Twist Bioscience vil levere antistofdatatjenester til Lilly TuneLab

Twist Bioscience Corporation (TWST ) annoncerede den 16. september 2026 en aftale med Lilly TuneLab, en samarbejdsbaseret kunstig intelligens- og maskinlæringsplatform for lægemiddelforskning oprettet af Eli Lilly and Company (LLY ) . Under aftalen er det i South San Francisco-baserede selskab en leverandør af antistofkarakteriseringsdatatjenester til TuneLab, herunder for AbLab, en antistofudviklingsforudsigelsesmodel.

TuneLab blev oprettet for at accelerere bioteknologisk innovation ved at give deltagende virksomheder adgang til AI/ML-lægemiddelforskningsmodeller, der er trænet på årtier af Lillys proprietære forskningsdata, og deltagende virksomheder kan bruge forudsigelsesmodellerne til hurtigere at udvælge kandidatmolekyler. Gennem Twist-aftalen vil brugerne kunne bestille antistoftjenester fra Twist ved hjælp af TuneLabs foretrukne Twist-protokoller til at generere vådlaboratoriedata.

“Kvaliteten af en AI-modells output afhænger af kvaliteten af de data, der bruges til at træne den,” sagde Emily M. Leproust, Ph.D., administrerende direktør og medstifter af Twist Bioscience. Leproust sagde, at Twist har skalaen og højkapacitetskapaciteterne til at generere de konsistente og pålidelige antistofkarakteriseringsdata, som modellerne har brug for til træning. Hun sagde, at TuneLab-brugere kan vælge foretrukne protokoller til at generere data med foretrukne priser, hvilket hjælper dem med mere effektivt at udvælge antistofsekvenser mod deres mål og bidrage med disse data tilbage til TuneLab for federeret træning. Virksomheden sagde, at tilgangen forbinder eksperimentelle data med AI‑drevet opdagelse, så forskere potentielt kan fremskynde antistoflægemiddelforskning.

Lilly TuneLab er en del af Lilly Catalyze360, sammen med Lilly Ventures, Lilly Gateway Labs og Lilly ExploR&D, som i fællesskab understøtter biotekinnovations ved at give adgang til strategisk kapital, laboratorierum og teknologi samt forsknings- og udviklingskapaciteter.

TuneLabs federerede læringsmodel

Eli Lilly and Company lancerede Lilly TuneLab den 9. september 2025. Lilly anslår, at den første udgivelse af AI-modeller på platformen indeholder proprietære data erhvervet til en omkostning på over US$1 billion, og sagde, at TuneLab drives af sine komplette lægemiddeldispositions-, sikkerheds- og prækliniske datasæt, der repræsenterer eksperimentelle data indsamlet med hundredtusinder af unikke molekyler. Til gengæld for adgang bidrager udvalgte biotek-partnere med træningsdata, som Lilly sagde driver løbende forbedring af platformen for andre i økosystemet.

Lilly sagde, at platformen hostes af en tredjepart og anvender federeret læring, en privatlivsbevarende tilgang, der gør det muligt for biotechs at bruge Lillys AI-modeller uden direkte at afsløre deres proprietære data eller Lillys. “Lilly TuneLab blev oprettet som en udligningsmekanisme, så mindre virksomheder kan få adgang til nogle af de samme AI-funktioner, som Lilly-forskere bruger hver dag,” sagde Daniel Skovronsky, M.D., Ph.D., Lillys chefvidenskabelige officer og præsident for Lilly Research Laboratories og Lilly Immunology. Nisha Nanda, Ph.D., gruppevicepræsident og leder af Lilly Catalyze360, sagde, at de fleste små biotechs mangler adgang til de store, højkvalitetsdata, der er nødvendige for at træne effektive modeller.

Ifølge den officielle TuneLab-side er platformens proprietære grundlæggende AI/ML-modeller trænet på over 500.000 prækliniske datapunkter indsamlet over mere end 20 år, herunder in vivo- og in vitro-farmakokinetik- og toksikologidata, og har bred anvendelighed for små molekyler og antistofbaserede lægemidler. Siden oplyser, at TuneLab hostes af Rhino Federated Computing, en tredjeparts softwarevirksomhed, hvis federerede læringsplatform er bygget på NVIDIA’s NV FLARE-rammeværk. Under den arbejdsproces, der beskrives på siden, distribueres en global model fra en central orkestreringsserver til hver deltagende virksomheds node og trænes på lokale data; kun modelopdateringer, såsom matematiske vægte og parametre, sendes tilbage til den centrale server, som aggregerer opdateringerne for at forbedre den globale model.

Siden fastsætter også minimumskrav til datakontribution for medlemskab: småmolekylvirksomheder skal bidrage med mindst 1.000 eksperimentelle aflæsninger (defineret som ét molekyle observeret i et vådlaboratoriumseksperiment for at måle en egenskab), mens antistofvirksomheder skal bidrage med mindst én målt egenskab eller endepunkt med 125 sekvenser.

Twists antistofproduktionskapacitet

På sin antistofproduktions- og karakteriseringsside angiver Twist, at den producerer antistoffer med en industriel kapacitet på over 6,000+ IgG’er pr. uge, med leveringstider fra 10 arbejdsdage for HEK293-udtryk og 13 arbejdsdage for CHO-udtryk, og samlet leveringstid på 10 til 15 arbejdsdage for HEK293 og 13 til 18 arbejdsdage for CHO. Virksomheden oplyser gennemsnitlige udbytter på 1 mL på cirka 180 mikrogram for HEK293 og cirka 93 mikrogram for CHO, automatiserede linjer, der producerer fra titusinder til tusinder af antistoffer pr. ordre, samt en startpris på $102 pr. ren IgG for begge cellelinjer.

Twist oplyser, at de leverer karakteriseringsdata på så få som 15 arbejdsdage. Deres bindingsvurderingstjenester omfatter affinitetsrangering via Carterra LSA (SPR) eller Octet (BLI), epitope‑binning og bekræftelse af binding gennem ELISA eller flowcytometri på celler. Udviklingsprofilering dækker måling af termisk stabilitet via nanoDSF, analyse af aggregation og opløselighed ved hjælp af aSEC, AC‑SINS og DLS samt screening for polyreaktivitet og CIC. Avanceret karakterisering inkluderer intakt massespektrometri, endotoxin‑testning og kryds‑reaktivitetsvurdering på tværs af artsmodeller.

Twist placerer tjenesten som målrettet AI/ML‑modeltræning og angiver, at de leverer højpræcise, modelklare datasæt i industriel skala for at understøtte opdagelses‑pipelines, samt at deres infrastruktur kan håndtere ordrer fra få kandidater til tusinder af antistoffer til modeltræning.