I motsetning til tradisjonell legemiddelutvikling kombinerer Graph eks-vivo-perturbasjon av levende pasientseller, multimodale datasett (multi-omics) og maskinlæring for å identifisere og validere legemiddelmål i klinisk realistiske humane sykdomsmodeller .

Slik skal de nye pengene brukes

1. Videreutvikle «Lab-in-the-loop»-AI-plattformen

Graphs egenutviklede plattform bygger bro mellom prekliniske modeller og menneskelig biologi. Ved å teste legemidler direkte på pasientseller og integrere multi-omics-data, har selskapet som mål å forbedre den kliniske suksessraten – som fortsatt er oppsiktsvekkende lav innen immunologi og betennelsessykdommer .

2. Akselerere den interne legemiddelporteføljen

Den ferske kapitalen skal sørge for at Graphs egne presisjonsmedisinprogrammer for betennelse og immunologi når ledoptimalisering og preklinisk utvikling – et strategisk skifte fra å drive andres prosjekter til å bygge egne legemidler .

3. Skalere egen dataproduksjon

I et strategisk samarbeid med Parse Biosciences bygger Graph et av verdens største funksjonelle immun-celleperturbasjonsatlas. Samarbeidet utnytter Parse sin GigaLab-teknologi til å profilere hundretalls millioner celler fra pasienter med immunsykdommer, og gjør immunsystemets dynamiske oppførsel tilgjengelig for AI-drevet legemiddeloppdagelse .

Investorer og tilskudd – en oversikt

Investeringsrunden på 50 millioner kroner ble ledet av Daphni gjennom deres Blue-fond, som er dedikert til å støtte vitenskapsbaserte europeiske oppstartsbedrifter . Eksisterende investorer som SquareOne, Merantix Capital og NAVEC Investment Management deltok også, i tillegg til ikke-utvannende støtte fra Austrian Research Promotion Agency (FFG) og Austria Wirtschaftsservice (AWS) .

Teamet bak Graph Therapeutics

Graph Therapeutics ble grunnlagt av Gregory Vladimer og Robert Sehlke – samme forskerteam som bygde Allcyte, en Wien-basert plattform for legemiddeltesting som ble kjøpt opp av Exscientia for 600 millioner kroner i juni 2021 .

Allcyte var banebrytende med ideen om at testing av legemidler direkte på en pasients egne celler kunne forutsi behandlingsresultater bedre enn genetisk sekvensering alene. Graph representerer neste kapittel i denne tilnærmingen: I stedet for å drive andre selskapers prosjekter, bygger teamet nå sine egne presisjonsmedisiner for betennelse og immunologi .

Hvorfor dette er viktig

Tradisjonell legemiddelutvikling sliter med å tyde de komplekse immunforstyrrelsene som driver autoimmune og inflammatoriske sykdommer. Med begrensede presisjonsmedisinalternativer innen immunologi og betennelse (I&I) kan Graphs evne til å kartlegge og perturbere pasienters immunceller i stor skala låse opp mer effektive behandlinger som tar tak i sykdommens rotårsaker .

Ved å kombinere et tiår med innovasjon innen primære pasientsykdomsmodeller med AI, har Graph Therapeutics som mål å tette oversettelsesgapet som lenge har preget immunologisk legemiddelutvikling .

I motsetning til tradisjonell legemiddelutvikling kombinerer Graph eks-vivo-perturbasjon av levende pasientseller, multimodale datasett (multi-omics) og maskinlæring for å identifisere og validere legemiddelmål i klinisk realistiske humane sykdomsmodeller .

Slik skal de nye pengene brukes

1. Videreutvikle «Lab-in-the-loop»-AI-plattformen

Graphs egenutviklede plattform bygger bro mellom prekliniske modeller og menneskelig biologi. Ved å teste legemidler direkte på pasientseller og integrere multi-omics-data, har selskapet som mål å forbedre den kliniske suksessraten – som fortsatt er oppsiktsvekkende lav innen immunologi og betennelsessykdommer .

2. Akselerere den interne legemiddelporteføljen

Den ferske kapitalen skal sørge for at Graphs egne presisjonsmedisinprogrammer for betennelse og immunologi når ledoptimalisering og preklinisk utvikling – et strategisk skifte fra å drive andres prosjekter til å bygge egne legemidler .

3. Skalere egen dataproduksjon

I et strategisk samarbeid med Parse Biosciences bygger Graph et av verdens største funksjonelle immun-celleperturbasjonsatlas. Samarbeidet utnytter Parse sin GigaLab-teknologi til å profilere hundretalls millioner celler fra pasienter med immunsykdommer, og gjør immunsystemets dynamiske oppførsel tilgjengelig for AI-drevet legemiddeloppdagelse .

Investorer og tilskudd – en oversikt

Investeringsrunden på 50 millioner kroner ble ledet av Daphni gjennom deres Blue-fond, som er dedikert til å støtte vitenskapsbaserte europeiske oppstartsbedrifter . Eksisterende investorer som SquareOne, Merantix Capital og NAVEC Investment Management deltok også, i tillegg til ikke-utvannende støtte fra Austrian Research Promotion Agency (FFG) og Austria Wirtschaftsservice (AWS) .

Teamet bak Graph Therapeutics

Graph Therapeutics ble grunnlagt av Gregory Vladimer og Robert Sehlke – samme forskerteam som bygde Allcyte, en Wien-basert plattform for legemiddeltesting som ble kjøpt opp av Exscientia for 600 millioner kroner i juni 2021 .

Allcyte var banebrytende med ideen om at testing av legemidler direkte på en pasients egne celler kunne forutsi behandlingsresultater bedre enn genetisk sekvensering alene. Graph representerer neste kapittel i denne tilnærmingen: I stedet for å drive andre selskapers prosjekter, bygger teamet nå sine egne presisjonsmedisiner for betennelse og immunologi .

Hvorfor dette er viktig

Tradisjonell legemiddelutvikling sliter med å tyde de komplekse immunforstyrrelsene som driver autoimmune og inflammatoriske sykdommer. Med begrensede presisjonsmedisinalternativer innen immunologi og betennelse (I&I) kan Graphs evne til å kartlegge og perturbere pasienters immunceller i stor skala låse opp mer effektive behandlinger som tar tak i sykdommens rotårsaker .

Ved å kombinere et tiår med innovasjon innen primære pasientsykdomsmodeller med AI, har Graph Therapeutics som mål å tette oversettelsesgapet som lenge har preget immunologisk legemiddelutvikling .