Jak laboratoria HIVE Vivodyne próbują zasypać lukę w danych o ludzkiej biologii

Vivodyne wychodzi z założenia, że odkrywanie leków z pomocą AI ma najpierw problem z danymi, a dopiero potem z modelami. Algorytmy potrafią szybko wskazywać cele terapeutyczne, projektować cząsteczki i proponować eksperymenty. Ich prognozy pozostają jednak ograniczone, jeśli dane treningowe opisują głównie zwierzęta, pojedyncze komórki, białka albo obserwacje, a nie reakcję złożonych ludzkich tkanek na konkretną interwencję.

Andrei Georgescu, dyrektor generalny Vivodyne, twierdził, że obecne leki projektowane przez AI nie są jeszcze wyraźnie lepsze od tych opracowanych przez ludzi. Jego zdaniem jednym z głównych powodów jest brak wystarczającej ilości odpowiednich danych laboratoryjnych. 25

Odpowiedzią firmy ma być HIVE — modułowa platforma autonomicznych laboratoriów, która hoduje ludzkie tkanki, podaje im leki, monitoruje reakcje i analizuje wyniki na dużą skalę.

Wąskie gardło: sama korelacja nie wystarcza

Model wykorzystywany w opracowywaniu leków może wykryć związek między określoną cechą biologiczną a skutkiem choroby. Nie oznacza to jeszcze, że pokaże, co wydarzy się po zmianie tego układu przez lek — przy konkretnej dawce, w określonej tkance i w odpowiednim kontekście fizjologicznym.

Dlatego Vivodyne koncentruje się na perturbacji, czyli celowym zmienianiu warunków i pomiarze reakcji tkanki. W ujęciu firmy eksperyment ma dostarczać zależności bardziej użytecznych dla rozwoju leków: jeśli zastosujemy terapię X w dawce Y, tkanka Z zmieni się w mierzalny sposób. Platforma ma generować dane o przyczynowości komórkowej dzięki kontrolowanym eksperymentom na ludzkich tkankach. 2

Różnica jest istotna. Model wytrenowany na niepełnych danych albo na systemach biologicznych słabo odpowiadających człowiekowi może formułować bardzo pewne siebie, ale nietrafne prognozy. Vivodyne nie twierdzi, że większe modele są bezużyteczne. Argument firmy brzmi raczej: skalowanie modeli bez równoczesnego zwiększania jakości i znaczenia danych z ludzkiej biologii może przynosić ograniczone korzyści. 1725

Jak działa HIVE

HIVE łączy robotykę, mikrofluidykę, inżynierię tkankową, automatyczne podawanie substancji oraz odczyty biologiczne. Vivodyne podaje, że system potrafi hodować 20 rodzajów ludzkich tkanek, a następnie samodzielnie podawać im leki lub stosować inne perturbacje i śledzić zmiany w czasie. 117

Podstawą platformy są TissueDisks. Mają one umożliwiać równoległą hodowlę i dawkowanie setek niezależnych tkanek ludzkich. Według firmy pojedynczy model zawiera około 200 000–500 000 komórek i może obejmować perfundowane, właściwe dla danej tkanki trójwymiarowe sieci naczyniowe, co ma zapewniać bardziej realistyczne dostarczanie leków. 24

Przebieg pracy można sprowadzić do czterech etapów:

1. Hodowla standaryzowanych modeli ludzkich tkanek.
2. Zastosowanie leku, określonej dawki, zmiany genetycznej albo kombinacji interwencji.
3. Pomiar reakcji molekularnych, komórkowych i funkcjonalnych.
4. Analiza wyników i zaprojektowanie kolejnych eksperymentów.

W ten sposób laboratorium staje się systemem produkcji danych, a nie zbiorem pojedynczych, odizolowanych testów. Wynikiem nie jest wyłącznie informacja, czy tkanka przeżyła. Można również sprawdzać, jak i kiedy się zmieniła, które komórki zareagowały oraz jak różne dawki i kombinacje terapii wpłynęły na rezultat.

Dlaczego badania na zwierzętach i pojedynczych komórkach mogą nie wystarczyć

Modele zwierzęce nadal są przydatne do badania efektów zachodzących w całym organizmie. Biologia zwierzęcia nie musi jednak działać tak samo jak biologia człowieka. Różnice międzygatunkowe mogą wpływać na metabolizm leku, toksyczność, odpowiedź immunologiczną, mechanizmy choroby oraz współdziałanie wielu tkanek.

Testy na pojedynczych komórkach i białkach dostarczają cennych, szczegółowych informacji, ale usuwają znaczną część wielokomórkowej struktury i fizjologicznego kontekstu, które decydują o działaniu leku.

Ta rozbieżność pomaga wyjaśnić, dlaczego obiecujące kandydatury przedkliniczne mogą zawodzić podczas badań z udziałem ludzi. Proponowana przez Vivodyne rola platformy polega na dodaniu danych z ludzkich tkanek na wcześniejszym etapie, tak aby część problemów dotyczących bezpieczeństwa i skuteczności wykrywać przed kosztownymi badaniami na pacjentach. 113

Jednocześnie hodowana w laboratorium tkanka nie jest całym ludzkim organizmem. Modele mogą nie odtwarzać w pełni farmakokinetyki całego ciała, sygnałów między narządami, długoterminowych efektów immunologicznych, różnic między pacjentami ani wszystkich cech konkretnej choroby. Należy więc traktować je jako potencjalny pomost między uproszczonymi testami laboratoryjnymi a badaniami klinicznymi, a nie jako ich zamiennik.

Jakie dowody przedstawia Vivodyne

Vivodyne poinformowała o wynikach testów 20 leków chemioterapeutycznych na kilku modelach tkanek. Firma twierdzi, że jej model wątroby przewidywał toksyczność leków u ludzi z dokładnością 94%, model dróg oddechowych odtwarzał zachowanie ludzkiej tkanki w 96%, a model szpiku kostnego osiągnął 100% zgodności w tym zestawie testowym. 17

To potencjalnie ważne wyniki, ale wymagają ostrożnej interpretacji. Dostępne materiały przedstawiają je jako deklaracje firmy dotyczące skuteczności. Nie dowodzą one przeprowadzenia szerokiej, niezależnie powtórzonej i recenzowanej walidacji obejmującej wiele klas leków. Nie pokazują też, że prognozy HIVE poprawiły wskaźniki dopuszczeń klinicznych w prospektywnym porównaniu z tradycyjnymi programami przedklinicznymi.

Vivodyne ogłosiła również uruchomienie obiektu z 12 laboratoriami HIVE i deklarowaną roczną przepustowością 3,1 mln kontrolowanych eksperymentów na żywych ludzkich tkankach. To deklaracja dotycząca skali infrastruktury, a nie samodzielny dowód, że wyniki eksperymentów są trafnymi prognozami klinicznymi. 37

Finansowanie i zaplecze komercyjne

W 2023 roku firma ogłosiła łącznie 38 mln dolarów finansowania zalążkowego. Rundzie przewodził Khosla Ventures, a uczestniczyły w niej także Kairos Ventures, CS Ventures, MBX Capital i Bison Ventures. 9 Później Vivodyne poinformowała o rundzie o wartości 40 mln dolarów, która ma wspierać rozbudowę infrastruktury do zrobotyzowanych i opartych na AI testów na ludzkich tkankach. 7

Finansowanie wspiera strategię, w której biologia eksperymentalna ma pełnić funkcję infrastruktury dla AI: najpierw powstają duże, standaryzowane zbiory danych, a następnie są one wykorzystywane do poprawy prognoz terapeutycznych i ustalania priorytetów kolejnych eksperymentów.

Co może się zmienić w badaniach klinicznych

Jeśli platforma okaże się trafna w niezależnych, prospektywnych badaniach, może wpłynąć na rozwój leków na trzy główne sposoby.

Wcześniejsze wykrywanie porażek

Kandydaci o słabej skuteczności albo niedopuszczalnej toksyczności mogliby być odrzucani przed podaniem ich pacjentom. Nie wyeliminowałoby to wszystkich niepowodzeń klinicznych, ale mogłoby ograniczyć liczbę słabo uzasadnionych kandydatów trafiających do badań.

Lepszy wybór kandydatów i dawek

Testowanie wielu dawek i kontekstów tkankowych może pomóc określić, które związki warto rozwijać oraz jakie zakresy dawkowania powinny zostać sprawdzone klinicznie. Vivodyne przedstawia swoją platformę danych z ludzkich tkanek jako narzędzie przydatne na etapach odkrywania leków, analiz ADME i toksyczności oraz projektowania badań. 13

Bardziej użyteczne modele AI

Powtarzalne eksperymenty polegające na interwencji i pomiarze reakcji mogą dostarczyć systemom AI danych łączących konkretną terapię z efektem biologicznym na poziomie tkanki. W dłuższej perspektywie Vivodyne chce w ten sposób stworzyć szerszy model obliczeniowy — określany jako „model świata” — ludzkiej biologii. 8

Powodzenie takiego planu zależy od jakości, powtarzalności, różnorodności i zewnętrznej walidacji danych. Większa liczba eksperymentów nie oznacza automatycznie lepszych wyników, jeśli modele tkanek nie reprezentują odpowiednich populacji pacjentów albo jeśli pomiary nie przekładają się na rezultaty obserwowane u ludzi.

Dlaczego terapie skojarzone są ważnym sprawdzianem

Terapie skojarzone wymagają analizowania więcej niż jednej zmiennej naraz: par leków, dawek, kolejności podawania, czasu oraz rodzaju tkanki. Platforma oparta na ludzkich tkankach mogłaby ułatwić systematyczne testowanie takich kombinacji, wyszukiwanie efektów synergistycznych i jednoczesne wykrywanie toksyczności, zanim terapię otrzymają pacjenci.

Może to być szczególnie przydatne w chorobach, w których pojedynczy lek oddziałuje tylko na fragment złożonego szlaku biologicznego. Zastrzeżenie pozostaje jednak takie samo: eksperyment na tkance ujawnia interakcje w obrębie odwzorowanej biologii, podczas gdy na wynik kliniczny wpływają również wchłanianie, dystrybucja i metabolizm leku, reakcje immunologiczne, współdziałanie narządów oraz różnice między pacjentami.

Wnioski

Vivodyne zakłada, że kolejny przełom w odkrywaniu leków z pomocą AI przyniosą nie tylko większe algorytmy, lecz przede wszystkim lepsze dane eksperymentalne. Platforma HIVE ma dostarczać takich danych poprzez kontrolowane, prowadzone na dużą skalę eksperymenty na 20 rodzajach hodowanych ludzkich tkanek. 117

To podejście odpowiada na rzeczywistą słabość badań przedklinicznych: modele trenowane lub testowane na uproszczonych systemach nie zawsze wiarygodnie przewidują, co wydarzy się u człowieka. Wczesne wskaźniki skuteczności i deklarowana skala działania Vivodyne są interesujące, ale pozostają dowodami przedstawionymi przez samą firmę.

Rozstrzygającym sprawdzianem będzie niezależna weryfikacja: czy prognozy HIVE rzeczywiście poprawią wybór kandydatów, ograniczą liczbę niepowodzeń klinicznych i pozwolą tworzyć modele AI, które sprawdzą się także poza tkankami i lekami wykorzystanymi do ich trenowania.