A biologia nunca é simples. À medida que os pesquisadores avançam na leitura e edição de genes para tratar doenças, por exemplo, um crescente corpo de evidências sugere que as proteínas e metabólitos que cercam esses genes não podem ser ignorados.
O MIT Spinout Revivemed criou uma plataforma para medir metabólitos – produtos de metabolismo como lipídios, colesterol, açúcar e carboidratos – em escala. A empresa está usando essas medidas para descobrir por que alguns pacientes respondem aos tratamentos quando outros não e para entender melhor os fatores de doença.
“Historicamente, conseguimos medir algumas centenas de metabólitos com alta precisão, mas essa é uma fração dos metabólitos existentes em nossos corpos”, diz o CEO da Revivemed, Leila Pirhaji, PhD ’16, que fundou a empresa com o professor Ernest Fraenkel. “Há uma lacuna enorme entre o que estamos medindo com precisão e o que existe em nosso corpo, e é isso que queremos enfrentar. Queremos aproveitar as idéias poderosas dos dados de metabólitos subutilizados. ”
O progresso da revivemed ocorre quando a comunidade médica mais ampla está cada vez mais vinculando metabólitos desregulados a doenças como câncer, Alzheimer e doenças cardiovasculares. A revivemed está usando sua plataforma para ajudar algumas das maiores empresas farmacêuticas do mundo a encontrar pacientes que se beneficiam de seus tratamentos. Também está oferecendo software program para pesquisadores acadêmicos gratuitamente para ajudar a obter informações com dados de metabólitos inexplorados.
“Com o campo da AI Booming, achamos que podemos superar os problemas de dados que limitaram o estudo dos metabólitos”, diz Pirhaji. “Não existe um modelo de fundação para a metabolômica, mas vemos como esses modelos estão mudando vários campos, como a genômica, então estamos começando a pioneiros em seu desenvolvimento”.
Encontrando um desafio
Pirhaji nasceu e foi criada no Irã antes de vir para o MIT em 2010 para buscar seu doutorado em engenharia biológica. Ela já havia lido os trabalhos de pesquisa de Fraenkel e estava empolgado em contribuir com os modelos de rede que ele estava construindo, que integraram dados de fontes como genomas, proteomas e outras moléculas.
“Estávamos pensando no quadro geral em termos do que você pode fazer quando pode medir tudo – os genes, o RNA, as proteínas e pequenas moléculas como metabólitos e lipídios”, diz Fraenkel, que atualmente serve no Conselho de Administração da ReviveMed. . “Provavelmente somos capazes de medir algo como 0,1 % das pequenas moléculas no corpo. Pensamos que tinha que haver uma maneira de obter uma visão tão abrangente dessas moléculas quanto para as outras. Isso nos permitiria mapear todas as mudanças que ocorrem na célula, seja no contexto de câncer ou desenvolvimento ou doenças degenerativas. ”
No meio do seu doutorado, Pirhaji enviou algumas amostras a um colaborador da Universidade de Harvard para coletar dados sobre o metabolome – as pequenas moléculas que são os produtos dos processos metabólicos. O colaborador enviou a Pirhaji de volta uma enorme folha do Excel com milhares de linhas de dados – mas eles disseram que ela é melhor ignorar tudo além das 100 melhores linhas porque não tinham idéia do que os outros dados significavam. Ela considerou isso um desafio.
“Comecei a pensar que talvez pudéssemos usar nossos modelos de rede para resolver esse problema”, lembra Pirhaji. “Havia muita ambiguidade nos dados, e foi muito interessante para mim porque ninguém havia tentado isso antes. Parecia uma grande lacuna no campo. ”
Pirhaji desenvolveu um enorme gráfico de conhecimento que incluiu milhões de interações entre proteínas e metabólitos. Os dados eram ricos, mas bagunçados – Pirhaji chamou de “bola de cabelo” que não podia contar aos pesquisadores nada sobre doença. Para torná -lo mais útil, ela criou uma nova maneira de caracterizar vias e recursos metabólicos. Em um artigo de 2016 em Métodos da naturezaela descreveu o sistema e o usou para analisar mudanças metabólicas em um modelo de doença de Huntington.
Inicialmente, Pirhaji não tinha intenção de iniciar uma empresa, mas começou a perceber o potencial comercial da tecnologia nos últimos anos de seu doutorado.
“Não há cultura empreendedora no Irã”, diz Pirhaji. “Eu não sabia como iniciar uma empresa ou transformar a ciência em uma startup, então alavancei tudo o que o MIT ofereceu.”
Pirhaji começou a ter aulas na MIT Sloan Faculty of Administration, incluindo o Curso 15.371 (equipes de inovação), onde se uniu a colegas de classe para pensar em como aplicar sua tecnologia. Ela também usou o serviço de mentoria do MIT Enterprise e o MIT Sandbox, e participou do Martin Belief Middle for Delta V Accelerator, do MIT.
Quando Pirhaji e Fraenkel fundaram oficialmente a revivem, eles trabalharam com o Escritório de Licenciamento de Tecnologia do MIT para acessar as patentes em torno de seu trabalho. Desde então, Pirhaji desenvolveu ainda mais a plataforma para resolver outros problemas que descobriu em negociações com centenas de líderes em empresas farmacêuticas.
A revived começou trabalhando com hospitais para descobrir como os lipídios são desregulados em uma doença conhecida como esteato-hepatite associada à disfunção metabólica. Em 2020, a Revivemed trabalhou com a Bristol Myers Squibb para prever como subconjuntos de pacientes com câncer responderiam às imunoterapias da empresa.
Desde então, a Revivemed trabalhou com várias empresas, incluindo quatro das 10 principais empresas farmacêuticas globais, para ajudá -las a entender os mecanismos metabólicos por trás de seus tratamentos. Essas idéias ajudam a identificar os pacientes que se beneficiam mais de diferentes terapias mais rapidamente.
“Se soubermos quais pacientes se beneficiarão de todos os medicamentos, isso realmente diminuiria a complexidade e o tempo associados a ensaios clínicos”, diz Pirhaji. “Os pacientes receberão os tratamentos certos mais rapidamente.”
Modelos generativos para metabolômica
No início deste ano, a revivemed coletou um conjunto de dados com base em 20.000 amostras de sangue de pacientes que usou para criar gêmeos digitais de pacientes e modelos generativos de IA para pesquisa de metabolômica. A revivemed está disponibilizando seus modelos generativos para pesquisadores acadêmicos sem fins lucrativos, o que pode acelerar nossa compreensão de como os metabólitos influenciam uma série de doenças.
“Estamos democratizando o uso de dados metabolômicos”, diz Pirhaji. “É impossível ter dados de todos os pacientes do mundo, mas nossos gêmeos digitais podem ser usados para encontrar pacientes que podem se beneficiar de tratamentos com base em seus dados demográficos, por exemplo, encontrando pacientes que podem estar em risco de doenças cardiovasculares . ”
O trabalho faz parte da missão da Revivemed de criar modelos de fundação metabólica que pesquisadores e empresas farmacêuticas podem usar para entender como as doenças e tratamentos mudam os metabólitos dos pacientes.
“Leila resolveu muitos problemas realmente difíceis que você enfrenta quando está tentando tirar uma idéia do laboratório e transformá -la em algo robusto e reprodutível o suficiente para ser implantado na biomedicina”, diz Fraenkel. “Ao longo do caminho, ela também percebeu que o software program que ela desenvolveu é incrivelmente poderoso por si só e pode ser transformacional”.