Как BenchSci проводит рефакторинг биомедицинских исследований

Когда в 2012 году К. Гленн Бегли и Ли М. Эллис опубликовали свое исследование, демонстрирующее, что 47 из 53 знаковых исследовательских работ по раку не могут быть воспроизведены, биомедицинское сообщество открыло глаза на повсеместность того, что сейчас известно как кризис воспроизводимости. в исследованиях наук о жизни. Многие опубликованные научные результаты просто невозможно воспроизвести, и в результате исследовательские лаборатории тратят сотни миллионов долларов в год на исследовательские бюджеты, в то время как важнейшие инновации остаются нераскрытыми, а пациенты подвергаются риску.

Проблемы воспроизводимости частично связаны с неэффективностью рынка, влияющей на использование наиболее распространенного инструмента в биомедицинских исследованиях: антител - иммунных белков, которые исследователи используют для понимания и идентификации представляющих интерес молекул. Рынок антител страдает асимметрией структурной информации между производителями и исследователями, и это отсутствие прозрачных данных на рынке коммерческих реагентов и антител чрезвычайно затрудняет правильную оценку качества, специфичности и согласованности реагентов.

Около 5 лет назад доктор Томас Люнг напрямую столкнулся с этой проблемой, проводя исследование для своей докторской степени по эпигенетике в Университете Торонто. Поиск антител был утомительным занятием, которое требовало бесчисленных часов изучения научных статей и справочных материалов. Как только ему удалось определить подходящие исследовательские антитела для своей работы, их качество и методы проверки так сильно различались от партии к партии (даже от одного и того же поставщика), что его эксперименты, бюджет и время будут потрачены впустую… многократно.

Из-за растущего разочарования по поводу этой проблемы доктор Люнг подумал: что, если бы существовала платформа, которая мгновенно просматривала данные исследовательских публикаций, чтобы позволить исследователям находить точную информацию об антителах, необходимую им для проведения своих исследований? Объединив миллионы точек данных из исследовательских работ, такая платформа поможет исследователям понять, какие эксперименты и результаты воспроизводимы. Это принесло бы огромную пользу отрасли в целом, высвободив миллионы драгоценных часов и сотни миллионов долларов исследовательских бюджетов, которые можно было бы лучше распределить.

Но возникла огромная проблема. Создание графа знаний для проверки примерно 5 миллионов коммерчески доступных антител, которые реагируют на человеческие белки, - непростая задача. Чтобы создать такую ​​платформу, компания должна была быть лидером в трех различных дисциплинах: продажи и маркетинг, науки о жизни и машинное обучение.

Как исследователь, имеющий прочную основу в совместном поиске решений, он знал, что создание успешного продукта будет означать работу с другими соучредителями высшего уровня. Он намеревался нанять Лиран Белензон (генеральный директор), неоднократного основателя, а также Дэвида К. Чена (технический директор) и Элвиса Вианду (CDO), которые принесли беспрецедентный опыт в области разработки программного обеспечения, биоинформатики и наук о жизни.

Когда мы впервые встретились с командой BenchSci в 2016 году, я не верил, что они смогут создать и коммерциализировать такой технологически сложный продукт в больших масштабах. Несколько месяцев спустя меня поразила скорость, с которой они доказали, что я неправ.

После 2 лет исследований и разработок BenchSci теперь может предоставить исследователям возможность масштабирования в простом формате. Их платформа потребляет огромное количество опубликованных исследовательских работ и неструктурированных данных, в сочетании с их компьютерным зрением и алгоритмами обработки естественного языка извлекает наиболее релевантные знания для удобного поиска, сортировки и сравнения. Технология BenchSci занимает секунды, чтобы выполнить то, что раньше занимало 10 ученых в течение целого года. Используя BenchSci, исследователи могут находить надежные антитела в среднем в 24 раза быстрее и на 75% дешевле, чем традиционные методы. Сейчас в число клиентов входят 14 фармацевтических компаний (в том числе 7 из 10 ведущих мировых) и 910 академических исследовательских институтов (включая Гарвард, Калифорнийский университет в Лос-Анджелесе, Стэнфорд и доктор медицинских наук Андерсона), количество которых растет еженедельно.

Мы считаем, что это сжатие времени и упрощение огромных объемов данных до практических идей может изменить исследования в лабораториях по всему миру. Я рад сообщить, что Inovia стала партнером команды BenchSci, возглавив финансирование серии A, поскольку мы приступили к рефакторингу исследований в области биологии.