lehetővé teszik, hogy az in vivo vizsgálatokból származó, korábban csak későbbi fejlesztési szakaszban elérhető jeleket már a virtuális szűrés idején felhasználják, még a molekula előállítása előtt.

Apple szerint a TuneLab célja, hogy a gyógyszerkutatás során felhalmozott ismereteket több vállalat közösen használhassa. A közlemény szerint a platform tagjai számára ez a korai döntéshozatal és a korlátozott erőforrások elosztásának támogatását jelentheti.

A klinikai kudarcok egy része már a tervezésnél kiszűrhető lehet

Daphne Koller, az insitro alapítója és vezérigazgatója szerint a klinikai szakaszba jutó programok tízből kilenc esetben megbuknak, leggyakrabban akkor, amikor először vizsgálják a hatásosságukat. Ennek egyik oka lehet, hogy a célzott mechanizmus nem befolyásolja a betegséget, egy másik pedig az, hogy a molekula nem jut el a megfelelő szövetbe a szükséges koncentrációban és időtartamra.

Az insitro értelmezése szerint a kis molekulájú gyógyszerjelöltek jelentős része farmakokinetikai vagy biztonságossági okokból bukik el, sokszor csak a fejlesztés késői szakaszában, amikor már jelentős időt és tőkét fordítottak rájuk. A korábbi előrejelzés csökkentheti annak esélyét, hogy hibás szerkezetű jelöltek jussanak tovább, és lerövidítheti az ígéretes molekulák klinikáig vezető útját.

A jobb számítógépes előrejelzés az állatkísérletektől való függést is mérsékelheti. A közlemény ezt összekapcsolja az amerikai Élelmiszer- és Gyógyszerügyi Hatóság, az FDA 2025 áprilisában kiadott, a preklinikai biztonságossági vizsgálatokban alkalmazott állatkísérletek csökkentéséről szóló útitervével, valamint a 2026 márciusában közzétett, új módszertani megközelítésekről szóló tervezett útmutatójával.

Az in vivo farmakokinetikai modellek az insitro TherML platformjának egyik elemét alkotják. A platform gépi tanulási és fizikai alapú számítógépes szűrést, saját adaptív DNS-sel kódolt könyvtárakra épülő affinitási modelleket, valamint aktív tanulást használó gyógyszerkémiai tervezőmotort is tartalmaz. Az insitro közlése szerint a modelleket a vállalat és partnerei első osztályú gyógyszerek felfedezésében is alkalmazni fogják.