Twist Bioscience Menyediakan Layanan Data Antibodi untuk Lilly TuneLab

Twist Bioscience Corporation (TWST ) mengumumkan pada 16 September 2026 sebuah perjanjian dengan Lilly TuneLab, sebuah platform penemuan obat berbasis kecerdasan buatan dan pembelajaran mesin yang kolaboratif yang dibuat oleh Eli Lilly and Company (LLY ) . Berdasarkan perjanjian, perusahaan yang berbasis di South San Francisco tersebut menjadi penyedia layanan data karakterisasi antibodi untuk TuneLab, termasuk untuk AbLab, sebuah model prediksi pengembangan antibodi.

TuneLab dibuat untuk mempercepat inovasi bioteknologi dengan memungkinkan perusahaan peserta mengakses model penemuan obat AI/ML yang dilatih dengan data riset kepemilikan Lilly selama beberapa dekade, dan perusahaan peserta dapat menggunakan model prediksi tersebut untuk lebih cepat menyeleksi molekul kandidat. Melalui perjanjian dengan Twist, pengguna dapat memesan layanan antibodi dari Twist menggunakan protokol Twist yang disukai TuneLab untuk menghasilkan data laboratorium basah.

“Kualitas output model AI bergantung pada kualitas data yang digunakan untuk melatihnya,” kata Emily M. Leproust, Ph.D., CEO dan co‑founder Twist Bioscience. Leproust menyatakan bahwa Twist memiliki skala dan kemampuan throughput tinggi untuk menghasilkan data karakterisasi antibodi yang konsisten dan dapat diandalkan yang dibutuhkan model untuk pelatihan. Ia mengatakan pengguna TuneLab dapat memilih protokol yang disukai untuk menghasilkan data dengan harga yang disukai, membantu mereka lebih efisien memilih urutan antibodi terhadap target mereka dan menyumbangkan data tersebut kembali ke TuneLab untuk pelatihan federasi. Perusahaan menyatakan pendekatan ini menghubungkan data eksperimental dengan penemuan berbasis AI, memungkinkan peneliti berpotensi mempercepat penemuan obat antibodi.

Lilly TuneLab merupakan bagian dari Lilly Catalyze360, bersama Lilly Ventures, Lilly Gateway Labs, dan Lilly ExploR&D, yang bersama-sama mendukung inovasi biotek dengan menyediakan akses ke modal strategis, ruang laboratorium dan teknologi, serta kemampuan riset dan pengembangan.

Model Pembelajaran Federasi TuneLab

Eli Lilly and Company meluncurkan Lilly TuneLab pada 9 September 2025. Lilly memperkirakan bahwa rilis pertama model AI di platform mencakup data kepemilikan yang diperoleh dengan biaya lebih dari US$1 miliar, dan menyatakan bahwa TuneLab didukung oleh seluruh dataset disposisi obat, keamanan, dan pra‑klinis yang mewakili data eksperimental yang diperoleh dari ratusan ribu molekul unik. Sebagai imbalan atas akses, mitra biotek terpilih menyumbangkan data pelatihan, yang menurut Lilly mempercepat perbaikan berkelanjutan platform bagi pihak lain dalam ekosistem.

Lilly menyatakan bahwa platform ini dihosting oleh pihak ketiga dan menggunakan pembelajaran federasi, sebuah pendekatan yang melindungi privasi yang memungkinkan perusahaan biotek untuk menggunakan model AI Lilly tanpa secara langsung mengungkapkan data kepemilikan mereka atau data milik Lilly. “Lilly TuneLab dibuat untuk menjadi penyamarataan sehingga perusahaan kecil dapat mengakses sebagian kemampuan AI yang sama yang digunakan setiap hari oleh ilmuwan Lilly,” kata Daniel Skovronsky, M.D., Ph.D., chief scientific officer Lilly serta presiden Lilly Research Laboratories dan Lilly Immunology. Nisha Nanda, Ph.D., wakil presiden grup dan kepala Lilly Catalyze360, mengatakan kebanyakan biotek kecil tidak memiliki akses ke data berskala besar dan berkualitas tinggi yang diperlukan untuk melatih model yang efektif.

Menurut situs resmi TuneLab, model AI/ML dasar kepemilikan platform dilatih pada lebih dari 500.000 titik data pra‑klinis yang dikumpulkan selama lebih dari 20 tahun, termasuk data farmakokinetik dan toksikologi in vivo dan in vitro, dan memiliki aplikasi luas untuk molekul kecil serta terapeutik berbasis antibodi. Situs tersebut menyatakan bahwa TuneLab dihosting oleh Rhino Federated Computing, sebuah perusahaan perangkat lunak pihak ketiga yang platform pembelajaran federasinya dibangun di atas kerangka kerja NV FLARE milik NVIDIA. Dalam alur kerja yang dijelaskan di situs, model global didistribusikan dari server orkestrasi pusat ke setiap node perusahaan peserta dan dilatih pada data lokal; hanya pembaruan model, seperti bobot matematis dan parameter, yang dikirim kembali ke server pusat, yang menggabungkan pembaruan tersebut untuk meningkatkan model global.

Situs tersebut juga menetapkan batas minimum kontribusi data untuk keanggotaan: perusahaan molekul kecil diminta menyumbangkan minimal 1.000 pembacaan eksperimental (didefinisikan sebagai satu molekul yang diamati dalam eksperimen laboratorium basah untuk mengukur suatu sifat), sementara perusahaan antibodi diminta menyumbangkan minimal setidaknya satu properti atau titik akhir terukur dengan 125 urutan.

Kapasitas Produksi Antibodi Twist

Pada halaman produksi dan karakterisasi antibodi, Twist menyatakan bahwa ia memproduksi antibodi dengan kapasitas industri lebih dari 6.000 IgG per minggu, dengan waktu penyelesaian mulai dari 10 hari kerja untuk ekspresi HEK293 dan 13 hari kerja untuk ekspresi CHO, serta total penyelesaian 10 hingga 15 hari kerja untuk HEK293 dan 13 hingga 18 hari kerja untuk CHO. Perusahaan mencantumkan hasil rata‑rata 1 mL sekitar 180 mikrogram untuk HEK293 dan sekitar 93 mikrogram untuk CHO, jalur otomatis yang menghasilkan puluhan hingga ribuan antibodi per pesanan, serta harga mulai $102 per IgG murni untuk kedua lini sel.

Twist menyatakan bahwa mereka menyediakan data karakterisasi dalam waktu sesingkat 15 hari kerja. Layanan penilaian ikatan mereka mencakup peringkat afinitas melalui Carterra LSA (SPR) atau Octet (BLI), binning epitop, dan konfirmasi ikatan melalui ELISA atau flow sitometri pada sel. Profil pengembangan mencakup pengukuran stabilitas termal via nanoDSF, analisis agregasi dan kelarutan menggunakan aSEC, AC-SINS, dan DLS, serta skrining polireaktivitas dan CIC. Karakterisasi lanjutan meliputi spektrometri massa utuh, pengujian endotoksin, dan penilaian silang-reaktivitas di berbagai model spesies.

Twist menempatkan layanan ini untuk pelatihan model AI/ML, menyatakan bahwa mereka menyediakan dataset berfidelitas tinggi dan siap pakai untuk model pada skala industri guna mempercepat jalur penemuan, serta infrastruktur mereka mendukung pesanan mulai dari beberapa kandidat hingga ribuan antibodi untuk pelatihan model.