Η Twist Bioscience θα παρέχει υπηρεσίες δεδομένων αντισωμάτων για το Lilly TuneLab

Twist Bioscience Corporation (TWST ) ανακοίνωσε στις 16 Σεπτεμβρίου 2026 μια συμφωνία με το Lilly TuneLab, μια συνεργατική πλατφόρμα ανακάλυψης φαρμάκων με τεχνητή νοημοσύνη και μηχανική μάθηση που δημιουργήθηκε από την Eli Lilly and Company (LLY ) Σύμφωνα με τη συμφωνία, η εταιρεία με έδρα το South San Francisco παρέχει υπηρεσίες δεδομένων χαρακτηρισμού αντισωμάτων για το TuneLab, συμπεριλαμβανομένου του AbLab, ενός μοντέλου πρόβλεψης αναπτυξιμότητας αντισωμάτων.

Το TuneLab δημιουργήθηκε για να επιταχύνει την καινοτομία στη βιοτεχνολογία, επιτρέποντας στις συμμετέχουσες εταιρείες να έχουν πρόσβαση σε μοντέλα ανακάλυψης φαρμάκων με AI/ML που έχουν εκπαιδευτεί πάνω σε δεκαετίες ιδιωτικών ερευνητικών δεδομένων της Lilly, και οι συμμετέχουσες εταιρείες μπορούν να χρησιμοποιούν τα μοντέλα πρόβλεψης για να επιλέγουν πιο γρήγορα υποψήφιες μοριακές ουσίες. Μέσω της συμφωνίας με τη Twist, οι χρήστες θα μπορούν να παραγγείλουν υπηρεσίες αντισωμάτων από τη Twist χρησιμοποιώντας τα προτιμώμενα πρωτόκολλα Twist του TuneLab για τη δημιουργία δεδομένων υγρού εργαστηρίου.

“Η ποιότητα της εξόδου ενός μοντέλου AI εξαρτάται από την ποιότητα των δεδομένων που χρησιμοποιούνται για την εκπαίδευσή του”, δήλωσε η Emily M. Leproust, Ph.D., Διευθύνων Σύμβουλος και συνιδρύτρια της Twist Bioscience. Η Leproust ανέφερε ότι η Twist διαθέτει την κλίμακα και τις δυνατότητες υψηλής παραγωγικότητας για να δημιουργεί συνεπή και αξιόπιστα δεδομένα χαρακτηρισμού αντισωμάτων που χρειάζονται τα μοντέλα για την εκπαίδευση. Πρόσθεσε ότι οι χρήστες του TuneLab μπορούν να επιλέγουν προτιμώμενα πρωτόκολλα για τη δημιουργία δεδομένων με προτιμώμενες τιμές, βοηθώντας τους να επιλέγουν πιο αποδοτικά αλληλουχίες αντισωμάτων εναντίον των στόχων τους και να συνεισφέρουν αυτά τα δεδομένα πίσω στο TuneLab για ομοσπονδιακή εκπαίδευση. Η εταιρεία δήλωσε ότι η προσέγγιση συνδέει τα πειραματικά δεδομένα με την ανακάλυψη που υποστηρίζεται από AI, επιτρέποντας στους ερευνητές να επιταχύνουν ενδεχομένως την ανακάλυψη αντισωμικών φαρμάκων.

Το Lilly TuneLab αποτελεί μέρος του Lilly Catalyze360, μαζί με τις Lilly Ventures, Lilly Gateway Labs και Lilly ExploR&D, που συνεργαζόμενες υποστηρίζουν την καινοτομία στη βιοτεχνολογία παρέχοντας πρόσβαση σε στρατηγικό κεφάλαιο, εργαστηριακό χώρο και τεχνολογία, καθώς και δυνατότητες έρευνας και ανάπτυξης.

Το Ομοσπονδιακό Μοντέλο Μάθησης του TuneLab

Η Eli Lilly and Company εκκίνησε το Lilly TuneLab στις 9 Σεπτεμβρίου 2025. Η Lilly εκτιμά ότι η πρώτη κυκλοφορία μοντέλων AI στην πλατφόρμα περιλαμβάνει ιδιωτικά δεδομένα που αποκτήθηκαν με κόστος άνω του 1 δισεκατομμυρίου δολαρίων ΗΠΑ, και ανέφερε ότι το TuneLab τροφοδοτείται από το πλήρες σύνολο δεδομένων διανομής φαρμάκων, ασφάλειας και προκλινικών δεδομένων, που αντιπροσωπεύουν πειραματικά δεδομένα που συλλέχθηκαν με εκατοντάδες χιλιάδες μοναδικά μόρια. Σε αντάλλαγμα για την πρόσβαση, επιλεγμένοι βιοτεχνολογικοί εταίροι συνεισφέρουν δεδομένα εκπαίδευσης, τα οποία, σύμφωνα με τη Lilly, τροφοδοτούν τη συνεχή βελτίωση της πλατφόρμας για άλλους στο οικοσύστημα.

Η Lilly δήλωσε ότι η πλατφόρμα φιλοξενείται από τρίτο μέρος και χρησιμοποιεί ομοσπονδιακή μάθηση, μια προσέγγιση προστασίας της ιδιωτικότητας που επιτρέπει στις βιοτεχνολογίες να χρησιμοποιούν τα μοντέλα AI της Lilly χωρίς να εκθέτουν άμεσα τα ιδιωτικά τους δεδομένα ή αυτά της Lilly. «Το Lilly TuneLab δημιουργήθηκε για να λειτουργεί ως εξισωτής ώστε οι μικρότερες εταιρείες να έχουν πρόσβαση σε ορισμένες από τις ίδιες δυνατότητες AI που χρησιμοποιούν καθημερινά οι επιστήμονες της Lilly», είπε ο Daniel Skovronsky, M.D., Ph.D., επικεφαλής επιστημονικός διευθυντής της Lilly και πρόεδρος των Lilly Research Laboratories και Lilly Immunology. Η Nisha Nanda, Ph.D., αντιπρόεδρος της ομάδας και επικεφαλής του Lilly Catalyze360, ανέφερε ότι οι περισσότερες μικρές βιοτεχνολογίες δεν έχουν πρόσβαση στα μεγάλης κλίμακας, υψηλής ποιότητας δεδομένα που απαιτούνται για την εκπαίδευση αποτελεσματικών μοντέλων.

Σύμφωνα με την επίσημη σελίδα TuneLab, τα ιδιωτικά θεμελιώδη μοντέλα AI/ML της πλατφόρμας εκπαιδεύονται σε πάνω από 500.000 προκλινικά δεδομένα που συλλέχθηκαν σε περισσότερα από 20 χρόνια, συμπεριλαμβανομένων δεδομένων φαρμακοκινητικής και τοξικολογίας in vivo και in vitro, και έχουν ευρεία εφαρμοσιμότητα για μικρά μόρια και θεραπείες βασισμένες σε αντισώματα. Η σελίδα δηλώνει ότι το TuneLab φιλοξενείται από τη Rhino Federated Computing, μια εταιρεία λογισμικού τρίτου μέρους της οποίας η πλατφόρμα ομοσπονδιακής μάθησης βασίζεται στο πλαίσιο NV FLARE της NVIDIA. Σύμφωνα με τη ροή εργασίας που περιγράφεται στην σελίδα, ένα παγκόσμιο μοντέλο διανέμεται από έναν κεντρικό διακομιστή ορχήστρωσης σε κάθε κόμβο της συμμετέχουσας εταιρείας και εκπαιδεύεται σε τοπικά δεδομένα· μόνο οι ενημερώσεις του μοντέλου, όπως μαθηματικά βάρη και παράμετροι, μεταδίδονται πίσω στον κεντρικό διακομιστή, ο οποίος συγκεντρώνει τις ενημερώσεις για τη βελτίωση του παγκόσμιου μοντέλου.

Η σελίδα επίσης καθορίζει ελάχιστες απαιτήσεις συνεισφοράς δεδομένων για τη συμμετοχή: οι εταιρείες μικρών μορίων καλούνται να συνεισφέρουν τουλάχιστον 1.000 πειραματικά αποτελέσματα (ορισμένα ως ένα μόριο που παρατηρείται σε ένα υγρό εργαστηριακό πείραμα για τη μέτρηση μιας ιδιότητας), ενώ οι εταιρείες αντισωμάτων καλούνται να συνεισφέρουν τουλάχιστον μία μετρημένη ιδιότητα ή τελικό σημείο με 125 αλληλουχίες.

Η Χωρητικότητα Παραγωγής Αντισωμάτων της Twist

Στη σελίδα παραγωγής και χαρακτηρισμού αντισωμάτων της, η Twist δηλώνει ότι παράγει αντισώματα με βιομηχανική χωρητικότητα άνω των 6.000 IgG ανά εβδομάδα, με χρόνους παράδοσης που ξεκινούν από 10 εργάσιμες ημέρες για την έκφραση HEK293 και 13 εργάσιμες ημέρες για την έκφραση CHO, και συνολική παράδοση 10 έως 15 εργάσιμες ημέρες για HEK293 και 13 έως 18 εργάσιμες ημέρες για CHO. Η εταιρεία αναφέρει μέσες αποδόσεις 1 mL περίπου 180 μικρογραμμάρια για HEK293 και περίπου 93 μικρογραμμάρια για CHO, αυτοματοποιημένες γραμμές που παράγουν από δεκάδες έως χιλιάδες αντισώματα ανά παραγγελία, και τιμή εκκίνησης $102 ανά καθαρό IgG για και τις δύο κυτταρικές γραμμές.

Η Twist δηλώνει ότι παρέχει δεδομένα χαρακτηρισμού σε μόλις 15 εργάσιμες ημέρες. Οι υπηρεσίες αξιολόγησης δεσμεύσεων περιλαμβάνουν κατάταξη συγγένειας μέσω Carterra LSA (SPR) ή Octet (BLI), ταξινόμηση επιτόπου (epitope binning) και επιβεβαίωση δεσμεύσεων μέσω ELISA ή κυτταρικής ροής (on‑cell flow cytometry). Η προφίλ ανεπτυξιμότητας καλύπτει μέτρηση θερμικής σταθερότητας με nanoDSF, ανάλυση συγκέντρωσης και διαλυτότητας χρησιμοποιώντας aSEC, AC‑SINS και DLS, καθώς και έλεγχο πολυδραστικότητας και CIC. Η προχωρημένη χαρακτηριστική ανάλυση περιλαμβάνει ακεραία φασματομετρία μάζας, έλεγχο ενδοτοξίνης και αξιολόγηση διασταυρούμενης αντιδράσης σε μοντέλα ειδών.

Η Twist τοποθετεί την υπηρεσία για εκπαίδευση μοντέλων AI/ML, δηλώνοντας ότι παρέχει δεδομένα υψηλής πιστότητας, έτοιμα για μοντέλα, σε βιομηχανική κλίμακα, ώστε να τροφοδοτούν τις γραμμές ανακάλυψης, και ότι η υποδομή της υποστηρίζει παραγγελίες που κυμαίνονται από λίγους υποψήφιους έως χιλιάδες αντισώματα για εκπαίδευση μοντέλων.