数字孪生是现实世界物品或生物实体(在原子或宏观几何级别)的虚拟或数字副本,通过将虚拟体与现实世界数据相结合而开发,并通过人工智能和高级分析软件进行优化。 药物研发中的数字孪生 作为一个工程学概念,数字孪生(digital twins)在医疗保健领域受到关注,正处于概念验证阶段。 数字孪生可以是真实患者、器官或生物过程的虚拟生理副本。GNS healthcare、Twin Health、Q Bio、Unlearn已经将数字孪生的方法应用于模拟患者的情况(参见在临床试验中引入数字孪生,Unlearn与默克签署多年合作协议)。 数字孪生在药物的研发与制造环节也有巨大潜力,GSK将数字孪生用于优化疫苗相关实验、加速疫苗制造(参见GSK|用于加速疫苗开发和制造的数字孪生)。 DeepLife的细胞数字孪生 很大程度上,药物发现仍然是一个孤立的迭代过程,其中数据由不同的湿实验室生物学家、生物信息学家和工程师团队解释、访问和分析。 然而有关细胞内生物分子活性信息的组学数据正在迅速增加,这些数据的快速增长超出了人类从这些资源中产生洞察力的能力。 构建组学数据和发现平台 两年前,DeepLife着手开发其数字孪生技术(图1),首先是构建组学数据和发现平台。 DeepLife基于机器学习的数据管理方法和从自己平台、其客户和公共来源获取的数据,建立了一个协作的、数据驱动的药物发现生态系统。基于机器学习的管道管理来自所有来源的数据,帮助生物信息学家应对输入存储库的组学数据的快速增长,以及管理不同存储库中组学数据的质量。 DeepLife的数字细胞技术平台 图 1 | DeepLife的数字细胞技术平台。借助DeepLife开发的数字细胞技术,生物学家可以访问细胞机制的可解释表示。通路和最可能的药物靶点突出显示。 DeepLife已经绘制了30多个图谱,其中包含超过2000万个单细胞的图谱(图2)。这些图谱涵盖脑、血液、肝脏、肺、肠和其他组织和器官。 图 2 | DeepLife单细胞血液图谱的3D UMAP已完全注释 每个点代表与其供体元数据(性别、年龄、种族、吸烟等)相关的细胞的基因表达。客户数据(橙色)自动映射到DeepLife血液图谱(蓝色)的250万个细胞上,以虚拟扩大其队列规模,并在DeepLife平台上进行下游分析。 DeepLife不仅仅是一个数据提供者。DeepLife Analysis支持大规模多组学数据分析工作流程,为分析药物发现数据的科学家和工程师提供围绕组学时代的强烈需求而设计的可扩展生态系统。 开发数字孪生 DeepLife的数据提供和分析能力构成了其产品的第一阶段。DeepLife将这些功能用作其数字孪生服务的跳板。 数字孪生是物理对象或过程的虚拟模型。这一概念最初出现在生命科学之外,它使公司能够在虚拟世界中对物理对象(例如风力涡轮机)进行建模。通过对对象进行建模,研究人员可以模拟它可能如何响应不同的情况,从而使他们能够比处理物理对象更快、成本更低地产生洞察力。DeepLife正在将这一概念应用于药物发现。 细胞是独特的复杂对象,但组学数据的激增使得生成不健康细胞的全面图像成为可能。DeepLife使用组学数据在计算机中创建细胞的数字孪生。将单细胞分析从体外转移到计算机中对药物发现具有深远的影响。由于数字孪生可以预测细胞对分子的反应,DeepLife可以快速测试数十亿种药物组合,并使用可解释的人工智能来识别最有可能将细胞恢复到健康状态的作用机制。 在单细胞分辨率下测量细胞活动的高通量测序和深度学习的最新技术进步的融合,为以前所未有的水平模拟细胞行为开辟了新的机会,而DeepLife正在引领潮流。 --DeepLife创始人兼首席技术官Jean Baptista Morlot “数字细胞”产品提供全面的通路分析,并支持疾病特异性细胞模型的可药用靶点和生物标志物的识别和优先排序。由于 DeepLife使用的是可解释的而非黑匣子AI,它的技术不仅仅预测细胞的行为,还揭示了驱动行为的作用机制。 DeepLife已生成技术概念验证数据,以建立许多有价值的商业用例。DeepLife使用其专有技术预测细胞将如何应对病毒感染、小分子癌症药物治疗以及CRISPR和siRNA扰动等。这些研究是验证数字孪生在药物发现中的使用的第一步,为更广泛地采用这种开创性方法奠定了基础。 药物重定向是数字孪生技术的主要应用。通过预测细胞将如何对批准的分子做出反应,DeepLife可以加速重新定位,并以此缩短治疗方法开发时间。 合作访问平台 药物重定向合作伙伴关系是研究人员与DeepLife合作的几种方式之一。最简单的选择是Datastore,它允许用户访问器官组学图谱。只需单击一下,DeepLife即可提供统一的单细胞数据存储库和分析信息所需的工具,使研究人员能够快速访问和查询数据。 DeepLife已在软件即服务(SaaS)基础上提供其数字孪生功能,使其与业内其他AI产品区分开来。 DeepLife的概念验证研究验证了其数字孪生工作,巩固了其作为新兴领域主要参与者的地位,并为药物发现的新方法打开了大门。DeepLife的下一步是更充分地利用其技术的全部潜力,减少发现治疗方法所需的时间和资金。 参考资料 https://www./articles/d43747-022-00108-3 (How digital twins of human cells are accelerating drug discovery) https://globalforum./issue/april-2020/digital-twins-a-way-forward-to-unlock-the-pivotal-hidden-signals-to-increase-roi-in-drug-discovery/ |
|