החברה שמוכיחה שאפשר לעשות כסף מביולוגיה חישובית

חברת Cytoreason, שעוסקת במידול של גוף האדם ומנבאת הצלחה של תרופות, מצליחה להרוויח כסף גם בלי לפתח תרופה בעצמה, בניגוד להנחות היסוד של ענף הביוטק • מאחורי הדחיפה שקיבלה החברה עומד יזם האינטרנט שון פרקר, שייסד את אחד ממכוני המחקר המובילים בארה"ב בתחום הסרטן

בשני העשורים האחרונים התקבעו שתי הנחות יסוד בעולם הביוטק: האחת היא שחברות צעירות אינן רושמות הכנסות, והאחרת היא שחברות המבוססות על "פלטפורמה", כלומר על טכנולוגיה ייחודית המאפשרת גילוי, פיתוח או שיפור של תרופות, לא יצליחו אם רק ימכרו את שירותיהן לחברות התרופות ויהיו חייבות לפתח את התרופה בעצמן. מכירת ידע לחברות התרופות אינה מניבה מתח רווחים גבוה, לעומת מכירת מוצר. לכן חברות ביואינפורמטיקה, שניסו להפיק ידע ביולוגי באמצעות מערכות ממוחשבות בלבד, נאלצו עם הזמן להפוך גם לחברות ביולוגיה "רטובה", כלומר, חברות שמפתחות תרופות. הדוגמה הבולטת לכך בשוק הישראלי היא קומפיוג'ן, שלפני יותר מעשור החליפה את הבכירים המתמטיקאים שלה באנשי ביולוגיה קלאסית והשנה הכניסה מוצר שלה לניסויים בבני אדם.

בחברת Cytoreason (סייטוריזון) מנסים היום לשבור את הפרדיגמה הזאת, ואף מתחילים להוכיח בפועל שאפשר גם אחרת. החברה, שעוסקת במידול גוף האדם במחשב במטרה לנבא הצלחה של ניסויים ותרופות, כבר חתמה על הסכמים של מיליוני דולרים עם חברות תרופות מובילות, והיום היא מחזיקה את עצמה, ללא מימון חיצוני, ומעסיקה 23 עובדים. בכוונתה להכפיל את מספר העובדים בשנה הקרובה.

מי שאחראי לדחיפה של סייטוריזון הוא לא אחר מאשר שון פרקר, מי שייסד את נאפסטר והיום משקיע במכון פרקר השאפתני שהקים - גוף מוביל בארה"ב למחקר ולטיפולים ניסיוניים ומותאמים אישית באימונותרפיה לסרטן.

"כשנציגי מכון פרקר פנו אלינו ושאלו אם אנחנו יכולים לעזור להם, הייתה לנו רק טכנולוגיה", מספר יו"ר ונשיא סייטוריזון, דוד הראל. "אמרתי לעצמי שמניסיוני בתחום ניהול הרשומות הרפואיות והבריאות הדיגיטלית, לא צריך להסביר ללקוח מה הפתרון שהוא צריך, אלא להקשיב לו. יש פה לקוח של מיליונים, נתחיל מכך שנתפור לו פתרון מותאם, ולא נשאל את עצמנו אם יש עוד רבים שצריכים בדיוק פתרון כזה". לבסוף, הפתרון שהחברה בנתה למכון פרקר התגלה כרלוונטי גם ללא מעט שותפים נוספים.

מודל שמנבא טוב יותר מחיות

סייטוריזון הוקמה על בסיס מחקריו של פרופ' שי שן אור מהטכניון, שאחד ממחקריו נבחר במדור המדע של "גלובס" כאחד המחקרים פורצי הדרך של תשע"ח. שן אור משתמש במידע קיים מעולם הביולוגיה כדי למדל את גוף האדם על גבי מחשב ברמת דיוק ופירוט גבוהה. הוא ממפה את התפקוד של כל סוג תא ברקמה ואפילו את פעילות החלבונים בתוך כל סוג תא.

"אני יכול לומר לחברת התרופות, 'אם תפתחי תרופה שנוגעת בחלבון הזה, הרי שהוא יפעיל את קסקדת התהליכים א', ב', ג' וכדומה, והתגובה הסופית של הגוף תהיה כך וכך", אומר הראל. באמצעות המודל הזה ניתן לנבא אילו תרופות יצליחו בניסויים או בטיפול באדם ספציפי, ואילו פחות. על פניו, מודל מושלם כזה אמור לנבא את ההצלחה בניסוי בבני אדם טוב יותר מאשר מודל חיות.

מודל כזה יכול לשמש לגילוי תרופות חדשות או לאיתור מחלות נוספות שתרופות קיימות יכולות להתאים לטיפול בהן. הוא גם מאפשר לבחון אילו מטופלים יגיבו לתרופה מסוימת. במכון פרקר, לדוגמה, שימשה הטכנולוגיה לניבוי אילו תרופות כדאי לשלב בחולה סרטן מסוים.

הרעיון של מידול גוף האדם באמצעים מתמטיים אינו חדש. חברת אופטימטה, שהחלה לפעול לפני יותר מעשור, פיתחה, למשל, מודל ממוחשב של הגוף והשיקה השנה מוצר המאפשר לנבא מתי תחול החמרה במחלת סרטן של אדם מסוים, אולם כיום מודל כזה אינו בשימוש נרחב.

"אני מכיר כמה חברות שפיתחו מודל של תהליך מסוים בגוף או של רקמה אחת", אומר הראל. "ישנם כמה הבדלים בינינו לבין חברות אחרות הבונות מודל מתימטי של תהליכים ביולוגיים. האחד הוא, שהמערכת שלנו לומדת מכל מידע חדש שמגיע אליה. לדוגמה, מכל שיתוף פעולה עם חברת תרופות אנחנו מקבלים המון מידע ומשפרים את המודל כל הזמן, כך שגם יש לנו מידע שאין לאחרים וגם אנחנו מטייבים את המודל בזמן אמת".

פרופ' שן אור מציין הבדל נוסף משמעותי. "כיום, כאשר עושים מיפוי גנטי לגידול, למשל, עושים 'מרק' מכל התאים בגידול, ממפים את כל הגנים שנמצאים בו אבל לא יודעים לומר איזה גן הגיע מאיזה תא. אנחנו פיתחנו 'מפתח' שמאפשר לדעת זאת". הדגש של החברה הוא על פעילות המערכת החיסונית.

"האלגוריתם לא יכול להיות קופסה שחורה"

לדברי הראל, גם מודל הפעילות של החברה חוסך כסף רב לחברות הפארמה בטווח הקצר. אם חברות אחרות שעוסקות בגילוי תרופות באמצעים חישוביים משתמשות במידע גלוי וחושפות, נניח, אלף מולקולות שיכולות להתאים כתרופה מסוימת ואז צריך לבדוק את כל האלף האלה במעבדה (תהליך יקר ולכן בוחרים שתיים-שלוש בלבד), "אנחנו באים מסוף התהליך ועוזרים לחבר בין תרופות שכבר קיימות לקוקטייל תרופות מנצח או להסב תרופה קיימת לטיפול במחלה חדשה, או להזהיר מתי תרופה שנכנסת עכשיו לניסוי יקר ולא תצליח בו כנראה. המידע הזה חוסך או מניב לחברה הפארמה כסף רב - לא בעוד 20 שנה כשפיתוח המוצר יסתיים, אלא בשנים הקרובות".

על פניו, היכולת להפיק מידע על קשרים בין תהליכים בגוף תלויה במספר האלגוריתמיקאים שבנמצא ובהיקף המידע שיש לך. אם שופכים כמה שיותר מידע לתוך רשת לומדת, היא אמורה בסופו של דבר להצביע על הקשרים האלה. אתה אפילו לא צריך להבין מה קרה בדרך.

הראל: "זו בדיוק הטעות שעושות חלק מהחברות בתחום שהגיעו רק מעולם המידע. רופא לא מוכן לרשום תרופה 'כי הרשת הלומדת אמרה שזה יעזור'. האלגוריתם לא יכול להיות קופסה שחורה. כל הלקוחות של התהליך - מהביולוג בחברת הפארמה, דרך הרגולטור בFDA- ועד הרופא, רוצים להבין את המנגנון שבו פועל המוצר כדי להרגיש בנוח. לדוגמה, 'החלבון הזה מפעיל את מערכת החיסון כך והיא חוסמת את הפעילות של החלבון ההוא ואז יש לנו תוצאה'. בלי זה, העולם הביולוגי לא יקבל אותך".

אתם כבר עושים מזה כסף.

הראל: "4 מתוך 10 חברות התרופות הגדולות כבר עובדות איתנו, ויש חברות נוספות. שיתופי הפעולה שלנו הם תמיד בתשלום, אפילו לעשות איתנו פיילוט עולה כמה מאות אלפי דולרים, וחוזה ארוך טווח יכול להגיע לעשרות מיליוני דולרים לאורך השנים".

ההסכם שלכם עם מכון פרקר עדיין מתקיים?

"בהחלט. אנחנו עובדים איתם מ-2016 בפרויקט שיניב כמה מיליוני דולרים לאורך כמה שנים".