Turbine en AstraZeneca hebben een samenwerking aangekondigd om de ontdekking van antistof-giftconjugaten (ADCs) te verbeteren met behulp van de virtuele ziekte-modellen van Turbine. Deze samenwerking maakt gebruik van de mogelijkheden van Turbine om biologische experimenten te virtualiseren, waardoor het ontdekkingsproces van ADCs wordt gestroomlijnd en mechanistische inzichten worden verkregen. Turbine en AstraZeneca hebben eerder al samengewerkt om de mechanismen van therapieresistentie bij bloedkankers te onderzoeken met behulp van het Simulated Cell-platform van Turbine. Deze eerdere samenwerking richtte zich ook op het voorspellen van combinatie-synergie en het identificeren van relevante biomarkeren die verband houden met DNA-schadereparatiemechanismen. Daniel Veres, hoofdwetenschapper en mede-oprichter van Turbine, zei: “Door een lab-in-the-loop-benadering toe te passen, kunnen we verder gaan dan breed experimenteel screening en een efficiëntere, gerichtere strategie volgen die de ADC-combinaties selecteert die het waarschijnlijkst succesvol zullen zijn bij patiënten. Dit legt ook de basis voor een diepere integratie van ons Virtueel Lab in ontdekkingswerkstromen, waardoor wordt gegarandeerd dat de juiste experimenten worden uitgevoerd om het grootste effect voor patiënten te genereren.” De bedrijven plannen om een lab-in-the-loop-benadering te gebruiken om de uitdagingen bij de ontwikkeling van ADCs aan te pakken. Deze methode omvat het gebruik van het platform van Turbine om een geselecteerde subset van cellijnen voor testen te suggereren, gevolgd door het voorspellen van uitkomsten over duizenden in silico-modellen met behulp van de ADC-datasets van AstraZeneca. Deze datasets omvatten zowel enkelvoudige als combinatie-studies, waardoor de ontdekkingsinspanningen dichter bij klinische resultaten worden gebracht. Het langetermijn doel van het initiatief is om vergelijkbare methoden uit te breiden naar patiënt-gebaseerde modellen en uiteindelijk de klinische zorg te verbeteren. Naast het verlichten van de experimentele last biedt het platform van Turbine mechanistische inzichten die de klinische vertaalbaarheid verbeteren. Het platform modelleert niet alleen celoverleving, maar verandert ook genexpressie, waardoor een beter begrip wordt verkregen van waarom bepaalde cellen reageren op of resistent zijn tegen behandeling. Vroeger dit jaar hebben AstraZeneca, Tempus en Pathos AI een samenwerking aangekondigd om een grootschalig multimodaal deep learning model te ontwikkelen dat is ontworpen om de ontdekking van kankergerichte geneesmiddelen te versnellen.
