Twee afgestudeerden van het Data Science Institute (DSI) aan de Columbia University gebruiken computationeel ontwerp om snel behandelingen voor het coronavirus te ontdekken.

Andrew Satz en Brett Averso zijn chief executive officer en chief technology officer, respectievelijk, van EVQLV, een startup die algoritmen maakt die rekenkundig kunnen genereren, screening, en het optimaliseren van honderden miljoenen therapeutische antilichamen. Ze passen hun technologie toe om behandelingen te ontdekken die het meest waarschijnlijk mensen helpen die zijn geïnfecteerd met het virus dat verantwoordelijk is voor COVID-19. De machine learning-algoritmen screenen snel op therapeutische antilichamen met een grote kans op succes.

Het uitvoeren van antilichaamdetectie in een laboratorium duurt doorgaans jaren; het duurt slechts een week voordat de algoritmen antilichamen hebben geïdentificeerd die kunnen vechten tegen het virus. Het versnellen van de ontwikkeling van een behandeling die geïnfecteerde mensen kan helpen, is van cruciaal belang, zegt Satz, die een DSI-alumnus van 2018 is en in 2015 is afgestudeerd aan Columbia's School of General Studies.

"We verminderen de tijd die nodig is om veelbelovende antilichaamkandidaten te identificeren, " zegt hij. "Studies tonen aan dat het gemiddeld vijf en een half miljard dollar kost om antilichamen in een laboratorium te ontdekken en te optimaliseren. Onze algoritmen kunnen die tijd en kosten aanzienlijk verminderen."

Het versnellen van de eerste fase van het proces – de ontdekking van antilichamen – draagt ​​in grote mate bij aan het versnellen van de ontdekking van een behandeling voor COVID-19. Nadat EVQLV computationele antilichaamdetectie en -optimalisatie heeft uitgevoerd, het stuurt de veelbelovende gensequenties van antilichamen naar zijn laboratoriumpartners. Laboratoriumtechnici engineeren en testen vervolgens de antilichamen, een proces dat enkele maanden duurt, in tegenstelling tot meerdere jaren. Antilichamen die succesvol zijn bevonden, zullen doorgaan naar dierstudies en, Tenslotte, menselijke studies.

Gezien de internationale urgentie om het coronavirus te bestrijden, Satz zegt dat het mogelijk is om voor eind 2020 een behandeling klaar te hebben voor patiënten.

"Wat onze algoritmen doen, is de kans verkleinen dat de ontdekking van geneesmiddelen in het laboratorium mislukt, " voegt hij eraan toe. "We falen zoveel mogelijk in de computer om de kans op downstream-storingen in het laboratorium te verkleinen. En dat scheelt aanzienlijk veel tijd in moeizaam en tijdrovend werk."

Averso, die ook een DSI-alumnus 2018 is, zegt dat sommige van de antilichamen die EVQLV ontwerpt, bedoeld zijn om te voorkomen dat het coronavirus zich aan het menselijk lichaam hecht. "De rechts gevormde antilichamen binden aan eiwitten die op het oppervlak van menselijke cellen en het coronavirus zitten, vergelijkbaar met een slot en sleutel. Een dergelijke binding kan de verspreiding van het virus in het menselijk lichaam voorkomen, mogelijk de effecten van de ziekte te beperken."

Hij merkte ook op dat de wetenschappelijke gemeenschap en de biotech-industrie gegalvaniseerd zijn om samenwerkingen te smeden die therapieën tot stand brengen, diagnostiek, en vaccins zo snel mogelijk.

EVQLV werkt samen met Immunoprecise Antibodies (IPA), een bedrijf gericht op de ontdekking van therapeutische antilichamen. De samenwerking zal de inspanningen versnellen om therapeutische kandidaten tegen COVID-19 te ontwikkelen. EVQLV zal in slechts een paar dagen honderden miljoenen potentiële antilichaambehandelingen identificeren en screenen - ver boven de capaciteit van welk laboratorium dan ook. IPA zal de meest veelbelovende antilichaamkandidaten produceren en testen.

Satz en Averso, die elkaar ontmoetten tijdens studenten aan DSI, zijn zeer toegewijd aan het gebruik van 'gegevens voorgoed'. Het paar werkt al enkele jaren samen op het snijvlak van datawetenschap en gezondheidszorg en richtte in december 2019 EVQLV op om AI te gebruiken om de snelheid waarmee genezing wordt ontdekt te versnellen, ontwikkelde, en afgeleverd. Het bedrijf is al uitgegroeid tot 12 teamleden met vaardigheden variërend van machine learning en moleculaire biologie tot software-engineering en antilichaamontwerp, cloud computing, en klinische ontwikkeling.

Beide DSI-afgestudeerden maken doorgaans 100-urige werkweken omdat ze gepassioneerd zijn over en toegewijd zijn aan het gebruik van datawetenschap om 'mensen in nood te helpen genezen'.

"We bouwen aan een bedrijf dat zich op de grens van AI en biotech bevindt, "zegt Satz. "We zijn hard aan het werk om de snelheid te versnellen waarmee genezing wordt ontdekt en geleverd en we kunnen niet om een ​​meer bevredigende missie vragen."