A magyar fejlesztésű mesterséges intelligencia és a szimuláció hozhat olcsóbb rákterápiát

2021. január 22. – 17:52

A magyar fejlesztésű mesterséges intelligencia és a szimuláció hozhat olcsóbb rákterápiát
Az alapítók balról jobbra: Szalay Kristóf, Nagy Szabolcs és Veres Dániel – Fotó: Turbine

Másolás

Vágólapra másolva

A gyógyszerkutatás egy rendkívül hosszú, bonyolult és költséges folyamat. A véges erőforrások miatt a kutatók nem tudnak minden potenciális molekulát végigpróbálni a laborban. A Turbine AI magyar biotechnikai startup a mesterséges intelligenciát és a felhőt kihasználva szimulált rákos sejteken tesztel szimulált molekulákat, hogy olcsóbbá és gyorsabbá tegyék a folyamatot. Arról beszélgettünk a cég vezetőivel, hogy hogyan is működik az MI-s rákgyógyszer-kutatás, lesz-e olyan, hogy a gép magától megtalálja a rák ellenszerét, valamint arról, hogy mire elég 2 milliárd forint.

„Azoknak a betegeknek próbálunk egy megoldást találni, akiknek a nagy gyógyszeripari cégek az elmúlt 10-20 évben nem tudtak nagy áttörést nyújtani”

– foglalta össze a Turbine AI terveit a következő néhány évre a biotech startup társalapító-vezérigazgatója, Nagy Szabolcs. A Turbine-t 2015-ben alapította Veres Dániellel és Szalay Kristóffal, de azóta a startup egyre csak nő, és egyre több a külföldi befektető – decemberben például bejelentették, hogy lezártak egy 5,7 millió eurós befektetési kört.

Mielőtt egy gyártó embereken tesztelne egy készítményt, a gyógyszerfejlesztésnek – nagyon, nagyon, nagyon nagy vonalakban – három része van. Először adott egy probléma (például egy rákos sejt), amire kutatók megpróbálnak választ találni (például egy gyógyszer, ami elméletben megöli a sejtet). Miután megvan egy lehetséges válasz, azt laborban ellenőrzik, hogy az adott sejt valóban úgy reagál-e a hatóanyagra, ahogy azt a kutatók megjósolták. Ha igen, indulhat a harmadik lépés, a gyógyszerfejlesztési, kutatási program, aminek a végeredménye remélhetőleg egy kész gyógyszermolekula lesz, amit be lehet vonni klinikai vizsgálatokba.

Az első lépés elsőre könnyűnek tűnhet, hisz egy problémára rengeteg megoldás lehet, csak ki kell azokat próbálni, az egyik tuti működik. Igen ám, de ez egy eszméletlenül költséges megközelítés, a nagy gyártók nem szívesen vállalják a kockázatot.

Itt jön a képbe a Turbine. A startup szimulációs platformjának segítségével sokkal több opciót végig tudnak pörgetni a laboros vizsgálat előtt, így jelentősen nagyobb az esélye annak, hogy egy adott molekula a második körben is jól szerepel.

Nem olyan, mint a biosztankönyvben

A cég fő profilja egyelőre az onkológia, és az első néhány évben csak erre az első lépésre fókuszáltak. Leggyakrabban gyógyszercégek kérték fel őket arra, hogy a szimulációval segítsenek hatásos ellenszert találni a rákos sejtek ellen.

„Nem az egész sejtet modellezzük le, nem úgy néz ki, mint egy rajz a biológia-tankönyvben”

– magyarázza Szalay Kristóf, a startup technológiai vezetője. A platform (és a vállalkozás) az ő ötletére épül.

Fotó: Turbine

A sejtnek egy alrendszerét szimulálják, a döntéshozó rendszert. Ha a sejt kap kintről egy jelet, akkor itt dől el, hogy hogy reagál arra az inputra. Ezek viszonylag egyszerű válaszok: szaporodjon, növekedjen, ne csináljon semmit vagy pusztítsa el magát? Szalay azt mondta, hogy ezzel nagyjából a sejt döntéshozó rendszerének 40 százalékát szimulálják.

„Ez nem azt jelenti, hogy a válaszokat is 30-40 százalékban találjuk el. Azokat a dolgokat, amik nagyon fontosak voltak, azokat már kikutatták, ezért az alap válaszokat jól elkapjuk.”

Azokban a részekben, amik nincsenek benne a Turbine rendszerében, van egy csomó fehérje, melyek csak egy-egy esetben számítanak. Sok ilyen fehérje funkciója egyébként a tudomány számára is ismeretlen. Ha ezeket mégis sikerül jól belerakni a szimulációba, akkor jó esély van rá, hogy egy egészen új gyógyszerhatásra bukkannak.

A kezdeti években egy gyártó megkérdezte, hogy mi történik például egy emlőrákos sejttel, ha egy adott gyógyszert vetnek be ellenne. Olyan megbízást is kaptak, hogy derítsék ki, hogy miért van az, hogy bizonyos betegek nem reagálnak egy már forgalomban lévő készítményre – és hogy lehet kiszűrni azokat, akiknél kifejezetten hatékony a szer. Többek között a Bayernek és két másik top 10-es gyógyszercégnek dolgoztak így.

Az elmúlt másfél évben stratégiát váltottak: most már saját gyógyszercélpontokat keresnek, és azokhoz fejlesztenek gyógyszermolekulákat. 2019-ben egymilliárd forintot kaptak befektetőktől, így már az első két lépésen dolgoznak.

Most a szimulált sejtekben maguknak nézik meg, hogy mi történik, ha kikapcsolnak egyes fehérjéket vagy megváltoztatják a számukat, és kipróbálják, hogy a szimulált sejt hogyan reagál egy beavatkozásra. Például ha adott a probléma, hogy betegek rezisztensek bizonyos kezelésekre, akkor szimulációban megnézik, hogy mivel tudják visszabillentetni a betegek szervezetét, hogy újra válaszoljanak a kezelésre.

Ebből születik egy csomó ötlet, és megnézik, hogy melyik mennyire gyakori, melyik sejteknél jött elő. Átnézik az irodalmat, bevonnak tanácsadókat, és kiválasztanak néhány célpontot, amik a legizgalmasabbnak tűnnek. 2019-2020 vége között nyolc olyan célpontot azonosítottak, amiknek köze lehet betegek rezisztenciájához, ezek közül most hárommal foglalkoznak. Ezeknél már vagy a biológiai kísérlet-, vagy a gyógyszerfejlesztés fázisában vannak.

A felhőalapú platformmal és a mesterséges intelligenciával olyan lehetőségeket is kipróbálhatnak, amire egy hagyományos laborban nincs erőforrás.

„Ha tudod, hogy öt kísérletre van elég pénz, akkor a legjobb tudásod és a szakirodalom alapján öt lehetőséget vizsgálsz meg. A végén nekünk is el kell végezni azokat a laboros vizsgálatokat, mint másoknak, de előtte több mindent ki tudunk próbálni, több hipotézist is felállíthatunk”

– magyarázta Veres Dániel tudományos igazgató.

„A szimulációval egy adott kérdést megpróbálunk megválaszolni nagyon sok oldalról, és ami úgy tűnik, hogy működhet, azokat visszük tovább.”

Néha előfordulnak meglepő eredmények, de ezeket óvatosan kell kezelni. Előfordulhat, hogy a szimuláció segítségével egy egészen új dologra jöttek rá, de benne van a pakliban, hogy csak porszem került a gépezetbe. Minél inkább hajlamosabb valaki elhinni, hogy a gép valami addig ismeretlenre bukkant, annál nagyobb eséllyel talál valaki igazi újdonságot. Ugyanakkor annak az esélye is megnő, hogy egy téves eredménybe fektet energiát.

Az okos MI más hibájából tanul

A rendszer képes a saját hibáiból is tanulni, de Szalay szerint mások sokkal többet hibáznak – hiszen többet is mérnek –, így leginkább a publikus adatbázisokból tanítják az MI-t. A tananyagba azok a félreszámolások is bekerülnek, amit a rendszer ejt meg, de a következő évek egyik célja az, hogy a mesterséges intelligencia többet tanuljon a Turbine-nál elvégzett mérésekből – hiszen ezek az igazán érdekesek a csapat számára.

Az is nehézséget jelent a kívülről hozott adatokkal – bár Veres ezt inkább izgalmasnak nevezte –, hogy a tudomány egy folyamatosan fejlődő valami, így sok mindennel kapcsolatban nem létezik egy biológiai igazság. A Turbine fejlesztőinek és kutatóinak az, hogy meghatározzák, hogy melyik állítást építik bele a modellbe. Ilyenkor figyelembe veszik a kutatás metodológiáját, ami egy adott eredményt adott ki, ahogy azt is, melyik állítást támasztja alá több kutatás, melyik cikkek jobbak.

„Nincsenek kész dolgok, nincsenek megoldások egy csomó mindenre. Mindig innoválni kell, mindig új dolgokat kell csinálni”

– mondta Veres.

2019-ben egy egymilliárd forintos befektetést kaptak, az radikális változtatásokkal járt mind a cég struktúrájában, mint a mentalitásban. Elengedték a korai, viszonylag vadnyugatos szemléletet, és átálltak egy hatékonyabb rendszerre, Szalay szerint az egy fájdalmas év volt, de szükség volt rá, mert a rendszer már nem viselte jól a terhelést, ami a növekvő népszerűségből adódó egyre több megrendeléssel járt. Most egy 5,7 millió eurós, azaz nagyjából 2 milliárd forintos befektetést kaptak, de ez Nagy szerint nem jár majd akkora változásokkal, mint a 2019-es. Akkor arra gyűjtöttek, hogy a második lépéssel is el tudjanak kezdeni foglalkozni.

„Elkezdtünk gyógyszerkutató-fejlesztő cégként működni, és a Daniék elképesztően jól megcsinálták ahhoz képest, hogy életükben nem fejlesztettek még gyógyszert.”

Nem azzal kezdték, hogy bevontak tapasztalt – tehát drága – gyógyszerkutatókat, hogy majd azok megcsinálják a gyógyszereket, hanem elkezdték a nulláról megtanulni. Eközben azért kialakítottak maguk körül egy szakértői tanácsadói kört, akik segítettek a döntések meghozatalában.

Arra azonban az a pénz közel sem volt elég, hogy sok kutatást folytassanak, ahhoz meg főleg nem, hogy molekulát fejlesszenek. A 2020-as közel 6 millió eurónak a nagy része már kísérletezésre megy el, ami azt jelenti, hogy több predikciójuk jut el a második lépésig, tehát egyre hatékonyabbak.

A következő lépés az, hogy elkezdik beépíteni a gyógyszerkémiát is a munkafolyamatba. Ez alapvetően nem a szakterületük, az előrejelzéseik nem tudják megmondani, hogy konkrétan milyen molekulát kell elkezdeni vizsgálni. Egyelőre ez nem céljuk, de hoztak már be külföldi szakembert, hogy a szervezet részévé váljon, így mikor eljön az idő, értsenek a dologhoz.

Mire elég 6 millió euró?

A beszélgetés során hamar egyértelművé vált, hogy ez a két milliárd forint, amit decemberben kaptak ugyan sok pénz, de nem sok mindenre elég. Más, hasonló vállalkozások 100 millió dolláros befektetéssel indultak, Nagy szerint az a nagyságrend már hasznos is tud lenni, ha egy cég az egész folyamaton végig akarja vinni a gyógyszerjelöltjét.

A Turbine nagy előnye maga a szimulátor. Jelentősen olcsóbb, mint egy labor, valamint mivel felhő alapú, projekt alapon bérelnek gépeket akkor és annyi időre, amikor és amennyire szükség van. Ez azt jelenti, hogy nem fizetnek azért, hogy szimulációk között egy szobányi számítógép porosodjon a sarokban.

Bizonyos szempontból az sem hátrány, hogy Magyarországon működnek – a trió szerint legalább háromszoros-ötszörös az előnyük csak abból, hogy itthon olcsóbb az élet. Ennek viszont az az ára, hogy mondjuk a Szilícium-völgyben sokkal nagyobb befektetéseket is kapnának, de Nagy még mindig előnyként tekint arra, hogy Magyarországon van a székhelyük. Ez az előny egyébként fogyatkozik, mert a felhős szolgáltatásért ugyanannyit fizetnek, mint bárki más, és a laborvizsgálatokkal ugyanez a helyzet.

„Ez az 5-6 millió arra lenne elég, hogy egyetlen egy gyógyszermolekulát – még csak nem is végig vinni – legalább egy optimalizált változatba hozzunk”

– mondta Veres.

Egy szép napon szeretnék, ha létre tudnának hozni egy saját labort itthon, hogy még jobban kihasználják a hazai pálya előnyét, de az nem olyan lenne, ahol minden vizsgálatot végeznének, és ehhez még szükség van pár száz millió dollárra. A koronavírus-járvány első hullámában egy ilyen intézmény kimondottan hasznos lett volna, mert a laborok telítődve voltak koronás kutatásokkal.

A Turbine valószínűleg azért volt vonzó tavaly a befektetők számára, mert hiába volt járvány, a digitális módszereik miatt a munka nem állt le – csak nehezebben hitelesítették az eredményeiket.

A csapat a koronavírus előtti időkben – Fotó: Turbine

Mindettől függetlenül a következő körben már tíz- húszmilliós nagyságrendben gondolkoznak, abból már a gyógyszerkutatási folyamatokat is el tudják kezdeni. Ez azt jelenti, hogy ha leülnek majd tárgyalni egy nagy gyógyszeripari céggel, akkor a Turbine nem a kis startup lesz, akinek van egy jópofa technológiája, amit esetleg olcsón meg lehetne venni, hanem egy megbízható partner hiteles előrejelzésekkel.

Hogyhogy nem szálltak be a covidos kutatásokba?

Pár hónappal az után, hogy a Moderna és a Pfizer bejelentették, hogy vakcinán dolgoznak, a Turbine elgondolkozott azon, hogy hasznos lenne-e a technológiájuk a Covid-19-et érintő kutatásokban. A rendszerükkel elvileg tudták volna modellezni, hogy hogyan terjed a vírus, de komolyabban nem foglalkoztak vele, mert ezt mások már hatékonyabban csinálták.

„Mindenki elkezdett fejleszteni, de a cégek honlapját böngészve azt vettem észre, hogy ez inkább egy marketingüzenetté kezd el átalakulni. Nem az volt a lényeg, hogy kifejlesszenek valamit, hanem, hogy megmutassák, hogy ők is felugrottak a szekérre”

– magyarázta Szalay, hogy végül miért nem kezdtek el a vírussal foglalkozni.

Ha mégis ráugrottak volna a vírusra, az eltéríthette volna a Turbine-t a fő fókuszról, a rákkutatásról. Lehet, hogy így egy évvel hamarabb lesz kész a saját rákgyógyszerük, és a vezetőség szerint azzal sokkal több betegen tudnak segíteni, mint ha beálltak volna koronavírust kutatni.

Ettől függetlenül szeretnének kinőni más területekre, de az onkológia már önmagában is annyira szerteágazó, hogy nehéz kimeríteni. Ami szerintük szimulációért kiált, az az immunrendszer és az immunreakciók. Amiatt, hogy nem a sejten belüli, hanem a sejtek közötti reakciókat kell vizsgálni, kicsit másképp kell lemodellezni, de mivel már az onkológiában is vetnek be immunterápiákat, ez egy logikus második lépés lenne a Turbine számára.

A munkájukat megkönnyítené, ha minél több feladatot tudnának az MI-re sózni, ezen folyamatosan dolgoznak. Egyelőre szükség van még némi szülői felügyeletre, mert nem arról van szó, hogy a gép kidob három eredményt, amit lehet rögtön vinni a laborba, hanem kiad harmincat, és a biológusoknak azokat még át kell néznie. A tudomány fejlődésével ez egyelőre úgy néz ki, hogy folyamatosan javulni fog.

A hosszú távú cél az, hogy a betegek is érezzék a szimulációs technológia hatékonyságát. Nemcsak a gyógyszerek hatékonyságáról van szó, hanem arról is, hogy egy terápia mennyibe kerül. Ez majd akkor derül ki, ha lesz egy olyan készítmény, amit a nulladik lépéstől a betegekig a Turbine vitt végig.

„Ha tényleg hatékonyabbak vagyunk, akkor egy ponton foghatjuk majd azt a hatékonyságot, és egy részét megtarthatjuk cégértéknek, de egy részét hatékony gyógyszerek formájában továbbadhatjuk azoknak a betegeknek, akiknek ma nincs elérhető terápia. Ez a jövőkép most sokkal elérhetőbb, mint valaha volt”

– zárta Nagy.