Dans cette interview, Ma Clinique s'exprime avec Mohammad Aklaq à Labgenius Therapeutics sur la façon dont l'automatisation et l'apprentissage automatique pionnient la découverte d'anticorps complexes suite à l'expansion récente de sa société EVA ™ plate-forme.
Sommaire
Pour commencer, pouvez-vous nous parler un peu de votre rôle chez Labgenius Therapeutics et ce qui vous excite le plus dans le travail sur l'automatisation dans la découverte d'anticorps?
Chez Labgenius Therapeutics, je me concentre sur l'application de mon expertise et de mon expérience dans l'automatisation et le développement de tests pour augmenter notre débit expérimental tout en maintenant la qualité des données.
C'est passionnant car cette données de haute qualité et pertinente à la maladie alimente notre processus d'apprentissage actif. Plus nous générons de données expérimentales, plus notre processus de découverte d'anticorps compatible ML devient fort.
Labgenius a récemment élargi sa plate-forme avec une cellule de travail à haut débit. Pouvez-vous nous guider à travers ce que cette expansion impliquait et ce qui rend ce nouveau système unique?
Je vais commencer par donner un bref aperçu de la plate-forme. Le EVA ™ La plate-forme fonctionne en combinant l'apprentissage actif avec un dépistage fonctionnel automatisé dans une boucle fermée. Cette approche, qui est largement exempte de biais humains, nous permet d'explorer de grandes zones d'espace de conception d'anticorps et finalement de découvrir des molécules très performantes, souvent avec des conceptions non intuites.
L'expansion récente automatise en outre les étapes humides, nous permettant de produire et de purifier un plus grand nombre d'anticorps multippécifiques / multivalents et d'évaluer leurs caractéristiques dans le format final à l'aide de tests cellulaires pertinents par la maladie.
Avec notre plate-forme, nous sommes maintenant en mesure de concevoir, de produire (dans les cellules de mammifères), de purifier et de caractériser des panneaux allant jusqu'à 2 300 anticorps multippécifiques / multivalents en seulement 6 semaines. Nous croyons que cette capacité à être leader du monde.
Le scientifique explique comment l'IA peut accélérer la découverte médicale
Vous avez triplé le débit expérimental avec cette expansion. Quelles améliorations techniques spécifiques ou les progrès de l'automatisation ont rendu possible cela?
Travailler avec Beckman Coulter en tant que partenaire d'intégration préféré a été instrumental – rassembler une sélection considérée de plus de 33 appareils sur une seule plate-forme n'est pas une tâche triviale.
Le partenariat nous a permis de construire un flux de travail de biologie moléculaire très complexe qui fournit de l'ADN purifié et vérifié par séquence, prêt pour la transfection des cellules de mammifères.
Principalement, l'utilisation de grandes capacités de stockage de logiciels laborieuses et de réactifs, associées à des technologies de manutention de liquide automatisées de pointe – telles que la distribution acoustique Echo et le robot de manutention de liquide Bomek i7 – nous donne la possibilité de réaliser près de 24/7 le temps d'exécution de processus.
L'augmentation du débit expérimental renforce directement votre processus de découverte motivé par l'apprentissage. Pouvez-vous expliquer comment ces données supplémentaires améliorent le pouvoir prédictif de vos modèles?
Plus nous pouvons évaluer expérimentalement dans le laboratoire humide, plus nous pouvons nourrir nos modèles. Cela augmente non seulement la précision de nos modèles, mais élargit également la taille de l'espace de conception que nous pouvons explorer silico. Ceci est important car de nombreuses molécules hautement performantes ont des conceptions non intuitives.
En d'autres termes, il n'y a souvent pas de relation évidente entre une conception moléculaire et sa fonction, donc beaucoup de nos molécules hautement performantes n'auraient pas été découvertes par un ingénieur en protéines humaines.
La mise à l'échelle de la génération de données est une partie de l'équation, mais comment vous assurez-vous que les données restent de haute qualité et pertinentes à la maladie à mesure que le débit augmente?
Au fur et à mesure que le débit augmente, il est important que nous maintenions l'intégrité des données que nous collectons.
Nous y parvenons en automatisant non seulement les centaines d'étapes expérimentales discrètes dans le laboratoire humide, mais aussi les étapes de calcul qui serrent le processus. Par exemple, toutes les données expérimentales sont automatiquement téléchargées sur le cloud et traitées à l'aide de pipelines de données spécialement conçues qui traitent des processus tels que QC, la normalisation et l'ajustement de la courbe.
Cela réduit les chances d'introduire des erreurs humaines et libère le temps de nos scientifiques de se concentrer sur un travail expérimental plus fructueux.
Avec cette capacité accrue, Labgenius peut désormais exécuter plus de programmes de découverte d'anticorps en parallèle. Comment cela a-t-il un impact sur la vitesse et l'efficacité de l'apporter des thérapies potentielles au développement?
Bien que le EVA ™ La plate-forme est la modalité et le format agnostique, notre pipeline interne se concentre sur le développement d'anticorps améliorés par la sélectivité pour le traitement des tumeurs solides. Avec l'expansion de la nouvelle plate-forme, nous sommes en mesure d'exécuter plusieurs programmes d'optimisation de plomb simultanément. Cela signifie que nous pouvons collaborer avec des partenaires pharmaceutiques sur des programmes communs tout en gardant l'élan derrière notre pipeline entièrement appartenant à des actifs.
Quels ont été certains des plus grands défis dans la mise à l'échelle de la plate-forme, et comment vous et votre équipe les a-t-il surmontés?
La réalisation d'une plate-forme aussi sophistiquée a inévitablement ses défis. Comme nous l'avons prévu, le plus grand obstacle était d'assurer sa robustesse mécanique et biologique. Travailler en collaboration avec l'équipe de Beckman Coulter a permis des tests rigoureux pour garantir des résultats reproductibles.
Un autre défi a été d'automatiser le processus de sélection des colonies à l'aide du système d'imagerie Amplius intégré et du robot Biomek i7.
La capacité de choisir des colonies imprimées par l'écho avec précision et précisément a été surmontée à l'aide d'un excellent soutien de scripts par l'équipe des applications de Beckman. Cela permet une sélection et une inoculation efficaces de colonies, ce qui permet l'achèvement du processus de biologie moléculaire dans les 7 jours pour 2 300 conceptions.
Crédit d'image: Labgenius Therapeutics
Pour l'avenir, comment voyez-vous l'automatisation et l'apprentissage automatique continuant de façonner l'avenir de la découverte d'anticorps?
À mesure que les anticorps deviennent plus complexes, la relation entre leur conception et leur fonction deviendra moins intuitive.
Nos données de caractérisation à haut débit, lorsqu'elles sont combinées avec ML, nous permettent de cooptimiser ces formats d'anticorps multispécifiques / multivalents de plus en plus complexes avec des modes d'action sophistiqués, établissant finalement une nouvelle norme pour la sécurité et l'efficacité.
Y a-t-il des innovations ou des améliorations à venir qui vous passionnent particulièrement dans le pipeline de Labgenius?
Nous sommes vraiment excités par la capacité de nos molécules à surmonter la toxicité sur cible et hors tumurage, un inconvénient trop souvent associé aux thérapies anti-tumurales approuvées. En tirant parti de la sélectivité basée sur l'avidité, les anticorps de notre pipeline peuvent faire la différence entre les cellules saines et malades en fonction de l'expression différentielle de TAA.
C'est passionnant car, avec des méthodes conventionnelles, nous ne voyons qu'un élargissement marginal de la fenêtre thérapeutique, tandis que notre approche atteint une sélectivité complète / désactivée. (Regardez notre récente présentation de données chez Pegs ici).
Alors que Labgenius continue de mettre à l'échelle ses capacités, que pensez-vous que la prochaine grande étape pour la plate-forme EVA?
Il existe toujours de nouvelles opportunités pour améliorer notre plate-forme et suivre les dernières innovations scientifiques. Le prochain jalon auquel nous travaillons est l'intégration de conceptions d'anticorps de plus en plus sophistiquées – par exemple, nous intégrons actuellement des anticorps spécifiques à Tri- et Tetra avec des modes d'action complexes.
En savoir plus sur Labgenius ici!
Où les lecteurs peuvent-ils trouver plus d'informations?
À propos de Mohammad Akhlaq
En tant que responsable de l'automatisation, Mohammed dirige une équipe de scientifiques de l'automatisation qui développent des processus robotiques et de laboratoire axés sur la précision.
Mohammed a rejoint Labgenius de Charles River, où il s'est spécialisé dans le développement et l'automatisation des tests complexes. Avant cela, il a passé 23 ans à Novartis, affinant des méthodes de dépistage à haut débit.
