Ofer Haviv, administrerende direktør og CEO i Evogene – Intervju-serie

Ofer Haviv er administrerende direktør og CEO i Evogene. Før han fik denne rolle, var han selskabets COO og CFO fra 2002 til 2004 og spillede en nøglerolle i Evogenes spin-off fra Compugen i 2002. Hos Compugen havde han stillingen som finansdirektør og kasserer i fire år, hvor selskabet gennemførte to private placeringer og en børsnotering på NASDAQ.

Nogle bidrag til disse svar er også kommet fra:

• Gabi Tarcic VP Produkt
• Ilia Zhidkov VP for Computational Technologies
• Ruth Gross, VP Business Development

Evogene (NASDAQ:EVGN, TASE: EVGN.TA) er et computationally biologi-selskab, der specialiserer sig i at transformere produktudvikling og opdagelse inden for livsvidenskabsindustrien, herunder menneskers sundhed og landbrug. Selskabet udnytter sin fleksible Computational Predictive Biology (CPB)-platform til at drive innovation inden for disse områder.

Siden du tiltrådte som CEO i 2004, har du overværet Evogenes overgang fra spin-off til en Nasdaq-noteret leder inden for computational biologi. Hvad har været de mest afgørende øjeblikke eller beslutninger, der har formet selskabets nuværende retning?

Tre strategiske beslutninger har formet Evogene, som det er i dag:

1. Beslutningen i 2013 om at gå på børs på NASDAQ.
2. Beslutningen i 2016 om at udvikle sig fra et enkelt computationally system (CPB), der primært understøttede udviklingen af produkter baseret på genetiske elementer til landbrugsindustrien, til tre separate teknologiske motorer, der kombinerer unikke data, computationally systemer og en dyb forståelse af livsvidenskab:

• GeneRator: Støtter Evogenes oprindelige aktivitet på området for produkter baseret på en dyb forståelse af genomics.
• MicroBoost: Retter og accelererer udviklingen af mikroorganisme-baserede produkter.
• ChemPass: Retter og accelererer udviklingen af kemibaserede produkter.

3. Beslutningen om at bruge disse unikke teknologiske motorer med Evogenes egne forskere til at udvikle produkter inden for forskellige områder. Denne aktivitet, der startede som afdelinger inden for selskabet, blev senere grundlaget for opbygningen af Evogenes datterselskaber, herunder:

• Biomica: Bruger den teknologiske motor MicroBoost til at udvikle menneske-mikrobiom-baserede lægemidler.
• Lavie Bio: Bruger MicroBoost til at udvikle biologiske produkter baseret på mikroorganismer til landbrug, beskyttelse af planter mod skadedyr og forbedring af afgrøder.
• AgPlenus: Bruger den teknologiske motor ChemPass til at udvikle kemiske produkter til beskyttelse af afgrøder mod skadedyr.
• Casterra: Bruger GeneRator til at udvikle unikke ricinus-arter til dyrkning af ricinus-planter til produktion af olie til de voksende industrier for biologiske produkter og alternative brændstoffer.

Computational biologi kræver top-kvalificeret talent inden for biologi, AI og datavidenskab. Hvordan tiltrækker og fastholder Evogene eksperter inden for disse områder, og hvilke færdigheder eller baggrunde prioriterer du?

Ved Evogene tiltrækker vi top-talent ved at opbygge en samarbejdende omgang, der integrerer biologi, kunstig intelligens og computationally ekspertise. Vi værdsætter personer med tværfaglig erfaring, især de, der har arbejdet på tværs af forskellige fag og bringer “rigtige” indsigt. Kreativitet og problemløsning er centrale for, hvad vi søger, og det giver vores team mulighed for at tackle komplekse udfordringer med innovative løsninger.

At være hjemmehørende i Israel – en global leder inden for højteknologi med et økosystem, der fremmer agility og fremtænkning – forbedrer vores evne til at tiltrække exceptionelt talent.

Evogenes nærhed til verdensklasse-akademiske institutioner, såsom Weizmann-instituttet, spiller en betydelig rol i at tiltrække dygtige fagfolk inden for biologi, AI og datavidenskab.

Evogene tilbyder fagfolk fra tech-verdenen en unik mulighed for at anvende deres ekspertise i udviklingen af produkter til livsvidenskabssektoren – områder, der dybt påvirker livskvaliteten og den mad, vi spiser. Denne krydsning af teknologi og livsvidenskab er noget, der ikke findes i traditionelle højteknologi-industrier. For biologer giver vi avancerede teknologiske værktøjer, der giver dem mulighed for at realisere deres produktvisioner på et niveau, der ikke findes andre steder.

Kunne du uddybe de centrale principper bag Evogenes Computational Predictive Biology (CPB)-platform med dens AI-teknologier, og hvordan den adskiller sig fra andre predictiv AI-modeller inden for livsvidenskab?

Evogenes Computational Predictive Biology (CPB)-platform integrerer en dyb forståelse af biologi og kemi med AI, maskinlæring, computationally modeller og biologiske data til at udføre analyser på tværs af millioner af datapunkter. Disse etablerede AI-teknologier er designet til at hjælpe forskere i produktudvikling, strømlinje udviklingen af nye produkter og har været en drivende kraft i vores mange samarbejder.

Vores unikhed kan karakteriseres ved tre parametre:

1. Den stærke forbindelse mellem dyb viden om biologi og kemi og den computationally verden i udviklingsprocessen af applikationerne selv, samt fleksibiliteten af applikationerne til at tilpasse sig definitionerne af forskellige produkter.
2. Vores indsats for at forudsige, allerede på opdagelsesstadiet, sandsynligheden for, at en kandidat med succes kan opfylde kriterierne for et kommercielt produkt – kriterier, der normalt undersøges på meget senere stadier af produktudvikling.
3. Evogene opererer samtidig i tre domæner – genomics, kemi og mikroorganismer – og giver en mere komplet forståelse af udviklingsprocessen.

Givet selskabets fokus på at revolutionere produktudvikling på tværs af sundheds-, landbrugs- og industrielle anvendelser, hvad er Evogenes langsigtede mål for at udvide sin indvirkning i disse sektorer?

Vores langsigtede mål kan deles ind i tre:

1. Investere i vores teknologiske motorer til fordel for eksisterende partnere, så vi bedre kan forudsige de korrekte kandidater til validering og kan bedre inkludere yderligere kriterier for produktudvikling tidligt.
2. Udvide anvendelsesområdet for vores teknologiske motorer til yderligere segmenter, der ikke er dækket af Evogenes eksisterende datterselskaber, såsom vores nuværende strategiske fokus på lægemiddel-opdagelse gennem ChemPass-AI-motoren.
3. Fremme værdien af vores datterselskaber og udbyde fordelene som aktionærer gennem salg af nogle af vores ejendomme eller ved at modtage udbytte.

Hvordan har CPB-platformen udviklet sig siden sin oprettelse, og hvad er nogle af de seneste fremskridt eller udfordringer, du har mødt i udviklingen af nye teknologiske motorer som ChemPass AI og MicroBoost AI?

Computational Predictive Biology (CPB)-platformen blev initialt udviklet med en monolitisk arkitektur, der integrerede en samling af bioinformatik-applikationer primært fokuseret på plantegenomics. Ved at erkende behovet for større fleksibilitet og skalerbarhed, blev platformen overført til en mikrotjeneste-arkitektur, der muliggjorde betydelige forbedringer af både brugergrænsefladen (UI) og brugeroplevelsen (UX). Denne arkitektoniske udvikling har understøttet platformens udvidelse inden for nye domæner inden for livsvidenskab, ud over genomics, herunder mikrobiologi og kemi, og har ført til udviklingen af innovative teknologiske motorer som ChemPass AI til opdagelse af små molekyler og MicroBoost AI til mikrobiom-baserede anvendelser. Selv om skaleringen af disse teknologier har præsenteret udfordringer, sikrer platformens tværfaglige tilgang fortsat fremskridt og betydningsfulde fremskridt på tværs af forskellige videnskabelige discipliner.

Hvordan opstod samarbejdet med Google Cloud, og hvad var de primære faktorer, der gjorde Google Cloud til den foretrukne partner for Evogene?

Vores samarbejde med Google Cloud blev drevet af en fælles vision om at udnytte avancerede AI-teknologier til at transformere opdagelsen og udviklingen af små molekyler. Google Clouds robuste Vertex AI-platform, skærpelige GPU’er og omfattende lagringskapacitet giver den computationale kraft, der kræves til at træne vores grundlæggende model på ~40 milliarder molekylstrukturer. Deres ekspertise i AI og maskinlæring kombineret med Evogenes styrke inden for computationally kemi skaber en synergien, der muliggør hurtig innovation, skalerbarhed og en hidtil uset diversitet i molekyl-design. Dette samarbejde accelererer vores evne til at bringe transformative løsninger til opdagelsen af lægemidler og potentielt andre livsvidenskabsprodukter.

Den grundlæggende model sigter mod at generere og evaluere nye små molekyler. Hvad er de umiddelbare og langsigtede virkninger, du forudser, dette vil have på hastigheden og nøjagtigheden af lægemiddel- og produktudvikling?

Den grundlæggende model-repræsentation er en banebrydende innovation inden for lægemiddel- og produktudvikling, der muliggør forudtræning på betydeligt større datasæt end traditionelle AI-metoder. Denne kapacitet giver mulighed for dybere indsigt og forbedret præcision, og markerer en transformerende ændring i lægemiddel-opdagelse og -udvikling. På kort sigt vil modellen revolutionere opdagelsesstadiet ved at generere nye små molekyler med ønskede foruddefinerede egenskaber, og udvide den kemiske diversitet ved at bryde ud af det meget smalle kemiske rum, der er blevet udforsket, og afsløre nye, høj-potentiale kemiske forbindelser. På lang sigt kan integrationen af AI i opdagelsesstadiet potentielt give betydelige fordele i senere stadier af lægemiddeludvikling, muligvis endda op til kliniske stadier af udvikling.

Hvordan forventer du, at denne teknologi vil påvirke farmaceutisk R&D? Hvad er nogle af de mest presserende udfordringer i dette felt, som du tror, denne model kan hjælpe med at løse?

Grundlæggende modeller for opdagelse af små molekyler har enormt potentiale til at revolutionere farmaceutisk R&D ved betydeligt at reducere tiden og omkostningerne ved udvikling og øge sandsynligheden for succes. Denne teknologi giver mulighed for hurtig og præcis generering af lovende lægemiddelkandidater, potentielt reducerer den 12-15 år lange udviklingstid og de enorme omkostninger, der ofte overstiger 2 milliarder dollars pr. lægemiddel. Ved at strømlinje processen og øge sandsynligheden for succes i at nå produkt-kommercialiseringsstadiet kan grundlæggende modeller fremme fremtidige innovative terapier og give bedre behandlingsmuligheder for patienter med livstruende sygdomme.

Med den stigende konkurrence inden for AI til livsvidenskab, hvordan planlægger Evogene at fastholde sin konkurrencedygtighed inden for computational biologi og molekyl-design?

Evogenes konkurrencedygtighed stammer fra ekspertisen hos vores tværfaglige team (algoritme-udviklere, software-ingeniører, kemikere og biologer), integrationen af proprietære algoritmer til at forbedre screening og optimering, og vores agility i at tilpasse løsninger til markedets behov. Vores samarbejde med Google Cloud spiller en afgørende rol i at fremme vores kapaciteter, ved at udnytte avancerede AI-værktøjer til at forfine og accelerere de novo småmolekyl-design. Fleksible samarbejdsmodeller sikrer yderligere, at vores proprietære teknologier leverer betydningsfulde, markedstilpassede løsninger.

Settende blikket fremad, hvad er din langsigtede vision for Evogenes rolle i at forme fremtiden for computational biologi, og hvordan ser du, at selskabet vil påvirke livsvidenskabsindustrien i de næste ti år?

Evogenes vision er at fortsætte med at være i frontlinjen for computational biologi og kemi, og forme fremtiden for livsvidenskabsproduktudvikling. I de næste ti år ser vi os selv udvide vores teknologiske rækkevidde gennem strategiske samarbejder, drive fremskridt i menneskers sundhed, landbrug og bæredygtighed til at adressere kritiske globale udfordringer. Vores ultimative mål er at transformere disse fremskridt til innovative produkter – banebrydende terapier, bæredygtige landbrugsløsninger og miljøvenlige teknologier, der når ud til at nå igennem strategiske partnerskaber, drive fremskridt i menneskers sundhed, landbrug og bæredygtighed til at adressere kritiske globale udfordringer. Vores ultimative mål er at transformere disse fremskridt til innovative produkter—banebrydende terapeutiske midler, bæredygtige landbrugsløsninger og miljøvenlige teknologier.