Details van Turbine AI

Turbine.ai

Een revolutie teweegbrengen in de behandeling van kanker met gesimuleerde cellen™

Turbine.ai is een baanbrekend bedrijf dat zich toelegt op het revolutioneren van de behandeling van kanker door de kracht van AI en computationele biologie. Onze missie is om nieuwe therapieën te ontsluiten en de ontdekking van geneesmiddelen te versnellen door complexe kankermechanismen op een ongekend niveau te begrijpen. We bereiken dit via ons innovatieve Simulated Cells™-platform, een krachtig hulpmiddel waarmee we het gedrag van individuele tumorcellen bij patiënten kunnen simuleren.

Onze aanpak

Simulaties leggen de biologie van patiënten vast waar experimenten plaatsvinden Mislukt

Traditionele methoden voor het ontdekken van geneesmiddelen worden geconfronteerd met aanzienlijke uitdagingen bij het vastleggen van de complexe biologie van kanker bij echte patiënten. In vitro- en in vivo-modellen slagen er vaak niet in om ziekten bij de mens nauwkeurig weer te geven, wat leidt tot kostbare en tijdrovende experimenten met lage vertaalsnelheden naar de kliniek.

Turbine.ai pakt deze beperkingen aan door gebruik te maken van computationele simulaties. Ons platform stelt ons in staat om het gedrag van tumorcellen computationeel te simuleren, waardoor we de ingewikkelde mechanismen begrijpen die de ziekte aandrijven. Deze simulaties bieden waardevolle inzichten in de juiste modaliteit en combinatiebenadering voor de behandeling van zelfs de meest resistente kankersoorten.

Ons platform

Een manier ontwikkelen om de biologie te begrijpen

Onze Het Simulated Cells™-platform is gebouwd op een fundament van machine learning en netwerkwetenschap. We brengen de complexe interacties van duizenden signaaleiwitten in een cel in kaart en modelleren, waardoor een uitgebreide weergave van het kankergedrag op cellulair niveau ontstaat. Hierdoor kunnen we voorspellen hoe verschillende therapieën, inclusief therapieën die nog niet bestaan, de cellen van individuele patiënten kunnen beïnvloeden.

Het platform werkt door:

• Modelopbouw en training: We gebruiken een gestandaardiseerd “bedradingsschema” voor alle in vitro en in vivo modellen, waarbij patiëntmodellering momenteel wordt ontwikkeld. Ons bioplatform maakt het opzetten van cellen met verschillende OMICS-profielen mogelijk. Gedragstraining voor de modellen is een speciaal geval van Recurrent Neural Networks, waarbij gebruik wordt gemaakt van Tensorflow. Modellen die zijn voorbereid voor simulaties worden getraind op meer dan 500.000 datapunten (CRISPR, levensvatbaarheid van geneesmiddelgevoeligheid en RNASeq-tests na behandeling).
• Biomarkers: we voltooien de modelconfiguratie door kopieën te maken met verschillende biomarkers om de ideale responders voor specifieke verstoringen te lokaliseren. We kunnen extrinsieke moleculaire veranderingen specificeren, om een ​​groot aantal modellen te genereren die representatief zijn voor patiënten, maar die in vitro niet bestaan.
• Simulatie en genereren van hypothesen: we kunnen interventies op schaal introduceren , met behulp van een veelzijdige toolkit voor dosisafhankelijke remming, verstoring van interactieniveau of combinatieschermen. Door verstoringen van modellen, biomarkers en zelfs combinatietherapieën te simuleren, genereren we een complexe moleculaire uitlezing van dosisresponsen en IC50-waarden.
• Vertaling: door simulatieresultaten te filteren en te evalueren, kunnen we onthullen verborgen mechanismen achter de patiëntspecifieke respons en de drijvende effecten ervan.
• Experimentele validatie: unieke inzichten in het mechanisme en de bijbehorende biomarkers maken een geoptimaliseerd proces van state-of-the-art experimentele geldigmaking. De gemiddelde signaalactiviteit in gevoelige cellen en controlecellen wordt berekend met een gepatenteerde, op voetafdruk gebaseerde methode op basis van RNA-sequencing.

Ons platform vertegenwoordigt een belangrijke stap voorwaarts in het kankeronderzoek. Door een alomvattend inzicht te bieden in het gedrag van individuele tumorcellen, kunnen we de ontwikkeling van effectievere en gepersonaliseerde behandelingen versnellen.

Onze pijplijn

Eén platform om het hele R&D-proces te rationaliseren

h3>

Ons Simulated Cells™-platform is meer dan alleen een hulpmiddel om kanker te begrijpen. Het is een uitgebreid platform dat het gehele R&D-proces stroomlijnt, van doelidentificatie tot klinische onderzoeken. Het platform biedt een scala aan mogelijkheden die ons in staat stellen om:

• De ziekte te begrijpen: kankergedrag te simuleren om de oorzaken van ziekten en mechanismen van resistentie te begrijpen die in klinische omgevingen worden waargenomen.
• Vind de ideale patiënten: Ontdek de ideale patiëntenpopulatie en combinatiestrategie voor therapieën die al in ontwikkeling zijn of op de markt zijn.
• Breid de zoekopdracht uit space: Identificeer werkelijk nieuwe doelen om onvervulde behoeften te beheren bij patiënten die geen baat hebben bij bestaande therapieën.

Ons platform is al gebruikt in samenwerking met toonaangevende farmaceutische bedrijven, wat aantoont de doeltreffendheid ervan bij het versnellen van de ontdekking en ontwikkeling van geneesmiddelen.

Ontmoet ons

Building Deep Tech for Deep Biology

Turbine.ai is een team van gepassioneerde wetenschappers, ingenieurs en ondernemers die zich inzetten voor het maken van een echte verschil in de strijd tegen kanker. Wij geloven dat we, door onze expertise op het gebied van diepgaande technologie, moleculaire biologie en translationele wetenschap te combineren, het potentieel voor werkelijk impactvolle therapieën kunnen ontsluiten.

Simulaties leggen de biologie van de patiënt vast waar experimenten mislukken

DE ONTDEKKING VAN DRUGS WORDT BEPERKT DOOR ONZE HULPMIDDELEN OM ZIEKTEN TE BEGRIJPEN. De complexiteit van de modelsystemen neemt scherp toe tijdens het ontdekkingsproces van geneesmiddelen, terwijl er slechts een beperkt aantal experimentele modellen beschikbaar is die de ziekte bij de mens nauwkeurig weerspiegelen. Conventionele in vitro- en in vivo-modellen kunnen het ziektegedrag bij echte patiënten niet vastleggen, en hulpmiddelen – zoals CRISPR – werken niet als echte medicijnen. Het ontdekken van geneesmiddelen is duur en tijdrovend, modelsystemen vertalen zich slecht naar patiënten en verminderen het risico op falen in de kliniek niet significant. Dit maakt het ongelooflijk moeilijk om preklinische hypothesen naar de kliniek te vertalen en gerichte medicijnen te ontwikkelen die echt helpen. SIMULATIES ONTHULLEN BEHANDELINGEN EN DE PATIËNTEN DIE PROFITEREN VAN DE PATIËNTEN Voordat er natte laboratoriumexperimenten worden uitgevoerd, simuleert Turbine op computationele wijze het gedrag van tumorcellen bij patiënten om de complexe mechanismen te begrijpen die de ziekte aandrijven. Simulaties kunnen de juiste modaliteit en combinatiebenadering onthullen om zelfs de meest resistente kankers te behandelen. Door deze in silico-experimenten te observeren, krijgen onze biologen en translationele experts inzicht in de moleculaire context waarmee mono- en combinatietherapieën potentieel tot voordeel voor de patiënt kunnen leiden. Het begeleiden van het R&D-proces met simulaties kan de kans op succes in de kliniek vergroten. https://pubmed.ncbi.nlm.nih.gov/14518029/ https://www.nature.com/articles/s41467-021-25175-5 globaldata.com Hoe werkt het? Neem contact met ons op

Een manier bedenken om biologie te begrijpen

'S WERELDS EERSTE INTERPRETEERBARE CEL-SIMULATIEPLATFORM, UITGEBREID DOOR MACHINE LEARNING Met een baanbrekende aanpak die simulatie combineert met machinaal leren, brengen we in kaart en modelleren hoe duizenden signaaleiwitten op elkaar inwerken, waardoor het gedrag van kanker op cellulair niveau en de respons op of weerstand tegen behandeling worden gekarakteriseerd. Ons platform maakt de simulatie mogelijk van medicijnachtige effecten van verbindingen die misschien nog niet bestaan, op cellen die mogelijk niet beschikbaar zijn voor laboratoriumonderzoek, zoals die van kankerpatiënten met een hoge onvervulde behoefte. VOORSPELLEN VAN NIEUWE EXPERIMENTEN OM DRUGS TE VINDEN WAAR NIEMAND OOIT AAN HEBT GEDACHT Deze aanpak zal ons mogelijk in staat stellen niet alleen te voorspellen wat werkt in cellen, muizen en mensen, maar nog belangrijker: waarom en hoe. Voortdurende herhalingen van simulaties en gepatenteerde in vitro- en in vivo-experimenten bevestigen voorspellingen en bevorderen onze pijplijn, terwijl tegelijkertijd de onderliggende Simulated Cell™ wordt verbeterd. Omdat alle programma's en partnerschappen draaien op de nieuwste versie van het in silico-celmodel, stapelen de trainingsvoordelen zich op, wat leidt tot een voortdurend verbeterend platform. Door resultaten te gebruiken om zowel het initiële idee te genereren als de iteraties ervan te begeleiden, naarmate de modellen verbeteren, leidt dit tot een rationeler proces om de onderliggende ziektebiologie te begrijpen. Onze benchmarks laten zien dat simulaties twee van de drie mislukte experimenten in vitro en elke tweede mislukking ook in vivo voorkomen. Casestudies Benchmark Suite