Turbine AI Detaljer

Turbine.ai

Revolutionerande cancerbehandling med Simulated Cells™

Turbine.ai är ett banbrytande företag dedikerat till att revolutionera cancerbehandling genom kraften hos AI och beräkningsbiologi. Vårt uppdrag är att låsa upp nya terapier och påskynda läkemedelsupptäckten genom att förstå komplexa cancermekanismer på en aldrig tidigare skådad nivå. Vi uppnår detta genom vår innovativa Simulated Cells™-plattform, ett kraftfullt verktyg som låter oss simulera beteendet hos enskilda tumörceller hos patienter.

Vår tillvägagångssätt

Simuleringar fångar patientbiologi där experiment Misslyckad

Traditionella metoder för upptäckt av läkemedel står inför betydande utmaningar när det gäller att fånga cancerns komplexa biologi hos riktiga patienter. In vitro och in vivo-modeller misslyckas ofta med att korrekt återspegla mänsklig sjukdom, vilket leder till kostsamma och tidskrävande experiment med låga översättningshastigheter till kliniken.

Turbine.ai tar itu med dessa begränsningar genom att utnyttja beräkningssimuleringar. Vår plattform gör det möjligt för oss att beräkningssimulera tumörcellers beteende, förstå de intrikata mekanismerna som driver sjukdomen. Dessa simuleringar ger värdefulla insikter om rätt modalitet och kombinationsmetod för att behandla även de mest resistenta cancerformerna.

Vår plattform

Utvecklar ett sätt att förstå biologi

Vår Simulated Cells™-plattformen bygger på en grund av maskininlärning och nätverksvetenskap. Vi kartlägger och modellerar de komplexa interaktionerna mellan tusentals signalproteiner i en cell, vilket skapar en heltäckande representation av cancerbeteende på cellnivå. Detta gör att vi kan förutsäga hur olika terapier, inklusive de som ännu inte existerar, kan påverka cellerna hos enskilda patienter.

Plattformen fungerar genom:

• Modellbyggnad och utbildning: Vi använder ett standardiserat "kopplingsschema" för alla in vitro- och in vivo-modeller, med patientmodellering under utveckling. Vår bioplattform tillåter installation av celler med distinkta OMICS-profiler. Beteendeträning för modellerna är ett specialfall av återkommande neurala nätverk som använder Tensorflow. Modeller förberedda för simuleringar tränas på 500 000+ datapunkter (CRISPR, läkemedelskänslighetsviabilitet och RNASeq-analyser efter behandling).
• Biomarkörer: Vi avslutar modellinställningen genom att skapa kopior med olika biomarkörer för att lokalisera de idealiska svararna för specifika störningar. Vi kan specificera yttre molekylära förändringar för att generera ett stort antal modeller som är representativa för patienter, men obefintliga in vitro.
• Simulering och hypotesgenerering: Vi kan introducera interventioner i skala , med användning av en mångsidig verktygslåda med dosberoende hämning, störningar på interaktionsnivåer eller kombinationsskärmar. Genom att simulera störningar av modeller, biomarkörer och till och med kombinationsterapier genererar vi en komplex molekylär avläsning av dossvar och IC50-värden.
• Översättning: Filtrering och utvärdering av simuleringsresultat gör det möjligt för oss att avslöja dolda mekanismer bakom patientspecifikt svar och dess drivande effekter.
• Experimentell validering: Unika insikter om mekanismer och tillhörande biomarkörer möjliggör en optimerad process av state-of-the-art experimentell godkännande. Genomsnittlig vägaktivitet i känsliga celler och kontrollceller beräknas med en egenutvecklad, fotavtrycksbaserad metod baserad på RNA-sekvensering.

Vår plattform representerar ett betydande steg framåt inom cancerforskningen. Genom att tillhandahålla en heltäckande förståelse för individuella tumörcellers beteende kan vi påskynda utvecklingen av mer effektiva och personliga behandlingar.

Vår pipeline

En enda plattform för att rationalisera hela FoU-processen h3>

Vår Simulated Cells™-plattform är mer än bara ett verktyg för att förstå cancer. Det är en heltäckande plattform som effektiviserar hela FoU-processen, från målidentifiering till kliniska prövningar. Plattformen erbjuder en rad funktioner som gör det möjligt för oss att:

• Förstå sjukdomen: Simulera cancerbeteende för att förstå orsaker till sjukdomar och mekanismer för resistens som observeras i kliniska miljöer.
• Hitta de ideala patienterna: Upptäck den ideala patientpopulationen och kombinationsstrategin för behandlingar som redan är under utveckling eller på marknaden.
• Utöka sökningen utrymme: Identifiera verkligt nya mål för att hantera otillfredsställda behov hos patienter som inte drar nytta av befintliga behandlingar.

Vår plattform har redan använts i samarbeten med ledande läkemedelsföretag, vilket visar dess effektivitet för att påskynda upptäckt och utveckling av läkemedel.

Möt oss

Building Deep Tech for Deep Biology

Turbine.ai är ett team av passionerade forskare, ingenjörer och entreprenörer som är engagerade i att göra en riktig skillnad i kampen mot cancer. Vi tror att vi genom att kombinera vår expertis inom djupteknologi, molekylärbiologi och translationell vetenskap kan frigöra potentialen för verkligt effektfulla terapier.

Simuleringar fångar patientens biologi där experiment misslyckas

LÄKEMEDELSUPPTÄCKT BEGRÄNSAS AV VÅRA VERKTYG FÖR ATT FÖRSTÅ SJUKDOMAR Komplexiteten i modellsystemen ökar kraftigt under läkemedelsupptäcktsprocessen, medan endast ett begränsat antal experimentella modeller finns tillgängliga som exakt återspeglar mänskliga sjukdomar. Konventionella in vitro- och in vivo-modeller kan inte fånga sjukdomsbeteende hos riktiga patienter, och verktyg – som CRISPR – fungerar inte som verkliga läkemedel. Läkemedelsupptäckt är kostsamt, tidskrävande, modellsystem har dålig översättningshastighet till patienter och minskar inte nämnvärt risken för misslyckande på kliniken. Detta gör det otroligt svårt att översätta prekliniska hypoteser till kliniken och skapa riktade läkemedel som verkligen hjälper. SIMULERINGAR AVTÄCKAR BEHANDLINGAR OCH PATIENTER SOM GÖR DIG Innan du kör några våtlabbexperiment, simulerar Turbine tumörcellsbeteende hos patienter beräkningsmässigt för att förstå de komplexa mekanismerna som driver sjukdomen. Simuleringar kan avslöja rätt modalitet och kombinationsmetod för att behandla även de mest resistenta cancerformerna. Genom att observera dessa i silico-experiment får våra biologer och translationella experter insikt i det molekylära sammanhanget genom vilket mono- och kombinationsterapier potentiellt kan leda till patientnytta. Att styra FoU-processen med simuleringar kan öka chansen att lyckas på kliniken. https://pubmed.ncbi.nlm.nih.gov/14518029/ https://www.nature.com/articles/s41467-021-25175-5 globaldata.com Hur fungerar det? Kontakta oss

Utveckla ett sätt att förstå biologi

VÄRLDENS FÖRSTA TOLKBARA CELLSIMULERINGSPLATTFORM FÖRSTÄLLD AV MACHINE Learning Banbrytande ett tillvägagångssätt som kombinerar simulering med maskininlärning, kartlägger och modellerar hur tusentals signalproteiner interagerar, vilket kännetecknar cancerbeteende på cellnivå och respons eller motståndskraft mot behandling. Vår plattform möjliggör simulering av läkemedelsliknande effekter från föreningar som kanske inte existerar ännu, på celler som potentiellt är otillgängliga för laboratoriebaserad testning, som hos cancerpatienter med högt otillfredsställt behov. FÖRUTSÄTT NYA EXPERIMENT FÖR ATT HITTA DROGER INGEN HAR NÅGONSIN TÄNKT PÅ Detta tillvägagångssätt kommer potentiellt att tillåta oss att förutsäga inte bara vad som fungerar i celler, möss och människor utan ännu viktigare, varför och hur. Kontinuerliga iterationer av simuleringar och patenterade in vitro- och in vivo-experiment bekräftar förutsägelser och utvecklar vår pipeline samtidigt som vi förbättrar den underliggande Simulated Cell™. Eftersom alla program och partnerskap körs på den senaste versionen av in silico-cellmodellen ackumuleras träningsfördelar, vilket leder till en ständigt förbättrad plattform. Genom att använda resultat för att både generera den initiala idén och vägleda dess iterationer, allt eftersom modellerna förbättras, leder detta till en mer rationell process för att förstå den underliggande sjukdomens biologi. Våra riktmärken visar att simuleringar förhindrar 2 av 3 misslyckade experiment in vitro och vartannat misslyckande in vivo också. Fallstudier Benchmark Suite