หุ้น Recursion Pharmaceuticals พุ่ง 19% หลัง ARK Investment เข้าซื้อและความคืบหน้าทางคลินิก

Therna Biosciences แต่งตั้ง Kevin Green อดีตประธานเจ้าหน้าที่ฝ่ายธุรกิจของ Inceptive เป็นประธานเจ้าหน้าที่ฝ่ายปฏิบัติการ พร้อมเพิ่มผู้นำด้านเทคนิค AI สองรายเข้าสู่ทีมที่ปรึกษา ขณะที่กองทุน NIH Common Fund คัดเลือกบริษัทให้เป็นผู้ชนะในระยะที่หนึ่งของโครงการ Targeting RNA in Disease with Novel Technologies Challenge Green ซึ่งเข้าร่วม Therna ในเดือนสิงหาคมและมีประสบการณ์กว่า 20 ปีในด้านการค้นพบยาด้วย AI และยารักษาโรคจาก RNA ดูแลงานด้านปฏิบัติการและการพัฒนาธุรกิจของบริษัทในขณะที่แพลตฟอร์ม RNA-Logix ก้าวเข้าสู่โครงการร่วมทุนและโครงการภายใน ที่ปรึกษาด้าน AI รายใหม่ ได้แก่ Dr. Dave Burke ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีคนแรกของ Arc Institute และเคยดำรงตำแหน่งรองประธานฝ่ายวิศวกรรมสำหรับ Android ที่ Google และ Mr. Harsh Mehta ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Mirendil และเคยเป็นนักวิจัยอาวุโสที่ Anthropic และนักวิจัยที่ Google Therna เป็นหนึ่งใน 25 ผู้ชนะระยะที่หนึ่งของ TRDNT Challenge ซึ่งมีสามระยะ โดยมีเงินรางวัลรวมสูงสุด 13.1 ล้านดอลลาร์สหรัฐฯ สำหรับทีมที่พัฒนาและพิสูจน์เทคโนโลยีของตนจนถึงปี 2027 ข้อเสนอที่ชนะของ Therna นำเสนอตัวแทนร่วมนักวิทยาศาสตร์ที่สร้างบน RNA-Logix ซึ่งออกแบบและปรับแต่ง oligonucleotide แบบ antisense ที่กระตุ้นการทำงานจำเพาะต่อลำดับ สำหรับภาวะ haploinsufficiency ที่พบได้ยากยิ่ง

insitro ประกาศว่าโมเดลแมชชีนเลิร์นนิงขั้นสูงที่บริษัทพัฒนาร่วมกับ Eli Lilly and Company เพื่อทำนายคุณสมบัติในหลอดทดลองและในสิ่งมีชีวิตของโมเลกุลขนาดเล็ก ขณะนี้พร้อมให้บริการแก่บริษัทไบโอเทคบางแห่งผ่าน Lilly TuneLab โมเดลดังกล่าวได้รับการฝึกฝนด้วยข้อมูล preclinical จากหลายสายพันธุ์ที่ Lilly สร้างขึ้นจากการวิจัยหลายทศวรรษจากโมเลกุลที่ไม่ซ้ำกันหลายแสนชนิด โดยเป็นทางเลือกแทนวิธีมาตรฐานของอุตสาหกรรมซึ่งอาศัยการคาดการณ์จากผลการทดสอบในหลอดทดลอง ความร่วมมือซึ่งประกาศเมื่อเดือนกันยายน 2025 นี้ ผสานความเชี่ยวชาญด้านคอมพิวเทชันและ AI/ML ของ insitro เข้ากับชุดข้อมูล preclinical ที่เป็นกรรมสิทธิ์ของ Lilly ซึ่งประกอบด้วยการวัดค่าในหลอดทดลองและในสิ่งมีชีวิตของสารประกอบที่มีคุณสมบัติ ADMET ที่ทราบแน่ชัด โมเดล PK ในสิ่งมีชีวิตเป็นองค์ประกอบสำคัญของแพลตฟอร์ม TherML ของ insitro สำหรับการค้นพบโมเลกุลขนาดเล็ก ควบคู่ไปกับการคัดกรองด้วยคอมพิวเตอร์ทั้งแบบแมชชีนเลิร์นนิงและแบบอิงฟิสิกส์ โมเดลความสัมพันธ์ที่ขับเคลื่อนด้วยไลบรารี DNA แบบปรับตัวที่เป็นกรรมสิทธิ์ซึ่งสร้างข้อมูลได้ถึงระดับ 1 พันล้านสารประกอบ และเอนจินออกแบบเคมีเภสัชที่ใช้การเรียนรู้เชิงรุก Lilly TuneLab เป็นส่วนหนึ่งของ Lilly Catalyze360 ร่วมกับ Lilly Ventures, Lilly Gateway Labs และ Lilly ExploR&D และสร้างขึ้นบนโครงสร้างพื้นฐานการเรียนรู้แบบเฟดเดอเรตเต็ดที่โฮสต์โดยผู้ให้บริการรายที่สาม

Profluent ประกาศความร่วมมือกับ BioMarin Pharmaceutical Inc. เพื่อออกแบบและปรับปรุงยีนบำบัดเอนไซม์ชนิดใหม่สำหรับไปป์ไลน์ของ BioMarin ภายใต้ข้อตกลงนี้ Profluent จะนำโมเดล AI พื้นฐานของตนมาใช้สร้างสรรค์ตัวยาที่มีศักยภาพชนิดใหม่ ขณะที่ BioMarin จะคัดกรองผลลัพธ์โดยมีเป้าหมายที่จะผลักดันการออกแบบที่มีแนวโน้มดีที่สุดไปสู่ขั้นตอนต่อไปในที่สุด Profluent จะออกแบบและปรับปรุงเอนไซม์เป้าหมายโดยใช้ชุดโมเดลภาษาสำหรับโปรตีนอันเป็นกรรมสิทธิ์ของบริษัท ซึ่งอ้างอิงจาก Profluent Protein Atlas ที่ได้รับการอธิบายว่าเป็นชุดข้อมูลลำดับโปรตีนที่ใหญ่ที่สุดในโลก โดยมีลำดับที่ไม่ซ้ำกันมากกว่า 115 พันล้านลำดับ BioMarin จะใช้โมเดล AI ของ Profluent เพื่อสำรวจการออกแบบโปรตีนอย่างรวดเร็วและระบุตัวเลือกที่มีคุณสมบัติด้านฤทธิ์และการคงตัวตามที่ต้องการ จากนั้นจึงนำตัวที่มีแนวโน้มดีที่สุดเข้าสู่การทดสอบในระยะก่อนคลินิก Pooja Agarwal รองประธานและหัวหน้าฝ่ายวิจัยภาวะเมตาบอลิกของ BioMarin กล่าวว่าความร่วมมือครั้งนี้ผสานวิธีการออกแบบโปรตีนแบบใหม่ของ Profluent เข้ากับความเชี่ยวชาญด้านยีนบำบัดเอนไซม์ที่มีมาหลายทศวรรษของ BioMarin ขณะที่ Ali Madani ซีอีโอของ Profluent กล่าวว่าความร่วมมือนี้มีเป้าหมายเพื่อเร่งกระบวนการค้นพบยาในไปป์ไลน์ของ BioMarin

Ginkgo Datapoints ซึ่งเป็นบริการหนึ่งของ Ginkgo Bioworks และ Apheris GmbH ประกาศว่ากลุ่มความร่วมมือ Antibody Developability Consortium ได้เริ่มดำเนินการแล้ว โดยมี AbbVie, argenx, Lundbeck และ Takeda เป็นสมาชิกผู้ก่อตั้ง ความร่วมมือในอุตสาหกรรมครั้งนี้มีเป้าหมายที่จะสร้างชุดข้อมูลมาตรฐานด้านการพัฒนาคุณสมบัติของแอนติบอดีที่ใหญ่ที่สุดในวงการ โดยสมาชิกผู้ก่อตั้งแต่ละรายจะร่วมส่งลำดับแอนติบอดีที่เป็นกรรมสิทธิ์ของตน และ Ginkgo Datapoints จะเติมเต็มส่วนที่เหลือจากแหล่งข้อมูลสาธารณะเพื่อให้ได้แอนติบอดีรวมทั้งสิ้น 10,000 รายการ ด้วยโครงสร้างพื้นฐานแบบเฟดเดอเรตของ Apheris สมาชิกสามารถฝึกฝน เปรียบเทียบมาตรฐาน และปรับปรุงโมเดล AI บนชุดข้อมูลทั้งหมดของกลุ่มความร่วมมือได้ โดยไม่ต้องเปิดเผยลำดับที่เป็นกรรมสิทธิ์ของตนต่อสมาชิกรายอื่น และยังคงเป็นเจ้าของลำดับและข้อมูลการทดสอบที่ตนส่งเข้ามา Ginkgo Datapoints เป็นผู้นำด้านการออกแบบและการดำเนินการทางวิทยาศาสตร์ ซึ่งรวมถึงการคัดเลือกลำดับ การผลิตแอนติบอดี และการตรวจลักษณะเฉพาะในห้องปฏิบัติการแบบความเร็วสูง ตลอดจนฝึกฝนโมเดลพื้นฐานด้านการพัฒนาคุณสมบัติของแอนติบอดีภายในสภาพแวดล้อมที่ปลอดภัยของ Apheris Charlotte Deane จากมหาวิทยาลัยออกซ์ฟอร์ด และ Peter Tessier จากมหาวิทยาลัยมิชิแกน จะให้การกำกับดูแลทางวิทยาศาสตร์อย่างอิสระ และชุดข้อมูลเริ่มต้นของกลุ่มความร่วมมือมีเป้าหมายที่จะส่งมอบให้สมาชิกภายในต้นปี 2027