MONROVIA, Kalifornien – Das Labor von Terray Therapeutics ist eine Symphonie miniaturisierter Automatisierung. Die Roboter wirbeln herum und tragen winzige 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, die in winzigen Vertiefungen in maßgeschneiderten Siliziumchips enthalten sind, die mikroskopisch kleinen Muffinformen ähneln. Jede Interaktion wird aufgezeichnet, Millionen und Abermillionen jeden Tag, wodurch täglich 50 Terabyte an Rohdaten entstehen, was mehr als 12.000 Filmen entspricht.
Das Labor, etwa zwei Drittel so groß wie ein Fußballfeld, ist eine Datenfabrik für die Entdeckung und Entwicklung von Medikamenten mit künstlicher Intelligenz in Monrovia, Kalifornien. Es ist Teil einer Welle junger Unternehmen und Startups, die versuchen, KI zu nutzen, um wirksamere Medikamente schneller herzustellen.
Abonnieren Sie den Newsletter „The Morning“ der New York Times
Unternehmen nutzen neue Technologien – die aus riesigen Datenmengen lernen, um Antworten zu generieren –, um die Arzneimittelforschung neu zu gestalten. Sie verlagern den Bereich von sorgfältiger Handwerkskunst hin zu automatisierterer Präzision, einem Wandel, der von KI angetrieben wird, die lernt und intelligenter wird.
„Sobald Sie über die richtigen Daten verfügen, kann KI funktionieren und wirklich, wirklich gut werden“, sagte Jacob Berlin, Mitbegründer und CEO von Terray.
Die meisten frühen kommerziellen Anwendungen der generativen KI, die alles von Gedichten bis hin zu Computerprogrammen produzieren kann, dienten der Vereinfachung allgemeiner Büroaufgaben, dem Kundenservice und dem Schreiben von Code. Dennoch ist die Entdeckung und Entwicklung von Arzneimitteln eine riesige Branche, die laut Experten reif für eine KI-Überarbeitung ist.
Laut der Beratungsfirma McKinsey & Co. ist KI eine „einmalige Jahrhundertchance“ für den Pharmasektor.
So wie beliebte Chatbots wie ChatGPT anhand von Texten im Internet trainiert werden und Bildgeneratoren wie DALL-E aus riesigen Mengen an Bildern und Videos lernen, ist die KI für die Arzneimittelforschung auf die Daten angewiesen. Dabei handelt es sich um sehr spezielle Daten: molekulare Informationen, Proteinstrukturen und Messungen biochemischer Wechselwirkungen. Die KI lernt Muster in den Daten, um mögliche nützliche Medikamentenkandidaten vorzuschlagen, als würde sie chemische Schlüssel den richtigen Proteinschlössern zuordnen.
Da KI für die Arzneimittelentwicklung auf präzisen wissenschaftlichen Daten beruht, sind toxische „Halluzinationen“ viel weniger wahrscheinlich als bei umfassender trainierten Chatbots. Und jedes potenzielle Medikament muss umfangreiche Tests im Labor und in klinischen Studien durchlaufen, bevor es für Patienten zugelassen wird.
Unternehmen wie Terray bauen große High-Tech-Labore, um die für das Training von KI erforderlichen Informationen zu generieren und so schnelle Experimente und die Fähigkeit zu ermöglichen, Muster zu erkennen und Vorhersagen darüber zu treffen, was funktionieren könnte.
Generative KI kann dann ein Arzneimittelmolekül digital entwerfen. Dieses Design wird in einem automatisierten Hochgeschwindigkeitslabor in ein physikalisches Molekül übersetzt und auf seine Wechselwirkung mit einem Zielprotein getestet. Die Ergebnisse – ob positiv oder negativ – werden aufgezeichnet und an die KI-Software zurückgemeldet, um deren nächsten Entwurf zu verbessern und so den Gesamtprozess zu beschleunigen.
Obwohl sich einige von KI entwickelte Medikamente in klinischen Studien befinden, befinden sie sich noch in einem frühen Stadium.
„Generative KI verändert das Feld, aber der Prozess der Arzneimittelentwicklung ist kompliziert und sehr menschlich“, sagte David Baker, Biochemiker und Direktor des Institute for Protein Design an der University of Washington.
Die Arzneimittelentwicklung war traditionell ein kostspieliges, zeitaufwändiges und unsicheres Unterfangen. Studien zu den Kosten für die Entwicklung eines Arzneimittels und die Durchführung klinischer Studien bis zur endgültigen Zulassung variieren stark. Die Gesamtausgaben werden jedoch im Durchschnitt auf eine Milliarde US-Dollar geschätzt. Es dauert 10 bis 15 Jahre. Und 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 arbeiten daran, mithilfe ihrer Technologie diese Chancen zu verbessern und gleichzeitig Zeit und Geld zu sparen.
Ihre beständigste Finanzierungsquelle sind Pharmariesen, die seit langem als Partner und Bankiers für kleinere Forschungsunternehmen fungieren. Heutige KI-Arzneimittelhersteller streben in der Regel danach, die präklinischen Entwicklungsstadien zu beschleunigen, die normalerweise vier bis sieben Jahre dauern. Einige versuchen möglicherweise, selbst klinische Studien durchzuführen. Aber hier übernehmen in der Regel große Pharmaunternehmen die Aufgabe und führen die kostspieligen Versuche am Menschen durch, die weitere sieben Jahre dauern können.
Für etablierte Pharmaunternehmen bietet die Partnerschaftsstrategie eine relativ kostengünstige Möglichkeit, Innovationen zu nutzen.
„Für sie ist es, als ob sie mit dem Uber irgendwohin fahren würden, anstatt ein Auto kaufen zu müssen“, sagte Gerardo Ubaghs Carrión, ein ehemaliger Biotechnologie-Investmentbanker bei Bank of America Securities.
Große Pharmaunternehmen bezahlen ihre Forschungspartner dafür, Meilensteine bei Medikamentenkandidaten zu erreichen, was sich im Laufe der Jahre auf Hunderte Millionen Dollar belaufen kann. Und wenn ein Medikament letztendlich zugelassen wird und ein kommerzieller Erfolg wird, fließen Lizenzgebühren.
Unternehmen wie Terray, Recursion Pharmaceuticals, Schrödinger und Isomorphic Labs setzen ihre Durchbrüche fort. Aber es gibt im Großen und Ganzen zwei unterschiedliche Wege: diejenigen, die große Labore bauen, und diejenigen, die das nicht tun.
Isomorphic, das Spin-out von Google DeepMind, der zentralen KI-Gruppe des Technologiegiganten, ist davon überzeugt, dass je besser die KI ist, desto weniger Daten benötigt werden. Und es setzt auf seine Softwarekompetenz.
Im Jahr 2021 veröffentlichte Google DeepMind eine Software, die die Formen, in die sich Aminosäureketten als Proteine falten würden, genau vorhersagte. Diese 3D-Formen bestimmen, wie ein Protein funktioniert. Dies hat das biologische Verständnis verbessert und war bei der Arzneimittelentwicklung von Nutzen, da Proteine das Verhalten aller Lebewesen bestimmen.
Letzten Monat gaben Google DeepMind und Isomorphic bekannt, dass ihr neuestes KI-Modell, AlphaFold 3, vorhersagen könnte, wie Moleküle und Proteine interagieren – ein weiterer Schritt in der Medikamentenentwicklung.
„Wir konzentrieren uns auf den rechnerischen Ansatz“, sagte Max Jaderberg, Direktor für KI bei Isomorphic. „Wir glauben, dass es ein enormes Potenzial gibt, das es zu erschließen gilt. »
Terray ist, wie die meisten Startups in der Arzneimittelentwicklung, das Produkt jahrelanger wissenschaftlicher Forschung in Kombination mit neueren Entwicklungen im Bereich der KI.
Berlin, der am Caltech in Chemie promovierte, setzte im Laufe seiner Karriere seine Fortschritte in der Nanotechnologie und Chemie fort. Terray entstand aus einem Universitätsprojekt, das vor mehr als einem Jahrzehnt im Krebszentrum City of Hope in der Nähe von Los Angeles gestartet wurde, wo Berlin eine Forschungsgruppe hatte.
Terray konzentriert sich auf die Entwicklung niedermolekularer Medikamente, im Wesentlichen auf alle Medikamente, die eine Person in einer Pille einnehmen kann, wie Aspirin und Statine. Die Pillen sind bequem einzunehmen und kostengünstig herzustellen.
Die eleganten Labore von Terray sind weit entfernt von den akademischen Tagen, als Daten in Excel-Tabellen gespeichert wurden und Automatisierung ein fernes Ziel war.
„Ich war der Roboter“, erinnert sich Kathleen Elison, 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 ihm entwickelten Mikrochips auf Fortschritte externer Hersteller verlassen. Seine Labore sind mit automatisierten Geräten ausgestattet, aber dank der Fortschritte in der 3D-Drucktechnologie ist fast alles kundenspezifisch.
Das Terray-Team erkannte von Anfang an, dass KI für die Ausnutzung seiner Datenreserven von entscheidender Bedeutung sein würde, doch das Potenzial für generative KI in der Arzneimittelentwicklung zeigte sich erst später – viel früher, als ChatGPT im Jahr 2022 ein voller Erfolg wurde.
Narbe Mardirossian, eine leitende Wissenschaftlerin bei Amgen, wurde 2020 zum Chief Technology Officer von Terray ernannt, unter anderem dank der Fülle an im Labor generierten Daten. Unter Mardirossian baute Terray seine Teams für Datenwissenschaft und KI aus und erstellte ein KI-Modell, um chemische Daten in Mathematik zu übersetzen und umgekehrt. Das Unternehmen hat eine Open-Source-Version veröffentlicht.
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 Vereinbarungen werden nicht bekannt gegeben.
Um zu wachsen, brauche Terray Mittel, die über sein Risikokapital von 80 Millionen US-Dollar hinausgehen, sagte Eli Berlin, der jüngere Bruder von Jacob Berlin. Er gab einen Job im Private-Equity-Bereich auf, um Mitbegründer und CFO des Startups zu werden, und sei überzeugt, dass Technologie die Tür zu einem lukrativen Geschäft öffnen könnte, sagte er.
Terray entwickelt neue Medikamente gegen entzündliche Erkrankungen, darunter Lupus, Psoriasis und rheumatoide Arthritis. Das Unternehmen, so Jacob Berlin, rechnet damit, bis Anfang 2026 Medikamente in klinischen Studien zu haben.
Pharmazeutische Innovationen von Terray und seinen Mitbewerbern können die Dinge beschleunigen, aber nur bis zu einem gewissen Grad.
„Der ultimative Test für uns und für die Branche im Allgemeinen ist, ob man in 10 Jahren sagen kann, dass die klinische Erfolgsquote deutlich gestiegen ist und dass wir bessere Medikamente für die menschliche Gesundheit haben“, sagte Berlin.
ca. 2024 The New York Times Company