創薬と AI 予測 ft. スティーブン・マッキノン

今回のイノベーション キャピタルのエピソードでは

創薬プロセスと経験は、今後数年間でどのように変化しますか? Innovation Capital のこのエピソードでは、科学者であり革新者である Stephen MacKinnon と共に、この魅力的なトピックを詳しく探ります。

今すぐ聞く

エピソードのトランスクリプト

レイ・チョハン： スティーブン、イノベーションキャピタルへようこそ！ 今日、このエピソードにあなたをお迎えできることを本当に楽しみにしています。 実際、私たちは組織として Cyclica をしばらくフォローしており、このスペースの親しいファンであるため、かなり長い間あなたとチャットすることを楽しみにしていました.

まず、あなたのバックストーリーと、どのようにして素晴らしいバイオ テクノロジーの世界にたどり着いたかについてお話ししたいと思います、スティーブン。 次に、Cyclica のミッションとビジョンを掘り下げていただければ、そこから先に進みます。

それで、スティーブン、あなたに！

スティーブン・マッキノン： 乗船してくれてありがとう！ 私がこれまでに成し遂げてきたことや、この組織が成し遂げてきたことについて話すことができて、いつもうれしく思います。 私の名前はスティーブン・マッキノンです。 私は Cyclica の研究開発 (R&D) 担当副社長です。

私のバックグラウンドは計算生化学であり、この分野で学士号と博士号を取得しています。 しかし、実験室でビーカーや実験を使って生化学を研究するのではなく、私の研究方法は、情報の大きなデータベースを見て、データの傾向を明らかにすることによって新しい洞察を集めようとすることです. 私の博士号は、タンパク質の 3D 構造を見る問題である構造バイオインフォマティクスでした。 そして再び、それらが互いにどのように相互作用するかのパターンを完全に計算で探します。

Cyclica に参加したのは、組織のごく初期の段階でした。 当時、私は最初のスタッフサイエンティストでした。 私たちは、薬物がタンパク質とどのように相互作用するかについて予測するという考えに着手しました。 しかし、「これが新しいタンパク質標的です。このタンパク質標的と相互作用している可能性のあるすべての薬物は何ですか?」という意味ではありません。 代わりに、私たちのアプローチは、薬を設計した問題を解決できるだけでなく、この薬が相互作用する可能性のあるすべてのタンパク質標的を発見できる包括的なソリューションを開発することでした.

これは、ヒトゲノムにはおよそ 20,000 種類の異なるタンパク質をコードする遺伝子があるという考えに従います。 たった XNUMX つのタンパク質標的と相互作用して治療効果を誘発する薬をどれほどうまく開発したとしても、その薬がさまざまなものと相互作用していることはわかっています。 それは代謝され、吸収され、体内のある場所から別の場所へと移動します。 そのため、薬物が相互作用するさまざまなタンパク質が多数あることがわかっており、計算アプローチを使用してそれらすべての関係をマッピングできるようにしたいと考えています。

現在、私はこの組織に約 XNUMX ～ XNUMX 年間在籍しており、プレシード組織から現在の組織に発展するのを見て、科学者のチームを作る機会がありました。 当初、私は主な開発者であり、多くのプログラミングと研究を直接行っていました。 それから、私はチームを作り始めました。 志を同じくする他の科学者が私たちに加わることを発見し、私たちはこの問題に一緒に取り組んできました.

レイ： それは理にかなっている。 スティーブン、昨年 3 月に DeepMind AlphaFold がアミノ酸配列からタンパク質の 50D 形状を予測し、生物学における XNUMX 年にわたる壮大な課題を解決することができたとき、その瞬間は Cyclica のビジョン本質的に仕様に合わせて構築されたソフトウェアのような薬を構築しますか?

スティーブン： DeepMind の進歩は確かに並外れたものだったと思います。 特定の問題を解決するために、さまざまな形式の情報を考えて組み合わせる方法が特に気に入っています。

タンパク質構造の予測、または少なくともタンパク質構造の de novo 予測は、確かに長い間、学界における聖杯の形でした. タンパク質が基本的にどのように機能するか、それらがこれらの列から 3D 構造にどのように関連付けられるかを理解することで、細胞内の小さな機械であり、設計図から想像できる最も複雑なタスクを実行できる機械に自己集合します。 . その点で、それは確かに素晴らしい成果です。

ヒトプロテオームの観点から、構造を予測できる技術から非常にうまく機能するタンパク質がたくさんあります. たとえば、約 20,000 の遺伝子をコードするタンパク質のうち、約 5,000 ～ 10,000 が実験的にある程度解明されており、そのうちの約 3 のタンパク質には、モデル化に使用できるある程度の既存のいとこ構造があり、AlphaFold のような技術が導入されると、プロテオームのこれらの暗い領域、特に研究者によってそれほど積極的に研究されていない領域を調べ、それらの XNUMXD 形状がどのように見えるかについてのアイデアを持っています。

これは、その文脈で重要かつ意味のある追加であり、まだあまり研究されていない種のタンパク質構造を特定するためのものです. たとえば、病原性の可能性があり、創薬や人間の健康にとって非常に重要な細菌種、または人間の健康において重要な役割を果たしている腸内微生物叢などです。 構造予測技術がこれらの分野に影響を与える可能性は間違いなくたくさんあります。

レイ： それは理にかなっており、昨年ここ PatSnap で詳しく観察したことでもあります。 今、私たちは、AI、データ分析、従来のベンチ バイオロジーがどのように融合するかという輝かしいパラダイムに入りつつあります。 あなたの専門的な意見では、この新しいパラダイムの裏話はどこにありますか?

誰もが微妙に異なるニュアンスのレンズを持っています。 聴衆がこのパラダイムの始まりを本当に理解できるように、すべてがどこから始まったのか教えていただけますか? また、2026 年までに、患者の生活はどのようになると思いますか?

スティーブン： 機械学習 (ML) は、非常に長い間、創薬プロセスの一部でした。 前に言及した特定の論文があり、その中で著者は 1980 年代の創薬に対する ML の影響について話していました。

情報を可能な限り利用しようとしてきた長い歴史があります。 多くの場合、私たちが持っている情報は限られており、解決しようとしている問題の範囲は非常に広いです。 そのため、利用可能なすべての情報を可能な限り使用して、実験をどこに向けるべきかを知らせるという動機が常にありました.

たとえば、化学空間 — 数は非常に大きいので、これほど大きな数を表す実際の言葉はないと思いますが、10 の 60 乗は、分子の数として引用される傾向がある数の XNUMX つです。存在する可能性がある、または作成される可能性のある薬のように見えます。 したがって、プログラムで実行できる可能性のあるすべての実験の規模または順列が非常に大きい場合、これらの計算予測を使用してその範囲を狭めたり、どこに焦点を合わせたりするかを支援することは非常に有益です。研究の面であなたの支出に見合う最高の価値。

最近の進歩に火をつけたいくつかのことは、2000 年代初頭から 2010 年の時間枠の間に非常に一般的で急速に発展したロボット型のアプローチです。 そのため、人々がデータを収集して実験を行っていたとき、数十または数百のデータ ポイントのような少数のデータ ポイントではなく、数万から数十万の異なるデータ ポイントを収集していました。 したがって、異なる測定値がいくつ取得されているかだけではなく、それらのデータ ポイント内のデータについても同様です。 これらの測定値には、はるかに多くの次元があります。

たとえば、2008 年から 2010 年にかけて本格的に普及し始めた次世代シークエンシング技術では、XNUMX 回の実験で数千もの異なるデータ ポイントを測定できます。 より多くの実験が行われており、それらの実験内の情報ははるかに高い次元を持っています。 それに伴い、個人がその内容をすべて消費し、それに基づいて十分な情報に基づいた意思決定を行うには高すぎる情報コンテンツを理解するための計算予測が必要になります。

レイ： スティーブンさん、急激なコスト低下もチャンスだと思いますか? たとえば、2000 年代初頭のゲノム配列決定のコストを見ると、これは 1,000 億ドル近くでした。 今日の時点で、XNUMXドル未満です。 ロボット工学や計算生物学の周りで AI やその他の可動部分にこのデフレ効果がある場合、それは前進する上でも大きな役割を果たしますか? 本質的に、これはよりスケーラブルでアクセスしやすいものになっていますか?

スティーブン： はい。 シーケンシングは、はるかに安価になったバイオテクノロジー強化の優れた例の XNUMX つであり、その結果、より少ないコストで大規模に実行できるようになりました。 ただし、その役割を果たしている貢献者は複数います。

たとえば、この種の測定を実施し、そのデータを世界とオープンに共有している学術コミュニティ全体があります。 これは、新しいタイプのテクノロジーを開発するための基礎を提供するのにも大いに役立ちました。 つまり、コストだけでなく、コミュニティ効果もあります。 これらの要素が組み合わさって、ライフ サイエンスにおける大規模な公開データベースに貢献し、企業が新しい技術を開発して新しいことに挑戦する道を切り開いてきました。 これらの企業は、利用可能な情報に基づいて、何が機能し、何が機能しないかをテストできます。

次に、データだけでなくアルゴリズムへのアクセシビリティもゲームチェンジャーでした。 新しいテクノロジーの開発を開始しやすくする、機械学習専用の優れた公開ツールキットが多数あります。

レイ： DNA シーケンシング、合成、機械学習、コンピューター ビジョン、自動化が融合し、ロボット工学にも触れたこのエキサイティングな分野を見ると、市場でもこの新世代のバイオテクノロジーが見られます。会社。 これらはプラットフォーム ビジネス モデルのように機能し、他の企業が自社の IP とプラットフォーム上に構築できるデータ ネットワーク効果などの要素を備えている Uber や Airbnb と何ら変わりはありません。 これはCyclicaで観察したり、積極的に参加したりしていますか?

スティーブン： それは確かに、私たちの開発の初期段階で出てきた質問です. 私たちは当初、創薬に価値をもたらす可能性があると期待していた新しい予測を考えていました。 私たちの焦点は、薬物がその主要な標的に対して何をしようとしているのかだけでなく、表彰台にあるすべて、またはその多くについて、私たちが本当に知りたい、または説明できるようにしたいという、先ほど述べた中心的な哲学にありました。可能な限り、新しいコンパウンドの設計プロセスの一部として前もって。

そのため、ある時点で予測を立てます。 予測は良好です。満足のいく予測シグナルが得られました。 最終的に、これは「これはどのように商品化されるのか?」という疑問を投げかけます。 言い換えれば、ここ (述語といくつかのソフトウェア コード) から、ビジネス モデルを備えた本格的な企業にどのように移行しますか?

他の業界を代表して話すことはできませんが、例として創薬のための AI を見ると、創薬製品のライフサイクルは非常に複雑です。 「この特定の状態の治療が必要で、この状態の FDA 承認済みの薬がここにある」という XNUMX つの道はありません。 道は一つではなく、道のりにはいくつもの道があります。 さらに、その研究と製品化には何百もの異なるステップが含まれます。

したがって、計算技術が効果を発揮できるさまざまな分野があり、テクノロジーがそれ自体を挿入できるさまざまな場所があります。 当然のことながら、この分野で形成されている世界中の多くの企業があります。 驚くべきことに、同じタスク用に設計された XNUMX つのツールを提供するという点で直接競合する企業は多くありません。 実際には、各テクノロジーが対処および構築するために開発されたさまざまなタスクに関して、多くの多様性があります。

会社を発展させるある時点で、「XNUMX つの問題を解決することに集中し、それを非常にうまくやり、その問題をさらに広げたいか?」と考えなければならない段階があります。 または「創薬における価値を推進する特定の変曲点に焦点を当て、それを中心としたいくつかの創薬プログラムの構築を開始したいですか?」

これは、より横型のビジネス構造とより縦型のビジネス構造との間のトレードオフです。 そして、この分野で出現しているさまざまな企業と協力して機能するこれら XNUMX つの考え方があります。ある技術を採用してそれを使用してより優れた医薬品を設計するか、それとも技術とパートナーを構築してさまざまなパートナーシップのプラットフォームを作成するかについてです。自分の研究で多くの異なるプログラムを支援し、支援する人々? これは、企業がある程度発展するにつれて、あらゆる企業が直面するアイデンティティの危機です。

レイ： スティーブン、私たちは今どこにいるのでしょうか。問題解決の構築 (特定の数のケースに示されています) と、データに関するこのコア IP 機能を備えたプラットフォームである反対の部分との間で分かれています。他の人々があなたの上に築き上げさせているのに、あなたはそこから行くのですか？

スティーブン： それは良い質問です。 この業界では、両方の分野で成功を収めています。 ポイント ソリューションに重点が置かれる傾向にあるほど、その特定のテクノロジーをより洗練させることができます。 洗練されているほど、より良いサービスを提供できます。 しかし、それに対する反論は、ある時点で、開発の利益が減少し、特定のものをいじくり回してしまうことです.

おそらく、効果的なポイント ソリューションから始めて、それを改善するために徐々に上流と下流に移動し、パートナー プロジェクトをより長期間サポートする方が良い交差点が実際にはあるでしょう。

レイ： これはとても興味深いです、スティーブン。 あなたが話しているように、私は私たちのスペースを視覚化しています。これは、プラットフォーム企業があり、100,000 以上ではないにしても数千のポイント ソリューション プレーヤーがいる古典的なソフトウェア スペースです。 それらはすべてさまざまな方法で価値を生み出しており、そのエコシステムは企業内および B2B コンテキスト、または B2C コンテキストで非常に多くの生産性をもたらしています。

ジェットコースターの旅に関して言えば、私たちはバイオテクノロジーのこの新しいパラダイムのどこにいるのでしょうか? 具体的に言うと、1994 年から 1995 年までが本当に初期の段階だったドット カム、初期のインターネット、1998 年にクレイジーなドット カムの本が始まり、残りの歴史を比較するとしたら、私たちはどこまで進んでいるのでしょうか。 これを構築し、ヘルスケアに革新的な影響を与えるという点で、私たちはどこにいると思いますか?

スティーブン： 2000 年の時間枠やそれ以前のことは言いたくありません。なぜなら、バブルの発生がほぼ予測されているからです。 しかし、コンプ・バイオは、大きな成長を伴う新生プレ・ドット・カム・バブルにある程度入っている可能性があると思います。

そうは言っても、1995年から2000年の時間枠の初期段階のインターネットにあったかもしれないよりも、コンプの経歴にはより多くの基盤があると思うので、そうではないと思います. そして、それは、さまざまな名前の元で、長い間、コンプバイオで非常に多くの良い仕事が行われてきたためだと思います. 当時は AI と同名ではありませんでした。 計算化学など、さまざまな用語が登場しては消え、シミュレーションに多くの焦点が当てられました。

さらに、その特定の空間内でのシミュレーションや機械学習の形によるシミュレーションと予測、予測の長い歴史があります。 つまり、2006 年から 2007 年のクレイジーなハイプ サイクルが行き来した時代に近づいていると思います。 しかし、私たちは創薬を民主化し、計算生物学を民主化し、それをより広くアクセスしやすくし、世界中のさまざまな組織からの貢献を少し見ています。 ということで、ドットコムバブル前というよりは、YouTubeやFacebookの台頭、インターネット2.0型の段階を考えています。

レイ： おお。 あなたはそれで私を笑顔にしています。 それで、2006年から2007年ですか？ 2001年から2002年と言うつもりだったのに！ 私たちは早いようですが、そこに着いています。

2006 年から 2008 年にかけて、私たちが本当に加速し、プラスの影響を与え始めるような時代に向けて私たちを見事に設定したコア テクノロジーである大きな力の乗数について話していただけますか?

スティーブン： 奇妙なことに、私はその質問がテクノロジーを通じて答えられるとはあまり感じていません。 それは科学者の文化であり、彼らの適応と貢献への準備です。 また、中小企業やバイオテクノロジー企業が、これらの従来のハブ ゾーンの外でグローバルに起業したいという要望もありました。

それはむしろ、準備の文化と予測に対する科学者の考え方だと思います。 これは、人々がインターネット消費者からインターネット コンテンツ クリエーターへと移行した 2007 年に始まったコンテンツ作成シフトのようなものです。 世界中の科学者は、基礎科学を生み出すだけでなく、アイデアを取り入れて適用し、治療法を生み出しています。

細胞に対する特定のタンパク質の影響に関するこの驚くべき研究とこれらの素晴らしい発見を行っているのは、世界中の研究室のすべての学生と教授です. 彼らは次の段階を模索し、重要な質問をしているのです。 なぜ私は何かを紡ぐ人になれないのですか？

その食欲が私たちをとても興奮させるものだと思いますよね？ 創薬の民主化を支援する方法を見つけることができれば、人々が準備ができていた当時のインターネット企業と同じように、私たちは素晴らしい立場に立つことができると思います.

レイ： ここにまったく新しいメタバースが開かれているようです、スティーブン。 このように民主化すれば、たとえば、南アフリカの機関のキャンパスに、北米に拠点を置くバイオテクノロジーのプラットフォームを構築し、そのプロセスで実際に価値を生み出している優秀な博士課程の学生がいる可能性があります. それは、今後 XNUMX ～ XNUMX 年で実現する可能性のある世界ですか、それともすでに実現していますか?

スティーブン： それはすでに起こっていると思います。興奮と食欲があります。 研究者が調査しているタイプの問題は希少疾患であり、あなたは南アフリカの病気について言及しましたが、熱帯病も同様です。 おそらく、これを行うことで、業界が見ているものの範囲を広げることを余儀なくされているのでしょう。

レイ： 現在、実際に影響を与えているチームまたは個々の組織のお気に入りの例は何ですか?

スティーブン： そうですね、私たちと申します（笑）。

レイ： もちろん、私はあなたたちがそうであることを知っています！

スティーブン： 確かに、私たちが高く評価しているこの分野には、他にも多くの企業があります。 しかし、それこそが私たちが目指していることであり、私たちがお手伝いできることです。 まさにその理由から、アカデミック パートナーシップ プログラムを立ち上げました。 トレーニングとその経験は、パートナーや学生、そして一緒に働いているポスドク研究員にとってかけがえのないものだと私たちは信じています。 それは彼らに業界への露出を提供し、興味と動き続ける欲求を生み出します。

他の 19 つの学術機関との共同研究として、アーカイブ ペーパーをリリースしました。 技術面で私たちを助け、Vector Institute の Bo Wang を通じてタンパク質標的を特定する新しい技術を開発しました。 彼の学生である Haotian とポスドクの Mehran は、ターゲットの特定に役立つ COVID-10,000 創薬プログラムを支援してくれました。 次に、私たちが開発したテクノロジである Polyform DB を使用します。これは、臨床的に試験された約 XNUMX の化合物の薬物標的相互作用を予測することによって機能する薬物転用データベースです。

つまり、これらは第 8,000 相データ、第 26 相データ、または第 19 相データを持っているか、約 XNUMX のヒトタンパク質に関して FDA 承認された化合物です。 これは、薬物標的相互作用の事前計算されたデータベースのようなものであり、彼らの標的、私たちが行った予測を相互参照し、別の学術グループ、Ryerson University の Costin Antonescu と彼のグループのポスドク Michael の助けを借りて、彼らは実際のヒト細胞を使用し、生きたウイルスを使用して、いくつかのロボット工学に関連する何千もの化合物を実際に見ることができる正確なウイルス感染性エッセイ。 この低スループットの科学的スクリーンで、それが正確であることを確認できます。 そのため、生産に基づいてテスト用に約 XNUMX のコンパウンドを購入することができ、いくつかのヒットがありました。 それは COVID-XNUMX の新しい候補の発見につながりましたが、ウイルスに直接作用するのではなく、ヒト細胞に作用します。 そのアプローチの希望は、その後の実験でこれが実際に臨床試験の実行可能な候補であることが示された場合、突然変異に対する耐性が高まる可能性があることです.

特にCOVID-19に関する学術機関の意欲の良い例だと思ったので、それを指摘したかった. 2020 年 XNUMX 月から XNUMX 月にかけてパンデミックが最初に発生したとき、誰もがこの分野で支援できることを望んでいました。 そこで、いくつかの学術機関と提携し、全員が重要な役割を果たしました。 化合物を転用するだけでなく、有用である可能性のある新しいターゲットを見つけ、さらに進んで、将来のコロナウイルスや他のウイルスに対して有効な新しい化合物を開発する可能性があります.

レイ： あなたが特定の学術機関と素晴らしいパートナーシップを結んだ例について話せば話すほど、それは特定のソフトウェアの開発方法に非常に似ています。 私たちは、現代のバイオテクノロジー企業がクラス最高のクラウドベースのソフトウェア ビジネスと何ら変わらない運用リズムを持っているこの大きな収束を見ています。

スティーブン、実行の詳細について多くの変更がありましたか? したがって、たとえばニュージーランドの X 学術機関と提携している場合、物事を進めて、デューデリジェンス、特定の法的要件、および通常実行する必要があるあらゆるプロセスに関して、すべての退屈なことを行うプロセスは、皆さんは、人々との共同作業や物事の進め方や配置方法を迅速に追跡することに大きな変化をもたらしましたか?

スティーブン： 確かに最初はもっと大きな壁がありました。 私たちが研究者と協力し、それらのプロセスがどのように見えるかを理解することにそれほど固執していなかったとしたら、おそらく物事は少し異なって見えたかもしれません.

幸いなことに、私たちには優れた戦略的提携チームがあり、私たちの技術を世に出し、研究者と協力して技術の共同開発とフィールドテストを支援し、検証などを行うことに真剣に取り組んでいます. 最初のいくつかは確かに挑戦でしたが、しばらくすると、学術機関が何を求めているかがわかります。 また、これらの機関は一般に、より応用的な研究とパートナーシップを求めているため、意欲が高まっています。

その欲求は、産業界の学術コラボレーションを促進するために最善を尽くしている大学や政府のプログラムからももたらされます。 カナダには非常に優れたリソースがたくさんあることを知っています。これらのリソースを利用して、共同研究プログラムに資金を提供するという利点があります。 これにより、他の方法では得られない可能性があることに手を出す機会が得られます。

学者にとっては、研究を発展させ、出版物を入手するために必要なものを提供します。 次に、学生には、卒業後の成功の可能性を高めるこのユニークな機会が提供されます。 ですから、それはさまざまな場所から来ていると思います。それは、ますます柔軟になっている学術機関とその IP 管理部門からの受容性だけではありません。 さらに、政府のプログラムはこのプロセスを大幅に支援します。 最後に、基礎科学へのニーズは依然として非常に強いですが、そのニーズは応用科学のニーズとバランスがとれています。 つまり、エコシステム全体が進化し、改善されて、物事がよりアクセスしやすくなっています。

レイ： 学問と政府の側面に焦点を当てると、過去 XNUMX ～ XNUMX 年間で官僚的形式主義が削減される大きな文化的変化がありましたか? 過去には、物事を進め、人々が実行するのに課題があったことを私は知っています。 しかし、パートナーシップを結び、実行して結果を出すことができますか?

スティーブン： お役所仕事がクリアされることはありません。 体系的な改善があるのか​​ 、それとも私たち自身のチームがそれをうまく処理できるようになっているのかはわかりませんが、それは確かにもはや大きな障壁ではありません. どんなお役所仕事よりも意志が強いと思うので、そうなっても乗り越えていきます。

レイ： Cyclica の社内では、これまで以上に外に目を向けているため、インテリジェンス ワークフローを持つことが日々の鍵となっていると言っても過言ではありませんか?

スティーブン： 私たちが 10 人から 50 人というもっと小規模だった頃は、そのすべてをナビゲートして追跡するのは確かに困難でした。 しかし、私たちが成長するにつれて、特に現在は 50 人を超えているため、さまざまな監視を担当するさまざまな人を配置する方が少し簡単です。 そして、その XNUMX 人のグループの中には、政府のプログラム、学術機関、パートナーシップなどの特定の要素に非常に興味を持っている個人がたくさんいます。 したがって、組織としては、個人が好きなように維持するのが難しい場合があるため、意識を維持するのに役立ちます.

レイ： 楽しみながらユートピアを眺めていると、バイオテクノロジー分野とライフ サイエンス分野で、全体として商業的な側面から、まったく新しいパラダイムが生まれています。 先ほどおっしゃったように、この分野では 2006 年から 2007 年のインターネット時代が近づいています。

収益化モデルはどのように見えますか? 今、ビジネスを拡大する方法について頭がぐるぐる回っているからです。 収益を拡大し、収益化を民主化して、より多くの利害関係者がゲームに参加し、素晴らしい仕事をして医療に影響を与えることから利益を得られるようにする革新的な新しい方法はありますか?

文字通り、業界としてだけでなく、スペース全体として、スティーブンでこれに夢中になります。 風変わりな新しいアイデアとして話題になっている収益化モデルや、現在実際に行われている収益化モデルはありますか?

スティーブン： 2007 年から 2008 年にかけて、YouTube コンテンツ クリエーターが登場し始め、Facebook ユーザーが急成長し、さまざまな収益化スキームについて考えていました。 その分野で成功したモデルは、プラットフォームと個々の貢献者の両方が利益を得たモデルでした。 たとえば、YouTube での YouTube スターの台頭は、これを完全に示しています。

この分野から出てくる新たなソリューションは、同様の方針に従うと思います。 基礎科学を考え出し、新しい興味深いターゲットを特定し、疾患モデルと細胞疾患モデルを開発している学者は、その研究から利益を得ることができる人です. そうです、バイオテクノロジーが今後10年からXNUMX年でどのように定着し、発展するかについて、多くの希望と興奮があることは間違いありません.

レイ： イベントブロックチェーン技術が中央の分散型台帳技術に急速に台頭し、最近は本当に加速しており、より多くの共和国レベルでは、ビットコインとイーサリアムの巨大なスパイクがあり、現在は1998年の瞬間を迎えています. 私たちは実際にここで将来のパートナーを読んだり話したりしていますが、医薬品の開発が民主化された場合、たとえばXバイオテクノロジー企業が使用する予測アルゴリズムを持っている可能性のある初期段階の学術研究者にどのようにインセンティブを与えることができるかについてです. しかし、彼らは今ではそれを市場で共有することに対してよりオープンになっています。たとえば、南アフリカの機関で頭脳明晰であれば、アイデアをアップロードするだけでトークン化されます。 ブロックチェーンに保存されます。

したがって、サンディエゴの X バイオテックが「うわー、私たちはこの予測モデルが大好きで、実際に社内でこの機能を有効にしています。 これにタイムスタンプを付けて報酬を与えます。」 ブロックチェーンや代替不可能なトークン (NFT) などの分野がバイオテクノロジーに流れ込んでいますか?

スティーブン： まあ、それは間違いなく、コンプバイオの一種のアプリストアを持つという興味深いアイデアです. たぶん、私たちはそれを調べて、サイドで何かを始めるべきです.

レイ： ええと、これをそのインターネットの話にリンクしている場合、それは避けられませんよね? あなたの組織の外で広いレベルで何かを見ていますか?

スティーブン： 特にブロックチェーンに関しては、少しそうではありません。 でも、電子手帳にブロックチェーンを使っているという話は確かに聞いたことがあります。 特にそれがどのように進んでいるかについては実際には話せませんが、少なくとも後で監査または検証するために記録された実験や物事の中で情報が変更されていないことを保証する方法. そういうところにブロックチェーンが応用されているという話を聞いたことがあります。

レイ： スティーブン、あなたとのつながりはとても興味深いものでした。 あなたとチームがCyclicaで行っていることは素晴らしいと思うので、おそらく何時間も話すことができたでしょう. あなたは、ここ PatSnap が深く情熱を注いでいる市場空間にいます。 この分野で直接的または間接的に活動している 1,000 をはるかに超える顧客がいます。 本日は Innovation Capital にご参加いただき、誠にありがとうございました。

さて、話題を完全に外して、楽しいクイックファイヤーラウンドで物事を締めくくります—エイリアンの生命体を信じるか、信じないか?

スティーブン： 信者。 確かに。

レイ： どうして？

スティーブン： エイリアンの生活は、おそらく私たちが想像するものではないと思います。 しかし、ある種のバクテリアのように見えるものは何もないと言うと、どこかの惑星のどこかが少し離れています. 天文学の世界について何か新しいことを聞くたびに、宇宙は私たちが以前に考えていたよりも 10 倍大きいということです。 したがって、宇宙のサイズが予想よりも大きくなり続ける場合、エイリアンの可能性も予想よりも高くなるはずです.

レイ： 市場投入までの時間、薬のコスト、エキサイティングな開発の観点から、2030年にコンプバイオスペースはどこになると思いますか?

スティーブン： 技術面では、モデルのトレーニングのためだけに、さらに多くの実験が行われると思います。 AWS や Google Cloud のようなクラウド コンピューティング クラスターを考えています。VM を購入する人がいない場合、ダウンタイム中にこれらのインスタンスが使用される傾向があります。VM をレンタルしている特定の時間中は、ダウンタイムは他の種類の計算に使用されます。 . 研究室の設備は、特定の研究プログラム、特にロボットのものに焦点を当てるのではなく、データを生成するためだけに研究中のタンパク質を含む暗い空間でデータを生成するだけである可能性があると思います.

患者の転帰に向けた長期的なビジョンに関しては、この分野全体が何をするのか、特に大学を出たばかりの初期段階のバイオテクノロジーを後押しすることに大きな重点が置かれている場合、それはより不十分な状況に利益をもたらすと思います. また、熱帯病、希少疾患、およびおそらく標準的ではないものに対するサポートがさらに増えると思います. おそらく、それ以前は薬物の標的ではなかった分野で、特定の患者に大きな影響があると思います. このアプローチにより、人々が薬にできると考えていること、または人々が治療の機会と考えていることの範囲を拡大する可能性がたくさんあります.

レイ： 医薬品開発の平均コストは 2.5 億ドルで、平均開発期間は 10 ～ 2030 年です。 時間とコストの観点から、XNUMX 年にはどこにいると思いますか?

スティーブン： 影響はあると思います。 でも、試行錯誤を重ねると、間違いも増えると思います。 私の推測では、物事の多様性が高まるということです。 しかし、それがどれほど高価であるかを特定の数字で表すと、間違いなく安くなるはずですが、どれだけ安いかを具体的な数字で表すのは難しいです。 半分に切ってくださいと言いたいです。

レイ： 待ってみましょう。 スティーブン、今日のやり取りは本当に楽しかったです。またお会いできるのを楽しみにしています。 どうもありがとう。

スティーブン： ありがとうございました。