Arctoris有限公司最近推出了新的先进的设施——公司的下一代,完全自动化的药物发现平台。我有幸能够看到第一手的平台,并有幸跟Martin-Immanuel Bittner MD DPhil和汤姆弗莱明MChem,两个Arctoris的合伙人。
马丁和汤姆讨论药物发现的进化,这些工作所面临的挑战,并分享如何人工智能,机器学习和机器人技术是影响药物的发现和临床成功。
劳拉·兰斯顿(LL):什么使你找到Arctoris吗?你能详细说明公司的使命和目标?
Martin-Immanuel Bittner (MIB):如何转变药物发现研究执行要求我在牛津大学博士学位。作为一名临床医生在德国,我很惊讶于实验室的生活是什么样子。而不是集中在智力挑战的新假说或确定新的治疗方法,面临的主要挑战之一博士生,博士后甚至教授是一个实际的:需要花费大量的时间,每天7到8个小时,手动移液少量的液体,而重复的,耗时的方法。生命科学实验的方式并没有从根本上改变几十年来,执行和解决这可能释放研究者的时间专注于科学发现的其他方面——无论是在读文学或了解更多关于分子途径。
阅读更多关于药物发现和挑战时,很明显,缺点产生的数据质量手册实验室技术科学进步是一种阻碍。独立的第三方,如制药公司的内部团队,试图重现结果发表在知名期刊只有成功的10 - 20%的病例。
巨大的失败率,低的成功的机会在药物发现,和升级成本,生物技术公司,制药公司和学术中心不能继续依赖不一致,低效的手工方法实验。
博士的研究中,我的两个合伙人一起我们认为这种传统的方式破坏实验室研究已经成熟,并且有潜在的利用自动化和机器人技术的好处,并利用它们带来更大的再现性、标准化、吞吐量和加速生命科学社区。
汤姆弗莱明(TF):与药物发现,想象它可能成为多少更有效,如果你能依靠90%的结果,而不是怀疑约90%。有一个渴望高质量的数据没有被满足,两个小公司和大型制药公司正在经历这个。历史上收集到的数据是不确定的价值和可靠性而言,这就是我们的合作伙伴和客户都意识到,他们需要走出去,找到新的更好的方法生产数据。
不管收入或大小的生物技术制药公司,药物发现团队发现他们的数据库通常非结构化的和不可靠的。
爆炸的机器学习和人工智能(AI),这些方法和数据需要饲料,高质量的数据变得更大的重要性。
噢,你能介绍一些最新的药物发现的趋势?
MIB:从临床的角度来看,现在我们看到的是一个巨大的趋势个性化医疗和有针对性的治疗。药物发现社区正努力开发新的药物,并不是基于“一刀切”的方法——一种药物对一百万名患者。事实上,这是完全相反——理想的100万种不同药物,每个病人。这涉及到更深的描述疾病更彻底,发现药物真的会受益,一个病人或一个特定的,非常明确的患者群。
当前药物发现方法和当前£2 - 3美元的费用需要开发一个新的药物——完全是不可持续的。
TF:最近爆发的人工智能和机器学习在药物发现伴随着爆炸的初创企业创立与作为他们的职权范围。
这很年轻,新部门实现高质量的实验和实际数据的价值,来验证和发展他们的计算模型。
他们经常用我现有的开放存取数据存储库的数据和训练他们的模型,但这有一个极限。下一步,他们已经开始转向Arctoris因为我们完全自动化的平台可以“插入”产生新的生态系统,高质量的数据。最终,我们看到,我们可以帮助人工智能和机器学习驱动公司从单纯提供软件即服务成为独立的,高度创新生物技术公司在他们自己的权利。
我有自动化和人工智能的发展是如何影响现代药物发现实验室的设置吗?
TF:所以,自动化是很时髦的,但事实上,它已经存在了几十年。通常,只有应用于药物开发的第一步,一个大型制药公司将进行筛选——测试潜在的数以百万计的药物分子攻击一个目标。他们会生成大量的数据,最终只是冰山一角——失踪的关键数据的见解,不会完全支持决策。
除此之外,跟进的“热门”将使用手动设置执行。他们会受到手工实验室技术——这就是尽可能自动化。因此,一致性、精度和成本效益,是药物发现的第一步的一部分尚未意识到作为后期的一部分。
在Arctoris,我们扩展自动化的价值进一步药物发现管道,一直到顶峰——分子发展阶段,hit-to-lead,铅优化和选择候选人。我们将一致性、标准化、数字化和再现性更广泛的药物发现团队在生物技术公司、制药企业和学术中心。
另一点是,一个巨大的技术障碍,和成本障碍,自动化。从历史上看,这限制了大多数生物技术创业公司或学术实验室访问它。
Arctoris的方法是试图消除这些壁垒和成本允许任何生物科技初创企业能够生成和访问有价值的药物发现的见解,在点击一个按钮,不需要数百万英镑的投资。
我:你擅长自动化的细胞和生化实验,你能介绍一些你提供和触摸的实验能力如何能够支持多个阶段的药物发现过程?
TF:我们开发并运营一个细胞、分子生物学和生化平台,已经提供了一个广泛的最常见类型的实验需要在药物发现,包括细胞成像、PCR、效能测量和动力学分析。我们的目标是最终能够提供充分的所有相关分析这三个成分的药物发现领域研究的焦点——这是我们持续的增长和扩张。综上所述,我们使研究人员能够得到一个更丰富的数据集的候选人,这样我们的客户和合作伙伴可以做出更好的决定早在药物发现过程。
我:为什么全球药物研发团队应该考虑使用专家把自动化、机器人和人工智能的核心,每一个实验?
MIB:我认为这个问题有两个非常重要的元素。
现在,例如,司空见惯,大型制药公司可能会有10个、20、30不同站点与科学家一起工作略不同的试剂,略不同的化验,略不同的方法,这意味着任何生成的数据不容易可比这不是标准化的。
然而,总部设在波士顿的一位科学家今天订购一个实验使用我们的平台,在伦敦的另一个网站订购相同实验一年后会得到相同执行的结果,因为它是在完全相同的条件下,用同样的方法和在一个高度结构化和标准化的方法。
最终,如果不能汇集数据,它不是用于机器学习的应用程序。这是药物发现行业的日益关注,随着机器学习提供的独一无二的机会越来越多的赞赏。
但有一个机器学习社区内说:“垃圾,垃圾”——简单地说,任何模型只能输入数据一样好,这是至关重要的。我们的平台提供了研究人员在生产中使用机器学习的机会和富有成果的方式,因为输入数据实际上是高质量的。
噢,你能告诉我们更多关于创建和持续发展的世界上第一个完全自动化,机器人实验室,致力于药物发现?
MIB:建筑公司的第一步是研究与开发(R&D)当我们很快就意识到实验室自动化的一般原则,即单个实验运行一百万次,是远比我们想要构建窄。我们不是想建立一个实验室能够运行几十种不同的实验为几十种不同的客户在一个集成的系统。所以,我们与世界顶尖专家之一在机器人控制软件,我们开发我们自己的机器人系统与软件功能,可以支持我们需要的更大的灵活性和模块化。
基于我们的早期研发工作,然后我们建立我们的第一个原型工具。此原型演示了我们所有的能力和我们能够验证平台技术。基于本文的原型中,我们已经搬到你今天看到的设施——世界上第一个完全自动化,机器人实验室——这些验证,适用于专有技术广泛的化验,包括细胞、生化和分子生物学。
我们已经从研发、样机,工业生产设施,现在支持药物研发团队在世界任何地方。
我未来的“实验室”一词使用。距离我们实现未来的实验室或你认为我们有了吗?
MIB:术语“未来实验室”可以意味着许多不同的事情;例如,帮助科学家更准确地收集和报告数据与电子实验室笔记本或一个创新的设备。
未来的“实验室”到下一个级别,我们正在建设一个实验室,让世界上每一个科学家,无论他们在哪里,获取最先进的设备,和先进的方法。
你可以建立一个先进的生命科学中心教授在波士顿,旧金山——或者早期职业研究员在设置更多的限制资源;现在你的机会发现成功是深受毒品。从我们的谈话与科学家在撒哈拉以南的非洲或亚洲South-Est我们知道访问实验室基础设施往往是有限的。Arctoris研究团队已经建立了一个平台,希望会公平竞争在药物发现提供这种访问。
TF:我认为这个词实验室未来的存在是因为科学家们意识到,有一个巨大的机会应用进步发生在其他行业——云技术,计算技术,物联网,连接系统。
有这么多好处,还没有到达实验室,这就是我们想要达到的目的。
的一个主要好处将科学民主化。目前大约有75%的生命科学研究通常来自5个国家——最富有的国家——由于高昂的研发成本。我们对未来的愿景是,药物发现的突破,生物技术公司将出现在世界各地,因为它所需要的是一个聪明的人,一个想法,和激情。我们想支持这个。
Martin-Immanuel Bittner MD DPhil和汤姆·弗莱明MChem Arctoris合伙人,与劳拉·伊丽莎白·兰斯顿说,高级科学技术网络作家。188金宝搏备用
