Das KI-gestützte Pharmaunternehmen Genesis Therapeutics gab kürzlich bekannt, erneut eine zusätzliche Investition von NVentures, der Risikokapitalabteilung von Nvidia, erhalten zu haben. Die genaue Summe wurde nicht bekannt gegeben. Dies unterstreicht die Vertiefung der Zusammenarbeit beider Unternehmen und soll die Entwicklung von Genesis' KI-Plattform GEMS (Genesis Exploration of Molecular Space) beschleunigen. Diese Plattform konzentriert sich auf strukturbasiertes Wirkstoffdesign mithilfe von physikalischer KI.
Aus Stanford hervorgegangen, spezialisiert auf molekulare KI
Genesis Therapeutics entstand aus dem Labor von Dr. Vijay Pande an der Stanford University. Mitgründer Dr. Evan Feinberg erfand und verfasste während seiner Doktorandenzeit gemeinsam mit Pande mehrere wegweisende Arbeiten über Deep-Learning-Technologien, darunter den bemerkenswerten PotentialNet-Algorithmus. Dieser Algorithmus setzte als erster neuartige Graph-Neuronale Netze zur Vorhersage molekularer Eigenschaften ein, insbesondere der Protein-Ligand-Bindungsaffinität. Feinberg, Pande und ihre Kollegen demonstrierten die Leistungsfähigkeit von PotentialNet bei der Wirkungsvorhersage und bestätigten seine Effektivität durch eine Zusammenarbeit zwischen der Stanford University und den Merck Research Laboratories. Vor der Gründung von Genesis war Feinberg als Deep-Learning-Berater bei Merck tätig.
Bildquelle: Das Bild wurde mit KI generiert, Bildrechte liegen bei Midjourney.
Über 300 Millionen US-Dollar an Finanzierungen, enge Zusammenarbeit mit Nvidia
Genesis wurde 2019 gegründet und erhielt ein Jahr später eine Series-A-Finanzierung in Höhe von 52 Millionen US-Dollar. Das Unternehmen wuchs stetig und hat bisher über 300 Millionen US-Dollar an Kapital aufgebracht, wobei der Großteil davon aus einer Series-B-Finanzierung in Höhe von 200 Millionen US-Dollar aus dem Jahr 2023 stammt. Zu den Investoren gehört auch NVentures, die Risikokapitalabteilung von Nvidia.
In Zusammenarbeit mit Nvidia arbeitet Genesis an der Beschleunigung der Entwicklung seiner KI-Plattform GEMS. GEMS zielt darauf ab, durch die Integration proprietärer KI-Methoden, darunter Sprachmodelle, Diffusionsmodelle und physikalische Machine-Learning-(ML)-Simulationen, Moleküle für komplexe Ziele zu generieren und zu optimieren. Die zusätzliche Finanzierung von NVentures soll die Rechenleistung verbessern und die Fähigkeiten von Genesis' physikalischer KI-Plattform für das strukturbasierte Wirkstoffdesign durch die Anwendung von Nvidias Expertise weiter steigern.
Feinberg erklärt: „Nvidia ist in vielen Bereichen des KI-Stacks führend, sowohl in Bezug auf die Hardware als auch auf die unteren Softwareschichten über der Hardware. Genesis hingegen hat sich zum Ziel gesetzt, im Bereich der molekularen KI Pionierarbeit zu leisten. Daher gibt es eine sehr deutliche Synergie zwischen den komparativen Vorteilen von Nvidia und denen von Genesis, sodass das Ganze größer ist als die Summe seiner Teile.“
Optimierung neuronaler Netze, Beschleunigung der Wirkstoffforschung
Die Zusammenarbeit umfasst die Optimierung äquivarianter neuronaler Netze, die für die Verarbeitung von 3D-Geometriedaten wie Protein- und Kleinmolekülstrukturen besonders wertvoll sind. Nvidia engagiert sich für die Beschleunigung von Berechnungen durch neuronale Netze, sowohl beim Training der Netze als auch bei der Ausführung von Inferenzen – also der Verwendung der trainierten Modelle zur Vorhersage von neuen Daten oder zum Einsatz in realen Umgebungen.
Feinberg erläutert: „Für den Bereich der molekularen KI, den Genesis seit Jahren vorantreibt, sind bestimmte Arten neuronaler Netze besonders nützlich. Dies ist eigentlich die Fortsetzung eines langfristigen Trends in diesem Bereich: KI ist nicht monolithisch. Es gibt viele Teilbereiche der KI, die verwandte, aber unterschiedliche Algorithmen zum Lernen verwenden.“
An der Stanford University präsentierten Feinberg, Pande und eine Gruppe von Kollegen 2018 in einer in „ACS Central Science“ veröffentlichten Arbeit die PotentialNet-Graph-Faltungsfamilie. Zwei Jahre später zeigte eine andere Gruppe von Kollegen zusammen mit Feinberg und Pande, wie man durch die explizite Darstellung jedes Moleküls als Graph „nach unserem Wissen beispiellose Genauigkeit“ bei der Vorhersage von ADMET-Eigenschaften (Absorption, Verteilung, Metabolismus, Exkretion und Toxizität) erreicht. Eine in der Zeitschrift „Journal of Medicinal Chemistry“ veröffentlichte Arbeit zeigte den deutlichen Vorteil des KI-Algorithmus gegenüber fortschrittlichem ML, das von den Merck Research Laboratories verwendet wird, bei der ADMET-Vorhersage.
Enge Zusammenarbeit zwischen Gründer und Mentor
Pande ist jetzt General Partner bei Andreessen Horowitz (a16z) und Gründungspartner des a16z Bio-Fonds, der die Investitionen des Unternehmens in den Bereichen Biologie, Informatik und Ingenieurwesen leitet. Pande war der Doktorvater von Feinberg und leitete die Seed-Finanzierung von Genesis durch a16z in Höhe von 4,1 Millionen US-Dollar. Gemeinsam mit einer nicht genannten US-amerikanischen Investmentgesellschaft im Bereich Life Sciences leitete er die Series-B-Finanzierung des Unternehmens mit über 200 Millionen US-Dollar.
Feinberg über Pande: „Ich hatte das große Glück, fast zehn Jahre mit ihm zusammenarbeiten zu dürfen. Ich glaube, es ist eine seltene Gelegenheit, mit so einem talentierten und visionären Menschen so eng zusammenarbeiten und von ihm lernen zu können.“
Kontinuierliche Innovation, führend in der Branche
Feinberg fügt hinzu: „Er (Pande) hat mich auf eine Weise vorangetrieben, die für den Erfolg von Genesis entscheidend war. Er entwickelt sich weiter, während sich das Feld entwickelt. Ich denke, das ist ähnlich wie die Art und Weise, wie wir unsere Führungsposition in diesem Bereich beibehalten: Wir innovieren ständig und geben uns nicht mit Nachahmung zufrieden, sondern treiben das Feld wirklich voran.“
Feinberg erinnert sich, dass während seiner Doktorandenzeit an der Stanford University KI hauptsächlich im Bereich Computer Vision und natürliche Sprache Wirkung zeigte. „Die Arten von neuronalen Netzen, die für beides verwendet wurden, waren tatsächlich sehr unterschiedlich, aber beide waren nicht sehr gut für die Chemie geeignet. Daher haben wir neue neuronale Netze entwickelt“, erinnert sich Feinberg. „Mitte der 2010er-Jahre waren Graph-Neuronale Netze besser für Moleküle geeignet.“
Feinberg sagt, dass Genesis seitdem kontinuierlich an neuen KI-Algorithmen forscht, „an neuen neuronalen Netzwerk-Primitiven, die besser für Aufgaben der molekularen KI geeignet sind“. „Äquivariante neuronale Netze sind eine der Serien, die wir schätzen. Dies ist auch ein Bereich, in dem Nvidia uns besonders bei der Optimierung unterstützt“, fügt Feinberg hinzu.
Pandes Labor wurde zunächst durch sein gegründetes verteiltes Computerprojekt Folding@Home bekannt, das darauf abzielt, die Proteindynamik zu simulieren, einschließlich des Protein-Faltungsprozesses.
Feinberg erinnert sich: „Folding@Home nutzte eine große Anzahl von Nvidia-GPUs weltweit für Protein-Faltungssimulationen. Danach wurden Nvidia-GPUs verstärkt für künstliche Intelligenz eingesetzt, insbesondere im Bereich Bild und natürliche Sprache. Daher ist unser Unternehmen bereits ein starker Anwender von Nvidia-GPUs.“
Eine „perfekte Übereinstimmung“ mit Nvidia
Feinberg sagt: „Als wir durch die Series-B-Finanzierung an Nvidia und NVentures herangeführt wurden, fühlte es sich an wie ein sehr natürlicher Investor, der nicht nur viel Kapital einbringt, sondern auch Intelligenz in diese Beziehung. Diese Investition hat die Grundlage für eine Zusammenarbeit gelegt, die über eine Kundenbeziehung hinausgeht und uns gegenseitig zum Lernen gebracht hat – sowohl aus unseren Bedürfnissen als auch aus den unteren Fähigkeiten, die sie einzigartig mit unserem Fachwissen nutzen können.“
Für Nvidia verstärkt die Zusammenarbeit mit Genesis die kontinuierlichen Bemühungen, KI in der Wirkstoffforschung einzusetzen.
Mohamed „Sid“ Siddeek, Vice President und Leiter von NVentures bei Nvidia, sagt: „Die KI-Plattform von Genesis und die damit verbundenen rechnerischen Fortschritte, die in Zusammenarbeit mit Nvidia entwickelt werden, werden dazu beitragen, neue generative und prädiktive KI-Technologien bereitzustellen, um unerforschte chemische Wege zu erkunden und Kandidatenmedikamente zu identifizieren.“
Wie unterstützt GEMS Nvidia?
Feinberg sagt: „Das Ziel von GEMS ist es, sehr herausfordernde und in einigen Fällen sogar nicht-medikamentöse Zielstrukturen effektiv zu entwickeln. Um dies zu erreichen, müssen wir einige Fähigkeiten besser beherrschen als zuvor.“
Dies umfasst die Generierung von Molekülen und die Vorhersage ihrer Wirksamkeit, Selektivität und atomaren Eigenschaften – eine kombinierte Multiparameter-Optimierungsmethode, um die wichtigsten Eigenschaften von Molekülen für die Wirkstoffforschung gemeinsam zu untersuchen. Feinberg erklärt, dass GEMS aus zwei tief integrierten Säulen besteht – generativer KI und prädiktiver KI – und bereits mit Genesis' eigenen benutzerdefinierten Sprachmodellen in der Cloud Tausende bis Millionen oder sogar Milliarden von Verbindungen generiert hat.
„Aber Chemie, synthetische Chemie ist ein limitierender Faktor. Man kann in einer gegebenen Zeit nur so viele Moleküle herstellen. Daher ist es wichtig, dass unsere prädiktive KI-Technologie (zur Vorhersage von Wirksamkeit, Selektivität und atomaren Eigenschaften) so genau wie möglich ist. Daher ist GEMS eigentlich ein Oberbegriff, der eine tief integrierte Kombination von Technologien beschreibt“, sagt Feinberg.
Anwendung von GEMS in der Onkologie und Immunologie
Mit GEMS entwickelt Genesis eine Pipeline, die sich auf Onkologie und Immunologie konzentriert. Im Bereich Onkologie befindet sich Genesis in der späten Lead-Optimierungsphase und steht kurz vor der Nominierung eines Wirkstoffkandidaten für einen hochwirksamen und selektiven PIK3CA-Pan-Mutanten-allosterischen Inhibitor, wobei PIK3CA ein häufiger krebsauslösender Treiber bei Brust- und Darmkrebs ist.
Weitere onkologische Entwicklungsarbeiten konzentrieren sich auf kleine Moleküle, die darauf abzielen, die Reaktion auf Checkpoint-Inhibitoren zu überwinden (Lead-Optimierungsphase), und auf antiapoptotische Modulatoren, die das Entkommen von Krebszellen aus der Apoptose durch Hemmung exogener zelltoter Wege verhindern (Entdeckungsphase).
Im Bereich Immunologie gibt Genesis an, zwei Arbeiten in der Entdeckungsphase zu haben: ein Projekt zur Entwicklung mehrerer kleiner Moleküle gegen gut validierte Zielstrukturen bei Autoimmunerkrankungen; und ein Projekt zur Verwendung kleiner Moleküle als Korrektoren zur Wiederherstellung der Aktivität von nicht spezifizierten, geschädigten Proteinen zur Behandlung „schwerer, erblicher, entzündlicher Autoimmunerkrankungen“.
Zusammenarbeit mit großen Biopharmaunternehmen
Neben den internen Entwicklungsarbeiten führt Genesis auch angekündigte Kooperationen mit drei großen Biopharmaunternehmen durch, zu denen Feinberg jedoch keine Stellungnahme abgeben konnte. Die jüngste Zusammenarbeit wurde im September mit Gilead Sciences gestartet, die sich bereit erklärt hat, GEMS zur Generierung und Optimierung von Molekülen für ausgewählte Zielstrukturen von Gilead zu verwenden, um kleine Molekültherapien gegen mehrere Zielstrukturen zu entdecken und zu entwickeln.
Gilead erklärte sich bereit, 35 Millionen US-Dollar für drei Zielstrukturen zu zahlen und hat das Recht, weitere Zielstrukturen zu einem nicht genannten, festen Preis pro Zielstruktur zu nominieren. Gilead erklärte sich auch bereit, zusätzliche Zahlungen im Zusammenhang mit dem Erreichen von präklinischen, Entwicklungs-, regulatorischen und kommerziellen Meilensteinen sowie gestaffelte Lizenzgebühren auf den Nettoumsatz kommerziell vermarkteter Produkte zu leisten.
Zusammenarbeit mit zwei weiteren großen Biopharmaunternehmen:
Eli Lilly – Eine Zusammenarbeit im Wert von bis zu 670 Millionen US-Dollar (davon 20 Millionen US-Dollar Vorauszahlung), die darauf abzielt, neue Therapien in bis zu fünf Therapiebereichen zu entdecken, wurde 2022 gestartet.
Genentech, ein Mitglied der Roche-Gruppe – Eine Zusammenarbeit, die mehrere Zielstrukturen und Krankheiten umfasst, wurde 2020 gestartet und nutzt die Plattform von Genesis für Deep Learning und Molekülsimulationen. Im Jahr 2022 beschrieb Genentech die Zielstrukturen, an denen es interessiert ist, als „herausfordernde Zielstrukturen, die mit anderen Methoden nicht erreichbar sind“. Der Wert dieser Zusammenarbeit wurde nicht bekannt gegeben.
Genesis hat seinen Hauptsitz in Burlingame, einem Vorort von San Francisco, Kalifornien, und verfügt über ein voll integriertes Labor in San Diego. Das Unternehmen beschäftigt etwa 80 Mitarbeiter.
Feinberg sagt: „Wir haben tatsächlich ein erhebliches erwartetes Wachstum, das teilweise durch die Series-B-Finanzierung, die jüngste Investition von Nvidia und unsere Partnerschaften angetrieben wird. Ich habe keine genaue Zahl, um zu sagen, welche Größe wir in 12 Monaten erreichen werden, aber wir haben definitiv eine Personalstärke, die über 80 Mitarbeiter hinausgeht.“
