Yeni ilaç geliştirmek riskli ve pahalıdır. Yeni bir ilacın yaratılması ve klinik deneylere sunulması milyarlarca sterline mal olabilir ve hiçbir başarı garantisi yoktur. Ve bazen bir ilaç, dünyanın bir yerindeki klinik deneme sırasında başka bir yerinde etkili olmasına rağmen beklentileri karşılamada başarısız olabiliyor.
Bunun bir nedeni insan vücudundaki bakterilerdir. Her insanın vücudunda biraz farklı bir bakteri karışımı vardır ve bu bakterilerin artık bir ilacın ne kadar iyi etki ettiği, hatta işe yarayıp yaramadığı konusunda önemli bir rol oynadığı bilinmektedir.
Bu ilişkinin anlaşılması, tümördeki bakterilerin potansiyel olarak hayat kurtarıcı tedavileri engelleme riski taşıdığı kanser tedavisinde daha da önemlidir.
İlaçlar ve tedaviler arasındaki ilişki son derece karmaşıktır ve tahmin edilmesi zordur. Ancak geliştirilmesi 2,6 milyar dolara mal olan yeni bir ilaç veya “varlık” söz konusu olduğunda, bu ilişkiyi modelleyebilmek hem ilaç araştırmacıları hem de klinisyenler için son derece önemlidir.
BioCortex, bakteriler ve ilaç adayları arasındaki ilişkiyi analiz etmek için gelişmiş veri bilimi tekniklerini kullanmak üzere kurulmuş, ilk olarak onkolojiye ve özellikle antikor-ilaç konjugatlarına odaklanan uzman bir araştırma şirketidir.
BioCorteX ve birlikte çalıştığı ilaç araştırmacıları, bakterilerin ilaçlara nasıl müdahale ettiğini daha iyi anlayarak, klinik deneylerden geçen ilaçların başarı oranını artırmayı hedefliyor. Bu, ilaç geliştirme döngülerinin daha kısa olmasına ve hastalar için daha etkili tedavilere yol açacaktır.
BioCorteX kurucu ortağı Nik, “Şirketi kurmamızın nedenlerinden biri, insanlara bir klinisyen olarak baktığınızda, insanların tedavilere çok çok farklı tepkiler verdiğini ve bunun nedenini anlamanın çoğu zaman zor olduğunu fark etmenizden kaynaklanan hayal kırıklığıydı” diyor. Sharma. “İlaçlar ve farmasötikler hakkındaki düşüncelerimizde adım adım bir değişiklik yapma fırsatı gördük. Gerçekten insan sağlığının ayrılmaz bir parçası olan bakteriler aslında ilaçlarla yetersiz etki göstermektedir. İlaçların bir bireyde işe yaramasının, ancak daha büyük ölçekte başarısız olmasının temel nedenlerinden birinin bu olduğunu düşünüyoruz.”
Klinik denemeler
Klinik çalışmalarda, bir ilaç bir coğrafyada veya popülasyon grubunda başarılı olabilirken, insan vücudundaki farklı bakteriler nedeniyle diğerinde başarısız olabilir.
Çok sayıda değişkenin (hem insan vücudundaki bakteriler, hem de test edilen ilaçların sayısı) dahil olduğu bu ilişkiyi daha iyi anlamak, matematiksel olarak büyük bir zorluktur. Sharma, “Sahip olduğumuz bakteri miktarı olağanüstü” diyor. “İlaç miktarı [treatments] büyük olduğu açıktır. Karmaşıklık çok büyük.
Rolls-Royce mühendisi Sharma ve Mo Alomari o sırada bir çözüm bulmak için birlikte çalıştılar. Alomari, son derece fazla sayıda değişken içeren sistemleri modellemenin yolları üzerinde çalışıyordu.
Bu, bakteri ve ilaç etkileşimine bakmanın bir yolunu sundu ve Sharma ve Alomari, BioCorteX’in kurucu ortağı oldu. Buradaki fikir, bu etkileşimleri “in silico” veya bilgisayar donanımı üzerinde test etmekti.
Bunu yapmak için firma biyolojideki en büyük bilgi grafiklerinden birini oluşturdu. Bakteriler ile bir ilaç adayı arasındaki etkileşimin modellenmesi 15 ila 16 milyar bağlantı gerektirir.
Bu, herhangi bir ticari kullanıma hazır veritabanının veya analiz aracının ulaşamayacağı bir şeydi. BioCorteX, Google’ın BigQuery’sini kullanarak kendi kendisini oluşturuyor. Sharma, “Bulabildiğimiz boyuttaki bilgi grafiğini işleyebilecek bir yazılım yok ve mevcut tüm ticari tekliflere baktık” diyor.
“BigQuery’yi kullanarak bilgi grafiğimizi oluşturduk ve bu da ölçeklendirmemize, daha da önemlisi ekonomik çalışmamıza, bilgi grafiğimizin yeni sürümlerini yayınlamamıza ve bu verileri günde iki veya üç kez birleştirmemize olanak sağladı.”
Bilgi grafiği
Bilgi grafiğinde tamamı BigQuery’de depolanan yaklaşık üç milyar not ve 16 milyar kenar bulunur.
Alomari, “Grafik veritabanlarında bunlardan çok sayıda var” diyor. “Hiçbiri milyarlarca düğümü idare edemiyor. Yani temel olarak BigQuery’nin üzerine inşa edilmiş özel bir çözüm bulduk ve BigQuery’yi temel olarak bir grafik veritabanı olarak ele alan katmanı en üste ekledik.”
Bir bilim adamı sistem üzerinden yeni veriler çalıştırmak isterse BioCorteX bunu minimum maliyetle günde birkaç kez yapabilir. Sharma, “Yaklaşık 20 dakika sürüyor” diyor.
BioCorteX, ilaç şirketlerinden veri alıyor ve bir ilaca olası bakteriyel müdahaleyi ve ilacın daha fazla sayıda hastadaki etkinliğini nasıl etkileyebileceğini belirlemek için bunları bilgi grafiğinde çalıştırıyor.
Sharma, “Bakteri bazı ilaçları bazı kişiler için uyumsuz hale getirirken diğerleri için uyumlu hale getiriyor” diyor. “Bu etkileşimi belirleyebiliriz. Neyin uyumlu olduğunu geniş ölçekte belirleyebiliriz. Yani ürün, gerçekten de bu varlıklara hızla ileri doğru bakabilme yeteneğidir.”
Süreç, klinik bir denemeden daha hızlı ve elbette daha ucuzdur. BioCorteX’in analizi yeni ilaçlarla da sınırlı değildir.
Sharma, “Aynı zamanda başarılı olamayan varlıklara da bakabiliyoruz” diyor. “Bir takım çalışmaların başarısız olduğunu görürdünüz. Bu ilaçlar genellikle ‘lisanssız’ olarak adlandırılan ilaçlardır, dolayısıyla başka bir şirket bunları alıp geliştirip geliştiremeyeceklerini görecektir. Bu varlıklara bakabiliyoruz ve bakteri, tümör ve ilaç arasındaki gizli etkileşim nedeniyle başarısız olup olmadıklarını görebiliyoruz.”
İlaçların gelişimi daha uluslararası hale geldikçe bu tür modelleme daha da önemli hale geliyor. BioCorteX, büyük miktarlarda veri kullanarak, örneğin Avustralya’daki birinci aşama bir çalışmayı ve ardından ABD ile Avrupa’daki ikinci aşama çalışması arasındaki farkları modellemek için senaryolar çalıştırabilir.
BioCorteX’in teknolojisi kanser tedavisiyle de sınırlı değildir. Her ne kadar şu anda odak noktası onkoloji ve bakteriler olsa da, yaklaşım zaten virüsleri ve mantarları incelemek için kullanılıyor. “Motorlar farklı sektörlerde uygulanabilir; Tüketici sağlığı konusunda bazı çalışmalar yaptık” diyor Sharma.
“Yapabildiğimiz şey daha fazla bilgi sağlamak” diyor. “Bu bir seçim değil. Bir ilaç şirketinin ya da ilaç şirketinin bu etkileşimin gerçekleşip gerçekleşmeyeceği konusunda bir seçeneği yoktur; bu oluyor.
“Yani ya anlamayı seçebilirler ya da şu anda yaptıklarını %96 başarısızlık oranıyla yapabilirler. Gelecekte herkes için ilk defa doğru ilacı sunabileceğimizi umuyoruz.”