Egy magyar cég szimulált sejtmodellel reformálná meg a rákgyógyszergyártást. A magyar vállalat célja, hogy olyan fehérjecélpontokat találjon, amelyekből hatékony gyógyszereket lehet fejleszteni. A mérnöki területeken már régóta ismert számítógépes tervezőprogramok a biológiából eddig hiányoztak. Most ezen igyekeznek változtatni a kutatás résztvevői.
20 millió euróval, azaz több mint 8 milliárd forinttal támogatta a világ egyik legismertebb gyógyszergyára, a Merck & Co. és a Mercia kockázatitőke-befektető a magyar Turbine.AI nevű céget. A biotechnológiai cég úgynevezett mélytanuló algoritmusokkal megtámogatott sejtszimulációs platformjával és szimulált gyógyszerkísérletek millióival igyekszik lerövidíteni a gyógyszerfejlesztés sokszor évtizedekig tartó folyamatát.
A terápia megtervezéséhez sok mindent kell tudni előre
"Amikor egy vadászrepülőt próbálsz építeni, jó ha van egy szimulátor, ahol rengeteg mindent előre ki tudsz találni, és azután lehet a legjobbnak tűnő 2-3 dolgot ténylegesen megépíteni. Mi egy ilyen típusú biológiai szoftveren dolgozunk” – mutatta be a technológiát a Qubitnek Szalay Kristóf, a Turbine.AI egyik alapítója és technológiai vezetője.
A mostani befektetést a következő egy-másfél évben a cég arra tervezi fordítani, hogy házon belül saját labort alakítson ki, ahol állatkísérletekben is kipróbálhatják az eddigi sejtszimulációs kísérleteik során már megtalált potenciális gyógyszercélpontokat, és eljuthatnak a klinikai vizsgálatok első szakaszáig, amikor a készítményeket már embereken tesztelhetik.
15 évig is eltarthat kifejleszteni egy új gyógyszert
Normál körülmények között egy gyógyszer kifejlesztése akár másfél évtizedet is felölelhet. Ezalatt egy adott betegség ellen a laborban kikísérleteznek egy potenciális hatóanyagot, majd először állatokon, később pedig három klinikai fázison keresztül egyre nagyobb embercsoportokon tesztelik, hogy biztonságosan és hatásosan vegye fel a harcot az adott betegség ellen.
A folyamat költsége átlagosan 1-2 milliárd dollár, sikerrátája viszont rendkívül alacsony: a gyógyszerfejlesztési próbálkozások 90 százaléka sikertelenül zárul. A rákterápiás gyógyszerek fejlesztésének sikerrátája még alacsonyabb: 1-2 százalék körül mozog. Elsősorban ez az oka annak, hogy ezek a gyógyszerek akár több millió forintba is kerülhetnek: a gyógyszercégek a sikertelen fejlesztési folyamat költségeit is belekalkulálják az árba.
Ebből is látszik tehát, hogy a gyógyszerfejlesztések 70-80 százaléka a nem megfelelő hatóanyagon bukik el. A gyógyszercégek olyan hatóanyagokat igyekeznek találni, amelyek egy adott betegségért felelős fehérjéhez hozzákötődve képesek megváltoztatni annak működését, és így meggyógyítani az adott betegséget.
A probléma ott kezdődik, hogy több tízezer fehérje létezik, amelyek bonyolult hálózatban működnek, és óriási kihívást jelent megtalálni azokat a molekulákat, amelyek valóban hatnak egy adott fehérjére. Garantálva természetesen, hogy az emberi szervezetben se okozzanak kárt.
Ez az a pont, ahol segíthet az algoritmusokat alkalmazó biotechnológiai cég, a Turbine.AI sejtszimulációs platformja.
„Amit mi látunk a sejtből, az egy nagy gráf. Azt nézzük, hogy a fehérjék hogyan vannak összekötve egymással, de nemcsak ránézünk magasról, mint egy térképre, hanem vissza is tudjuk játszani az interakciókat, mint egy mozit. Ha én az egyik fehérjét kiveszem vagy legátlom, el fog indulni a sejtben egy reakciós folyamat: ez a fehérje egy másik fehérjét aktivál, és így tovább, míg a végén ebből összeáll egy sejtválasz. Az is lehet, hogy nem csinál semmit, hanem békésen szaporodik tovább, vagy elindítja a ráksejteknél kívánatos sejthalálhoz vezető folyamatokat, vagyis bekapcsolja azt az önmegsemmisítő programját, amit a ráksejtek általában kikapcsolnak magukban. Észreveszi magáról, hogy sérült a sejt örökítőanyaga, észreveszi magáról, hogy ő egy ráksejt, és elpusztítja magát” – mondta Szalay.
Mitől halhat el a rákos sejt?
A Turbine.AI a szimulációkor először kiválasztja, hogy a könyvtárukban lévő több ezer fajta sejt közül melyikkel dolgozzon a szoftver, majd azt, hogy milyen gyógyszert adnak neki, vagy melyik gént kapcsolják ki. A szimuláció ezt a kettőt összerakja, és megmondja, hogy ha ezek a bemeneti paraméterek, akkor mi lesz az eredmény.
Ahhoz, hogy összerakjanak egy szimulált sejtet, amit aztán mindenféle sejtre alkalmazni lehet, nem volt elég, hogy behúzzák azt a tudást, ami a biológiakönyvekben van, mivel a fehérjefolyamatokról meglévő információhalmaz még eléggé hiányos – itt jöttek a képbe a mélytanuló algoritmusok.
Először létrehoztak egy tanuló adatbázist, amelyen megtanították az algoritmusnak a már ismert folyamatokat: ha egy adott gént kikapcsolunk a sejtben, akkor az a sejt életben marad-e, és ha igen, hogy fog kinézni utána. „Ebből van több százezer tanítópontunk, és ezeket használva az algoritmus megpróbálja kitalálni, hogy ha van egy rákos sejt, és azt szeretnénk eredményként kapni, hogy elhaljon, mik lehetnek a hiányzó adatok ahhoz, hogy ez ténylegesen megtörténjen” – magyarázta a Turbine.AI technológiai vezetője.
Az állatkísérleteknek sosem lehet vége
Szalay szerint nem valószínű, hogy az állatkísérleteket ki lehet váltani. Mint fogalmazott: amit csinálunk, az a valóság modellje, ez pedig sosem lehet 100 százalékosan pontos. Ha eljutnánk oda, hogy 99 százalékos pontossággal működik, még akkor is érdemes legalább azt az egy kísérletet megcsinálni a biztonság kedvéért, hogy működik-e.
Egy ideális világban a COVID elleni vakcinák kifejlesztésénél tapasztalt sebességet, tehát körülbelül egy-másfél éves fejlesztési folyamatot szeretne látni a rákgyógyszereknél is, reálisan viszont arra számít, hogy a következő években 12 év helyett 5 évre lehetnek képesek csökkenteni a folyamat idejét. Emellett Szalay szerint a szimuláció segíthet abban, hogy a vállalatoknak kisebb betegpopulációkra is érdemes legyen gyógyszert fejleszteniük, így sokkal személyre szabottabbá válhat az orvoslás. Még azt is el tudja képzelni, hogy a jövőben a szimuláció a betegágy mellé kerüljön, és tényleg az egyes betegek paraméterei alapján meghatározott hatóanyaggal gyógyítsák az adott daganatot.
Legjobban: