MIT 企業新創 ReviveMed 繪製人體代謝物地圖 以揭示疾病隱藏驅動因素
ReviveMed 利用人工智能收集大量代謝物數據——如脂質、膽固醇和糖——以將患者與合適的治療方案匹配。
隨著研究人員在基因編輯和疾病治療方面取得進展，越來越多的證據顯示，圍繞這些基因的蛋白質和代謝物同樣不容忽視。MIT 的企業新創 ReviveMed 創建了一個平台，用於大規模測量代謝物——如脂質、膽固醇、糖和碳水化合物等代謝產物。該公司利用這些測量結果來揭示為何某些患者對治療有反應而另一些則無法，並進一步了解疾病的驅動因素。
ReviveMed 的首席執行官 Leila Pirhaji 博士表示：“傳統上，我們能準確測量幾百種代謝物，但這只是我們體內代謝物的一小部分。我們希望填補這一巨大空白，充分利用未被充分利用的代謝物數據所帶來的強大洞見。”
隨著醫療界越來越多地將失調的代謝物與癌症、阿茲海默症和心血管疾病等疾病聯繫起來，ReviveMed 利用其平台幫助一些全球最大的製藥公司尋找可能受益於其治療的患者。該公司還為學術研究人員提供免費軟件，幫助他們從未開發的代謝物數據中獲取洞見。
Pirhaji 說：“在人工智能蓬勃發展的背景下，我們認為可以克服限制代謝物研究的數據問題。雖然目前尚無代謝組學的基礎模型，但我們看到這些模型正在改變基因組學等各個領域，因此我們開始開創其發展。”
面對挑戰
Pirhaji 在伊朗出生並長大，於 2010 年來到 MIT 攻讀生物工程博士學位。她之前已閱讀過 Fraenkel 教授的研究論文，並對參與他所建構的整合基因組、蛋白質組及其他分子數據的網絡模型感到興奮。Fraenkel 現在擔任 ReviveMed 的董事會成員。
Fraenkel 說：“我們在思考當能夠測量所有東西時，能做些什麼——基因、RNA、蛋白質以及小分子如代謝物和脂質。我們可能只測量到約 0.1% 的小分子。我們認為必須有辦法獲得這些分子的全面視圖，這將幫助我們繪製出細胞內所有變化的地圖，無論是在癌症、發展或退行性疾病的背景下。”
在攻讀博士學位的中途，Pirhaji 將一些樣本寄給哈佛大學的一位合作者，以收集代謝組的數據。合作者回寄給她一份包含數千行數據的巨大 Excel 表，但告訴她最好忽略前 100 行之外的數據，因為他們對其他數據的意義一無所知。這對她而言是一個挑戰。
Pirhaji 回憶道：“我開始思考，也許我們可以利用我們的網絡模型來解決這個問題。數據中充滿了模糊性，這對我來說非常有趣，因為沒有人嘗試過這樣做。這似乎是這一領域的一個重大空白。”
Pirhaji 開發了一個包含數百萬個蛋白質和代謝物相互作用的知識圖譜。數據豐富但雜亂無章，Pirhaji 將其稱為“毛球”，無法告訴研究人員關於疾病的任何信息。為了使其更有用，她創建了一種新的代謝途徑和特徵表徵方法。在 2016 年發表於《Nature Methods》的論文中，她描述了該系統並用其分析了亨廷頓病模型中的代謝變化。
最初，Pirhaji 並不打算創辦公司，但在博士學位的最後幾年，她開始意識到這項技術的商業潛力。
Pirhaji 說：“在伊朗沒有創業文化。我不知道如何創辦公司或將科學轉化為初創企業，因此我利用了 MIT 提供的一切資源。”
Pirhaji 開始在 MIT 斯隆管理學院上課，包括 15.371 課程（創新團隊），在那裡她與同班同學合作思考如何應用她的技術。她還利用了 MIT 的創業導師服務和 MIT Sandbox，並參加了馬丁·特拉斯特中心的 delta v 初創企業加速器。
當 Pirhaji 和 Fraenkel 正式創辦 ReviveMed 時，他們與 MIT 的技術授權辦公室合作，獲取圍繞他們工作的專利。自那以後，Pirhaji 進一步開發了該平台，以解決她從與數百位製藥公司領導人交談中發現的其他問題。
ReviveMed 最初與醫院合作，揭示脂質在代謝功能障礙相關肝炎這種疾病中的失調情況。在 2020 年，ReviveMed 與百時美施貴寶合作預測癌症患者的亞組對該公司的免疫療法的反應。
自那以後，ReviveMed 已與多家公司合作，包括全球前十的製藥公司中的四家，幫助他們理解其治療背後的代謝機制。這些洞見有助於更快速地識別最能從不同療法中獲益的患者。
Pirhaji 說：“如果我們知道每種藥物將使哪些患者受益，這將大大減少與臨床試驗相關的複雜性和時間。患者能更快地獲得正確的治療。”
代謝組學的生成模型
今年早些時候，ReviveMed 收集了一個基於 20,000 份患者血液樣本的數據集，並利用該數據集創建了患者的數字雙胞胎和代謝組學研究的生成 AI 模型。ReviveMed 正在將其生成模型提供給非營利學術研究人員，這可能加速我們對代謝物如何影響多種疾病的理解。
Pirhaji 說：“我們正在民主化代謝組學數據的使用。對於我們來說，擁有來自世界每一位患者的數據是不可能的，但我們的數字雙胞胎可以用來根據患者的人口統計特徵找到可能受益於治療的患者，例如，找出可能面臨心血管疾病風險的患者。”
這項工作是 ReviveMed 的使命的一部分，旨在創建代謝基礎模型，供研究人員和製藥公司使用，以了解疾病和治療如何改變患者的代謝物。
Fraenkel 說：“Leila 解決了許多在將想法從實驗室轉化為足夠穩健和可重複的生物醫學應用時所面臨的難題。在這個過程中，她也意識到她開發的軟件本身是非常強大的，並且可能具有變革性。”
這項研究不僅展示了科技如何深入影響醫療領域，也提醒我們，對於疾病的理解需要更全面的視角。未來，隨著技術的進步，或許我們能更有效地針對疾病進行治療，並確保患者能夠獲得最佳的療法。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
