Twist Bioscience tarjoaa vasta-aineiden tietopalveluita Lilly TuneLabille

Twist Bioscience Corporation (TWST ) julisti 16. syyskuuta 2026 sopimuksen Lilly TuneLabin kanssa, yhteistyöhön perustuva tekoäly- ja koneoppimiseen perustuva lääketuotteiden löytöalusta, jonka on luonut Eli Lilly and Company (LLY ) . Sopimuksen nojalla Etelä-San Franciscossa sijaitseva yritys on vasta-aineiden karakterisointitietopalvelujen tarjoaja TuneLabille, mukaan lukien AbLab, vasta-aineiden kehityskelpoisuuden ennustemalli.

TuneLab luotiin nopeuttamaan bioteknologian innovaatiota mahdollistamalla osallistuvien yritysten pääsyn tekoäly-/koneoppimismalleihin, jotka on koulutettu vuosikymmenten Lillyn omistamilla tutkimustiedoilla, ja osallistuvat yritykset voivat käyttää ennustemalleja valitakseen ehdokkaamolekyylejä nopeammin. Twist-sopimuksen kautta käyttäjät voivat tilata vasta-ainepalveluja Twistiltä käyttäen TuneLabin suosimia Twist-protokollia kosteassa laboratoriossa tehtävien tietojen tuottamiseksi.

“AI‑mallin tuloksen laatu riippuu sen kouluttamiseen käytetyn datan laadusta”, sanoi Emily M. Leproust, Ph.D., toimitusjohtaja ja perustajajäsen Twist Bioscience. Leproust totesi, että Twistillä on mittakaava ja korkean läpimenon kapasiteetti tuottaa johdonmukaisia ja luotettavia vasta‑aineiden karakterisointidataa, jota mallit tarvitsevat koulutukseen. Hän kertoi, että TuneLab‑käyttäjät voivat valita suosikkiprotokollat datan tuottamiseksi suosittujen hinnoittelujen mukaisesti, mikä auttaa heitä valitsemaan vasta‑aineen sekvenssit kohteitaan vastaan tehokkaammin ja palauttamaan kyseisen datan takaisin TuneLabiin federatiivista koulutusta varten. Yritys totesi, että lähestymistapa yhdistää kokeellisen datan AI‑avusteiseen löytöön, mahdollistaen tutkijoiden mahdollisesti nopeuttaa vasta‑aineiden lääkekehitystä.

Lilly TuneLab on osa Lilly Catalyze360 -ohjelmaa, yhdessä Lilly Venturesin, Lilly Gateway Labsin ja Lilly ExploR&D:n kanssa, jotka yhdessä tukevat bioteknologian innovaatiota tarjoamalla pääsyn strategiseen pääomaan, laboratoriotilaan ja teknologiaan sekä tutkimus- ja kehityskykyihin.

TuneLabin federatiivinen oppimismalli

Eli Lilly and Company käynnisti Lilly TuneLab 9. syyskuuta 2025. Lilly arvioi, että alustan ensimmäinen tekoälymallien julkaisu sisältää yli US$1 miljardin kustannuksella hankittua omistusoikeudellista dataa, ja totesi, että TuneLabia ohjaavat sen täydelliset lääkeaineiden jakautumis-, turvallisuus- ja esikliiniset tietoaineistot, jotka edustavat kokeellista dataa, joka on kerätty satojen tuhansien ainutlaatuisten molekyylien avulla. Pääsyn vastineeksi valitut bioteknologia‑kumppanit tarjoavat koulutusdataa, jonka Lilly sanoo edistävän alustan jatkuvaa parantamista ekosysteemin muille toimijoille.

Lilly kertoi, että alusta isännöi kolmas osapuoli ja käyttää federatiivista oppimista, yksityisyyttä suojaavaa lähestymistapaa, jonka avulla bioteknologiayritykset voivat käyttää Lillyn tekoälymalleja paljastamatta suoraan omia omistusoikeudellisia tietojaan tai Lillyn tietoja. “Lilly TuneLab luotiin tasoittajaksi, jotta pienemmät yritykset voivat käyttää samoja tekoälykyvykkyyksiä, joita Lillyn tutkijat käyttävät päivittäin,” sanoi Daniel Skovronsky, M.D., Ph.D., Lillyn päätieteellinen johtaja ja Lilly Research Laboratoriesin sekä Lilly Immunologyn presidentti. Nisha Nanda, Ph.D., ryhmän varapuheenjohtaja ja Lilly Catalyze360:n johtaja, totesi, että useimmilla pienillä bioteknologiayrityksillä ei ole pääsyä laajamittaiseen, korkealaatuiseen dataan, jota tarvitaan tehokkaiden mallien kouluttamiseen.

Virallisen virallinen TuneLab-sivusto mukaan alustan omistusoikeudelliset perus‑tekoäly‑/koneoppimismallit on koulutettu yli 500 000 esikliinisellä datapisteellä, jotka on kerätty yli 20 vuoden aikana, mukaan lukien in vivo- ja in vitro -farmakokineettiset ja toksikologiset tiedot, ja niillä on laaja soveltuvuus pienille molekyyleille ja vasta‑ainepohjaisille lääkkeille. Sivusto kertoo, että TuneLabia isännöi Rhino Federated Computing, kolmannen osapuolen ohjelmistoyritys, jonka federatiivinen oppimisalusta on rakennettu NVIDIA:n NV FLARE -kehyksen päälle. Sivustolla kuvatussa työnkulussa globaali malli jaetaan keskitetystä orkestrointipalvelimesta kunkin osallistuvan yrityksen solmulle ja koulutetaan paikallisilla tiedoilla; vain mallipäivitykset, kuten matemaattiset painot ja parametrit, lähetetään takaisin keskipalvelimelle, joka kerää päivitykset parantaakseen globaalia mallia.

Sivusto asettaa myös tietojen kontribuution vähimmäisvaatimukset jäsenyyttä varten: pienimolekyylien yrityksiä pyydetään toimittamaan vähintään 1 000 kokeellista mittausta (määriteltynä yksi molekyyli, joka on havaittu kosteassa laboratoriokokeessa ominaisuuden mittaamiseksi), kun taas vasta‑aineyrityksiä pyydetään toimittamaan vähintään yksi mitattu ominaisuus tai päätepiste 125 sekvenssillä.

Twistin vasta‑aineiden tuotantokapasiteetti

Omalla vasta‑aineiden tuotanto- ja karakterisointisivullaan Twist ilmoittaa, että se tuottaa vasta-aineita teollisella kapasiteetilla, joka ylittää 6 000 IgG:tä viikossa, ja toimitusajat alkavat 10 työpäivästä HEK293‑ilmentämiselle ja 13 työpäivästä CHO‑ilmentämiselle, kokonaisuudessaan 10–15 työpäivää HEK293:lle ja 13–18 työpäivää CHO:lle. Yritys listaa keskimääräiset 1 ml:n saannot, jotka ovat noin 180 mikrogrammaa HEK293:lle ja noin 93 mikrogrammaa CHO:lle, automatisoidut linjat tuottavat kymmenistä tuhansiin vasta-aineita tilaukselta, ja aloitushinta on 102 USD puhdistettua IgG:tä kohden molemmille solulinjoille.

Twist ilmoittaa, että se toimittaa karakterisointitietoja jopa 15 työpäivässä. Sen sitoutumisen arviointipalveluihin kuuluvat affiniteettijärjestys Carterra LSA:n (SPR) tai Octet:n (BLI) avulla, epitopin binning sekä sitoutumisen vahvistus ELISA:n tai solukonfluenssifluoresenssianalyysin avulla. Kehitettävyyden profilointi kattaa lämpöstabiilisuuden mittauksen nanoDSF:n avulla, aggregaation ja liukoisuuden analyysin aSEC:n, AC‑SINS:n ja DLS:n avulla sekä polyreaktiivisuuden ja CIC‑testit. Edistynyt karakterisointi sisältää kokonaismassaspektrometrian, endotoksiinitestin ja ristiinreaktiivisuuden arvioinnin eri lajimallien välillä.

Twist asemoi palvelun AI/ML‑mallien koulutukseen, ja toteaa toimittavansa teollisessa mittakaavassa korkean tarkkuuden, mallivalmiita aineistoja, jotka vauhdittavat löytöputkia, sekä että sen infrastruktuuri tukee tilauksia muutamasta ehdokkaasta tuhansiin vasta‑aineisiin mallikoulutusta varten.