จุดเด่นของ Graph Therapeutics อยู่ที่แนวทางที่แตกต่างจากการค้นพบยาแบบดั้งเดิม โดยบริษัทผสานการทดสอบกับเซลล์ผู้ป่วยจริง (ex vivo perturbation), การวิเคราะห์ข้อมูลหลายมิติ (multi-omics) และการเรียนรู้ของเครื่อง (machine learning) เพื่อระบุและตรวจสอบเป้าหมายของยาในแบบจำลองโรคของมนุษย์ที่มีความสมจริงในทางคลินิก

เงินทุนใหม่จะถูกนำไปใช้อย่างไร?

เงินทุนรอบนี้ถูกวางแผนให้ใช้ใน 3 ด้านหลัก:

1. พัฒนาแพลตฟอร์ม AI แบบ 'Lab-in-the-Loop'

แพลตฟอร์มเฉพาะของ Graph ช่วยเชื่อมช่องว่างระหว่างแบบจำลองในห้องปฏิบัติการกับชีววิทยาของมนุษย์ โดยการทดสอบยากับเซลล์ผู้ป่วยโดยตรงและบูรณาการข้อมูล multi-omics บริษัทตั้งเป้าที่จะเพิ่มอัตราความสำเร็จทางคลินิก ซึ่งในปัจจุบันยังคงต่ำมากในกลุ่มโรคภูมิคุ้มกันและโรคอักเสบ

2. เร่งไปป์ไลน์การค้นพบยาภายในบริษัท

เงินทุนสดชุดนี้จะช่วยผลักดันโปรแกรมยาแม่นยำของ Graph สำหรับโรคอักเสบและภูมิคุ้มกันให้เข้าสู่ขั้นตอนการปรับปรุง Lead ให้เหมาะสม (lead optimization) และการพัฒนาในระยะก่อนคลินิก (preclinical development) ซึ่งเป็นการเปลี่ยนกลยุทธ์ครั้งสำคัญจากการเป็นผู้ขับเคลื่อนไปป์ไลน์ของพาร์ทเนอร์ สู่การสร้างยาของตัวเอง

3. ขยายการสร้างข้อมูลเฉพาะของบริษัท

ภายใต้ความร่วมมือเชิงกลยุทธ์กับ Parse Biosciences Graph กำลังสร้างหนึ่งในคลังข้อมูลการรบกวนเซลล์ภูมิคุ้มกัน (immune cell perturbation atlases) ที่ใหญ่ที่สุดในโลก ความร่วมมือนี้ใช้เทคโนโลยี GigaLab ของ Parse เพื่อทำโปรไฟล์เซลล์นับร้อยล้านเซลล์จากผู้ป่วยโรคภูมิคุ้มกัน ทำให้พฤติกรรมที่เปลี่ยนแปลงตลอดเวลาของระบบภูมิคุ้มกันสามารถเข้าถึงได้สำหรับการค้นพบยาที่ขับเคลื่อนด้วย AI

รายละเอียดนักลงทุนและทุนสนับสนุน

รอบการลงทุน 5 ล้านดอลลาร์นำโดย Daphni ผ่านกองทุน Blue fund ซึ่งอุทิศให้กับการสนับสนุนสตาร์ทอัพยุโรปที่มีพื้นฐานด้านวิทยาศาสตร์ นักลงทุนเดิมอย่าง SquareOne, Merantix Capital และ NAVEC Investment Management ก็ร่วมลงทุนด้วย พร้อมกับการสนับสนุนแบบ non-dilutive จาก FFG และ AWS

ทีมผู้ก่อตั้งเบื้องหลัง Graph Therapeutics

Graph Therapeutics ก่อตั้งโดย Gregory Vladimer และ Robert Sehlke ทีมวิทยาศาสตร์ชุดเดียวกับที่สร้าง Allcyte — แพลตฟอร์มทดสอบยาจากเวียนนาที่ถูก Exscientia เข้าซื้อกิจการในเดือนมิถุนายน 2021 ด้วยมูลค่า 60 ล้านดอลลาร์

Allcyte สร้างชื่อจากแนวคิดที่ทรงพลัง: การทดสอบยากับเซลล์ของผู้ป่วยโดยตรงสามารถทำนายผลการรักษาได้ดีกว่าการใช้การวิเคราะห์ทางพันธุกรรมเพียงอย่างเดียว Graph Therapeutics คือบทต่อไปของแนวทางนี้ โดยทีมงานเปลี่ยนจากการขับเคลื่อนไปป์ไลน์ของบริษัทอื่นมาเป็นการสร้างยาแม่นยำของตัวเองเพื่อรักษาโรคอักเสบและโรคภูมิคุ้มกัน

ทำไมเรื่องนี้ถึงสำคัญ?

การค้นพบยาแบบดั้งเดิมประสบปัญหาในการถอดรหัสความผิดปกติของระบบภูมิคุ้มกันที่ซับซ้อนซึ่งเป็นสาเหตุของโรคภูมิต้านตนเองและโรคอักเสบ ตัวเลือกการแพทย์แม่นยำในสาขาภูมิคุ้มกันวิทยาและการอักเสบ (I&I) ยังคงมีจำกัด ความสามารถของ Graph ในการทำแผนที่และรบกวนเซลล์ภูมิคุ้มกันของผู้ป่วยในวงกว้างสามารถปลดล็อกการบำบัดที่มีประสิทธิภาพมากขึ้นซึ่งมุ่งเป้าไปที่สาเหตุของโรค

ด้วยการผสมผสานนวัตกรรมกว่าทศวรรษในแบบจำลองโรคจากผู้ป่วยหลัก (primary patient disease models) เข้ากับ AI Graph Therapeutics ตั้งเป้าที่จะปิดช่องว่างในการแปลผล (translational gap) ที่เป็นอุปสรรคต่อการพัฒนายาภูมิคุ้มกันวิทยามายาวนาน

จุดเด่นของ Graph Therapeutics อยู่ที่แนวทางที่แตกต่างจากการค้นพบยาแบบดั้งเดิม โดยบริษัทผสานการทดสอบกับเซลล์ผู้ป่วยจริง (ex vivo perturbation), การวิเคราะห์ข้อมูลหลายมิติ (multi-omics) และการเรียนรู้ของเครื่อง (machine learning) เพื่อระบุและตรวจสอบเป้าหมายของยาในแบบจำลองโรคของมนุษย์ที่มีความสมจริงในทางคลินิก

เงินทุนใหม่จะถูกนำไปใช้อย่างไร?

เงินทุนรอบนี้ถูกวางแผนให้ใช้ใน 3 ด้านหลัก:

1. พัฒนาแพลตฟอร์ม AI แบบ 'Lab-in-the-Loop'

แพลตฟอร์มเฉพาะของ Graph ช่วยเชื่อมช่องว่างระหว่างแบบจำลองในห้องปฏิบัติการกับชีววิทยาของมนุษย์ โดยการทดสอบยากับเซลล์ผู้ป่วยโดยตรงและบูรณาการข้อมูล multi-omics บริษัทตั้งเป้าที่จะเพิ่มอัตราความสำเร็จทางคลินิก ซึ่งในปัจจุบันยังคงต่ำมากในกลุ่มโรคภูมิคุ้มกันและโรคอักเสบ

2. เร่งไปป์ไลน์การค้นพบยาภายในบริษัท

เงินทุนสดชุดนี้จะช่วยผลักดันโปรแกรมยาแม่นยำของ Graph สำหรับโรคอักเสบและภูมิคุ้มกันให้เข้าสู่ขั้นตอนการปรับปรุง Lead ให้เหมาะสม (lead optimization) และการพัฒนาในระยะก่อนคลินิก (preclinical development) ซึ่งเป็นการเปลี่ยนกลยุทธ์ครั้งสำคัญจากการเป็นผู้ขับเคลื่อนไปป์ไลน์ของพาร์ทเนอร์ สู่การสร้างยาของตัวเอง

3. ขยายการสร้างข้อมูลเฉพาะของบริษัท

ภายใต้ความร่วมมือเชิงกลยุทธ์กับ Parse Biosciences Graph กำลังสร้างหนึ่งในคลังข้อมูลการรบกวนเซลล์ภูมิคุ้มกัน (immune cell perturbation atlases) ที่ใหญ่ที่สุดในโลก ความร่วมมือนี้ใช้เทคโนโลยี GigaLab ของ Parse เพื่อทำโปรไฟล์เซลล์นับร้อยล้านเซลล์จากผู้ป่วยโรคภูมิคุ้มกัน ทำให้พฤติกรรมที่เปลี่ยนแปลงตลอดเวลาของระบบภูมิคุ้มกันสามารถเข้าถึงได้สำหรับการค้นพบยาที่ขับเคลื่อนด้วย AI

รายละเอียดนักลงทุนและทุนสนับสนุน

รอบการลงทุน 5 ล้านดอลลาร์นำโดย Daphni ผ่านกองทุน Blue fund ซึ่งอุทิศให้กับการสนับสนุนสตาร์ทอัพยุโรปที่มีพื้นฐานด้านวิทยาศาสตร์ นักลงทุนเดิมอย่าง SquareOne, Merantix Capital และ NAVEC Investment Management ก็ร่วมลงทุนด้วย พร้อมกับการสนับสนุนแบบ non-dilutive จาก FFG และ AWS

ทีมผู้ก่อตั้งเบื้องหลัง Graph Therapeutics

Graph Therapeutics ก่อตั้งโดย Gregory Vladimer และ Robert Sehlke ทีมวิทยาศาสตร์ชุดเดียวกับที่สร้าง Allcyte — แพลตฟอร์มทดสอบยาจากเวียนนาที่ถูก Exscientia เข้าซื้อกิจการในเดือนมิถุนายน 2021 ด้วยมูลค่า 60 ล้านดอลลาร์

Allcyte สร้างชื่อจากแนวคิดที่ทรงพลัง: การทดสอบยากับเซลล์ของผู้ป่วยโดยตรงสามารถทำนายผลการรักษาได้ดีกว่าการใช้การวิเคราะห์ทางพันธุกรรมเพียงอย่างเดียว Graph Therapeutics คือบทต่อไปของแนวทางนี้ โดยทีมงานเปลี่ยนจากการขับเคลื่อนไปป์ไลน์ของบริษัทอื่นมาเป็นการสร้างยาแม่นยำของตัวเองเพื่อรักษาโรคอักเสบและโรคภูมิคุ้มกัน

ทำไมเรื่องนี้ถึงสำคัญ?

การค้นพบยาแบบดั้งเดิมประสบปัญหาในการถอดรหัสความผิดปกติของระบบภูมิคุ้มกันที่ซับซ้อนซึ่งเป็นสาเหตุของโรคภูมิต้านตนเองและโรคอักเสบ ตัวเลือกการแพทย์แม่นยำในสาขาภูมิคุ้มกันวิทยาและการอักเสบ (I&I) ยังคงมีจำกัด ความสามารถของ Graph ในการทำแผนที่และรบกวนเซลล์ภูมิคุ้มกันของผู้ป่วยในวงกว้างสามารถปลดล็อกการบำบัดที่มีประสิทธิภาพมากขึ้นซึ่งมุ่งเป้าไปที่สาเหตุของโรค

ด้วยการผสมผสานนวัตกรรมกว่าทศวรรษในแบบจำลองโรคจากผู้ป่วยหลัก (primary patient disease models) เข้ากับ AI Graph Therapeutics ตั้งเป้าที่จะปิดช่องว่างในการแปลผล (translational gap) ที่เป็นอุปสรรคต่อการพัฒนายาภูมิคุ้มกันวิทยามายาวนาน