Twist Bioscience Magbibigay ng Serbisyo sa Datos ng Antibody para sa Lilly TuneLab

Twist Bioscience Corporation (TWST ) inihayag noong Setyembre 16, 2026 ang isang kasunduan sa Lilly TuneLab, isang kolaboratibong plataporma para sa artipisyal na intelihensiya at pagkatuto ng makina sa pagtuklas ng gamot na nilikha ng Eli Lilly and Company (LLY ) Sa ilalim ng kasunduan, ang kumpanyang nakabase sa South San Francisco ay nagbibigay ng serbisyo sa datos ng karakterisasyon ng antibody para sa TuneLab, kabilang ang AbLab, isang modelo ng prediksyon ng developability ng antibody.

Itinatag ang TuneLab upang pabilisin ang inobasyon sa biotechnology sa pamamagitan ng pagbibigay-daan sa mga kalahok na kumpanya na ma-access ang mga AI/ML na modelo ng pagtuklas ng gamot na sinanay sa mga dekada ng proprietary na datos pananaliksik ng Lilly, at maaaring gamitin ng mga kalahok na kumpanya ang mga modelo ng prediksyon upang mas mabilis na pumili ng mga kandidato na molekula. Sa pamamagitan ng kasunduan sa Twist, magagawa ng mga gumagamit na umorder ng mga serbisyo ng antibody mula sa Twist gamit ang mga ninanais na protokol ng Twist ng TuneLab upang lumikha ng wet lab data.

“Ang kalidad ng output ng isang AI model ay nakasalalay sa kalidad ng datos na ginamit upang sanayin ito,” sabi ni Emily M. Leproust, Ph.D., CEO at co-founder ng Twist Bioscience. Ayon kay Leproust, may sukat at mataas na throughput na kakayahan ang Twist upang lumikha ng pare-pareho at mapagkakatiwalaang datos ng karakterisasyon ng antibody na kailangan ng mga modelo para sa pagsasanay. Sinabi niya na maaaring pumili ang mga gumagamit ng TuneLab ng mga ninanais na protokol upang lumikha ng datos na may kanais-nais na presyo, na tumutulong sa kanila na mas epektibong pumili ng mga sekwensya ng antibody laban sa kanilang mga target at ibalik ang datos na iyon sa TuneLab para sa federated training. Ayon sa kumpanya, ang pamamaraan ay nag-uugnay ng eksperimental na datos sa AI-enabled na pagtuklas, na nagpapahintulot sa mga mananaliksik na posibleng pabilisin ang pagtuklas ng gamot na antibody.

Ang Lilly TuneLab ay bahagi ng Lilly Catalyze360, kasama ang Lilly Ventures, Lilly Gateway Labs, at Lilly ExploR&D, na sama-samang sumusuporta sa inobasyon ng biotech sa pamamagitan ng pagbibigay ng access sa estratehikong kapital, puwang sa laboratoryo at teknolohiya, at kakayahan sa pananaliksik at pag-unlad.

Modelo ng Federated Learning ng TuneLab

Ang Eli Lilly and Company nilunsad ang Lilly TuneLab noong Setyembre 9, 2025. Tinatantiya ng Lilly na ang unang paglabas ng mga AI model sa plataporma ay naglalaman ng proprietary na datos na nakuha sa halagang higit sa US$1 bilyon, at sinabi na pinapagana ng TuneLab ang buong dataset ng drug disposition, kaligtasan, at preclinical na kumakatawan sa eksperimental na datos na nakuha mula sa daan-daang libong natatanging molekula. Bilang kapalit ng access, nag-aambag ang piling biotech partners ng training data, na ayon sa Lilly ay nagpapasigla sa patuloy na pagpapabuti ng plataporma para sa iba sa ekosistema.

Ayon sa Lilly, ang plataporma ay pinamamahalaan ng ikatlong partido at gumagamit ng federated learning, isang privacy-preserving na pamamaraan na nagpapahintulot sa mga biotech na gamitin ang AI model ng Lilly nang hindi direktang inilalantad ang kanilang proprietary na datos o ang datos ng Lilly. “Ang Lilly TuneLab ay nilikha upang maging pantay na pagkakataon upang ang mas maliliit na kumpanya ay makakuha ng ilan sa parehong AI capability na araw-araw na ginagamit ng mga siyentipiko ng Lilly,” sabi ni Daniel Skovronsky, M.D., Ph.D., chief scientific officer ng Lilly at presidente ng Lilly Research Laboratories at Lilly Immunology. Sinabi naman ni Nisha Nanda, Ph.D., group vice president at pinuno ng Lilly Catalyze360, na karamihan sa maliliit na biotech ay walang access sa malawak na sukat, mataas na kalidad na datos na kailangan upang sanayin ang epektibong mga modelo.

Ayon sa opisyal na site ng TuneLab, ang mga proprietary na pundamental na AI/ML model ng plataporma ay sinanay sa higit sa 500,000 preclinical datapoints na nakolekta sa mahigit 20 taon, kabilang ang in vivo at in vitro na pharmacokinetic at toxicology data, at may malawak na aplikasyon para sa maliliit na molekula at antibody-based na therapeutic. Sinabi ng site na ang TuneLab ay pinamamahalaan ng Rhino Federated Computing, isang third-party na kumpanya ng software na ang federated learning platform ay binuo sa NVIDIA’s NV FLARE framework. Sa ilalim ng workflow na inilalarawan sa site, ang isang global na modelo ay ipinapamahagi mula sa isang central orchestration server patungo sa bawat node ng kalahok na kumpanya at sinasanay sa lokal na datos; tanging mga update ng modelo, tulad ng mathematical weights at parameters, ang ipinapadala pabalik sa central server, na pinagsasama ang mga update upang mapabuti ang global na modelo.

Itinakda rin ng site ang minimum na kontribusyon ng datos para sa pagiging kasapi: ang mga kumpanya ng maliliit na molekula ay hinihiling na mag-ambag ng hindi bababa sa 1,000 experimental readouts (na tinukoy bilang isang molekula na nasubaybayan sa wet lab experiment upang sukatin ang isang katangian), habang ang mga kumpanya ng antibody ay hinihiling na mag-ambag ng hindi bababa sa isang nasusukat na katangian o endpoint na may 125 na sekwensya.

Kapasidad ng Produksyon ng Antibody ng Twist

Sa kanyang pahina ng produksyon at karakterisasyon ng antibody, sinabi ng Twist na ito ay gumagawa ng mga antibody na may industriyal na kapasidad na higit sa 6,000 IgG bawat linggo, na may turnaround time na nagsisimula sa 10 araw ng negosyo para sa HEK293 expression at 13 araw ng negosyo para sa CHO expression, at kabuuang turnaround na 10 hanggang 15 araw ng negosyo para sa HEK293 at 13 hanggang 18 araw ng negosyo para sa CHO. Inilista ng kumpanya ang average na 1 mL na yield na humigit-kumulang 180 micrograms para sa HEK293 at humigit-kumulang 93 micrograms para sa CHO, mga automated line na gumagawa mula sampu hanggang libu-libong antibody bawat order, at panimulang presyo na $102 bawat purified IgG para sa parehong cell line.

Ayon kay Twist, naghahatid ito ng data ng karakterisasyon sa loob lamang ng 15 araw ng negosyo. Kasama sa mga serbisyo nito sa pagsusuri ng pagdikit ang pagraranggo ng affinity gamit ang Carterra LSA (SPR) o Octet (BLI), epitope binning, at pagpapatunay ng pagdikit sa pamamagitan ng ELISA o on‑cell flow cytometry. Saklaw ng developability profiling ang pagsukat ng thermal stability gamit ang nanoDSF, pagsusuri ng aggregation at solubility gamit ang aSEC, AC‑SINS, at DLS, pati na rin ang mga screen para sa polyreactivity at CIC. Kasama sa advanced characterization ang intact mass spectrometry, endotoxin testing, at pagsusuri ng cross‑reactivity sa iba’t ibang species models.

Inilalagay ng Twist ang serbisyo para sa pagsasanay ng AI/ML model, na nagsasabing naghahatid ito ng mataas na katapatan, handa na para sa modelo na mga dataset sa industriyal na sukat upang pasiglahin ang mga discovery pipeline, at sinusuportahan ng imprastruktura nito ang mga order mula ilang kandidato hanggang libu‑libong antibodies para sa pagsasanay ng modelo.