Ofer Haviv, Evogenen toimitusjohtaja ja CEO – Haastattelu sarja

Ofer Haviv on Evogenen toimitusjohtaja ja CEO. Ennen tätä roolia hän toimi yhtiön COO:na ja CFO:na vuosina 2002-2004 ja oli avainroolissa Evogenen irtautumisessa Compugenista vuonna 2002. Compugenissa hän toimi talousjohtajana ja rahastonhoitajana neljä vuotta, jolloin yhtiö toteutti kaksi yksityistä sijoitusta ja listautui NASDAQ:iin.

Joihinkin vastauksiin ovat myös vaikuttaneet:

• Gabi Tarcic VP Tuote
• Ilia Zhidkov VP Laskennalliset Teknologiat
• Ruth Gross, VP Liiketoimintakehitys

Evogene (NASDAQ:EVGN, TASE: EVGN.TA) on laskennallinen biologiaan erikoistunut yhtiö, joka keskittyy tuotteiden kehittämisen ja löytämisen muuttamiseen elämänviljelyteollisuuden eri aloilla, mukaan lukien ihmisten terveys ja maatalous. Yhtiö hyödyntää monipuolista Laskennallista Ennustavaa Biologiaa (CPB) -alustaa innovaatioiden edistämiseksi näillä aloilla.

Koska liityit toimitusjohtajaksi vuonna 2004, olet johtanut Evogenen siirtymistä irtautumisesta Nasdaq-listatuksi johtajaksi laskennallisessa biologiassa. Mitkä olivat tärkeimmät käänteentekevät hetket tai päätökset, jotka muovasivat yhtiön nykyisen suunnan?

Kolme strategista päätöstä muovasivat Evogenen nykyiseen muotoonsa:

1. Päätös listautua NASDAQ:iin vuonna 2013.
2. Päätös vuonna 2016 kehittää yhtiö yhdestä laskennallisesta järjestelmästä (CPB), joka pääasiassa tuki maatalousalan tuotteiden kehittämistä geneettisten elementtien perusteella, kolmeen erilliseen teknologiseen moottoriin, jotka yhdistävät ainutlaatuista dataa, laskennallisia järjestelmiä ja syvää ymmärrystä elämänviljelystieteistä:

• GeneRator: Tukee Evogenen alkuperäistä toimintaa genomiikan syvällisen ymmärryksen alalla.
• MicroBoost: Ohjaa ja kiihdyttää mikrobiperusteisten tuotteiden kehittämistä.
• ChemPass: Ohjaa ja kiihdyttää kemianperusteisten tuotteiden kehittämistä.

3. Päätös käyttää näitä ainutlaatuisia teknologisia moottoreita Evogenen omien tutkijoiden kanssa kehittääkseen tuotteita eri aloilla. Tämä toiminta, joka alkoi yhtiön sisäisinä jaostoina, muodosti myöhemmin perustan Evogenen tytäryhtiöiden rakentamiselle, mukaan lukien:

• Biomica: Käyttää MicroBoost-tekhnologiamoottoria kehittääkseen ihmisen mikrobiomin perusteella lääkkeitä.
• Lavie Bio: Käyttää MicroBoostia kehittääkseen biologisia tuotteita mikrobien perusteella maataloudelle, suojelemaan kasveja tuholaisilta ja parantamaan satoja.
• AgPlenus: Käyttää ChemPass-tekhnologiamoottoria kehittääkseen kemianperusteisia tuotteita kasvinsuojeluun.
• Casterra: Käyttää GeneRatoria kehittääkseen ainutlaatuisia rypsi-lajikkeita rypsin viljelyyn biologisia tuotteita ja vaihtoehtoisia polttoaineita varten.

Laskennallinen biologia vaatii huipputason osaamista biologiassa, tekoälyssä ja data-tieteessä. Miten Evogene houkuttelee ja pitää osaamista näillä aloilla, ja mitkä taidot tai taustat te priorisoit?

Evogenessa houkuttelemme huipputason osaamista luomalla yhteistyökykyisen ympäristön, joka yhdistää biologian, tekoälyn ja laskennallisen asiantuntemuksen. Arvostamme yksilöitä, joilla on monialainen kokemus, erityisesti niitä, jotka ovat työskennelleet eri aloilla ja tuovat “todellisen maailman” näkemyksiä. Luovuus ja ongelmanratkaisu ovat keskiössä siinä, mitä etsimme, mahdollistaen tiimimme ratkaista monimutkaisia haasteita innovatiivisilla ratkaisuilla.

Evogenen sijainti Israelissa – maailman johtavassa teknologiainnovaatiojohtajassa, joka edistää joustavuutta ja eteenpäin suuntautuvaa ajattelua – vahvistaa kykyämme houkutella poikkeuksellista osaamista.

Evogenen läheisyys maailmanluokan akateemisiin laitoksiin, kuten Weizmann-instituuttiin, on merkittävä tekijä houkutella osaavaa henkilöstöä biologiassa, tekoälyssä ja data-tieteessä.

Evogene tarjoaa teknologia-alan ammattilaisille ainutlaatuisen mahdollisuuden soveltaa asiantuntemustaan elämänviljelytuotteiden kehittämiseen – aloihin, jotka vaikuttavat olennaisesti elämänlaatuun ja ruokaamme.

Voitko selittää tarkemmin Evogenen Laskennallisen Ennustavan Biologian (CPB) -alustan ydinsyitä ja sen tekoälytekniikkojen eroa muihin elämänviljelyalojen ennustaviin tekoälymalliin?

Evogenen Laskennallisen Ennustavan Biologian (CPB) -alusta yhdistää syvän ymmärryksen biologiasta ja kemiasta tekoälyyn, koneoppimiseen, laskennallisiin malleihin ja biologisiin tietoihin analyysiä varten miljoonien tietopisteiden yli. Nämä vakiintuneet tekoälytekniikat on suunniteltu auttamaan tutkijoita tuotteiden löytämisessä, virtaviivaistamaan uusien tuotteiden kehittämistä ja ovat olleet voimavaikutus monissa yhteistyössä.

Ainutlaatuutemme voidaan luonnehtia kolmella parametrilla:

1. Vahva yhteys biologisen ja kemiallisen syvän ymmärryksen ja laskennallisen maailman välillä sovellusten kehittämisprosessissa sekä sovellusten joustavuus mukautua eri tuotteiden määritelmiin.
2. Pyrkimyksemme ennustaa jo löytämisvaiheessa ehdokkaan onnistumisen todennäköisyys täyttämään kaupallisen tuotteen kriteerit – kriteerit, jotka tutkitaan yleensä paljon myöhemmissä tuotteen kehittämisen vaiheissa.
3. Evogene toimii samanaikaisesti kolmessa alueessa – genomiikassa, kemiassa ja mikrobeissa – tarjoamalla laajemman ymmärryksen kehittämisprosessista.

Miten näet Evogenen pitkän aikavälin tavoitteet laajentaa vaikutustaan näillä aloilla?

Pitkän aikavälin tavoitteemme voidaan jakaa kolmeen:

1. Investoida teknologiamoottoreihimme olemassa olevien kumppaneidemme hyväksi, jotta voimme paremmin ennustaa oikeat ehdokkaat validointiin ja voimme paremmin sisällyttää lisää kriteerejä tuotteen kehittämiseen jo varhaisessa vaiheessa. Lyhyesti sanottuna, moottorien jatkuva parantaminen.
2. Laajentaa teknologiamoottorien käyttöä muihin segmentteihin, joita Evogenen nykyiset tytäryhtiöt eivät vielä käsittele, kuten nykyinen strateginen painopiste lääkekehityksessä ChemPass-AI-moottorin kautta.
3. Edistää tytäryhtiöidemme arvoa ja hyödyntää niistä omistajana saadut voitot myymällä osan omistuksistamme tai saamalla osinkoja.

Kuinka CPB-alusta on kehittynyt sen luomisesta lähtien, ja mitkä ovat joitakin viimeaikaisia edistymisiä tai haasteita, joita olet kohdannut kehittäessäsi uusia teknologiamoottoreita, kuten ChemPass AI ja MicroBoost AI?

Laskennallisen Ennustavan Biologian (CPB) -alusta kehitettiin alun perin monoliittisella arkkitehtuurilla, joka integroi joukon bioinformatiikka-sovelluksia pääasiassa kasvigenomiikan keskittyen. Tunnistettuaan tarpeen suuremmalle joustavuudelle ja skaalautuvuudelle, alusta siirrettiin mikropalveluarkkitehtuuriin, joka mahdollisti merkittäviä parannuksia sekä käyttöliittymään (UI) että käyttäjäkokemukseen (UX). Tämä arkkitehtuurin kehitys on tukenut alustan laajentumista uusiin elämänviljelyalojen alueisiin genomiikan ulkopuolelle, mukaan lukien mikrobiologia ja kemia, johtaen innovatiivisten teknologiamoottorien kehittämiseen, kuten ChemPass AI:lle ja MicroBoost AI:lle. Vaikka näiden teknologioiden skaalaaminen on esittänyt haasteita, alustan monitieteinen lähestymistapa takaa jatkuvan edistyksen ja merkittävän kehityksen eri tieteellisillä aloilla.

Kuinka yhteistyö Google Cloudin kanssa alkoi, ja mitkä olivat tärkeimmät tekijät, jotka tekivät Google Cloudista Evogenen mieluisan kumppanin?

Yhteistyömme Google Cloudin kanssa syntyi jaetusta visiosta hyödyntää edistyneitä tekoälytekniikoita muuttaakseen pienmolekyylisen lääkekehitystä ja -kehittämistä. Google Cloudin vahva Vertex AI -alusta, viimeisimmän sukupolven GPU:t ja laajat tallennusmahdollisuudet tarjoavat laskennallisen voiman, jota tarvitaan perusmallin kouluttamiseen noin 40 miljardin molekyylirakenteen yli. Heidän asiantuntemuksensa tekoälyssä ja koneoppimisessa yhdistettynä Evogenen vahvuuteen laskennallisen kemian alalla luo synergian, joka mahdollistaa nopean innovaation, skaalautuvuuden ja ennennäkemättömän monimuotoisuuden molekyylisuunnittelussa. Tämä yhteistyö kiihdyttää kykyämme tuoda mullistavia ratkaisuja lääkekehitykseen ja mahdollisesti muihin elämänviljelytuotteisiin.

Miten perusmalli pyrkii generoimaan ja arvioimaan uusia pienmolekyylejä. Mitkä ovat tämän vaikutukset lääke- ja tuotekehityksen nopeuteen ja tarkkuuteen?

Perusmallin lähestymistapa edustaa uraauurtavaa innovaatiota lääke- ja tuotekehityksessä, mahdollistaen esikoulutuksen huomattavasti suuremmilla tietojoukoilla kuin perinteiset tekoälymenetelmät. Tämä mahdollistaa syvempiä oivalluksia ja parantaa tarkkuutta, merkiten mullistavaa muutosta lääkekehityksessä ja -kehittämisessä. Lyhyellä aikavälillä malli vallankumouksellisesti nopeuttaa uusien pienmolekyylien generoimista ennalta määritellyillä ominaisuuksilla, laajentaen kemiallista monimuotoisuutta ja murtamalla ulos hyvin kapeasta kemiallisesta avaruudesta, jota on tutkittu, ja paljastaen uusia, korkean potentiaalin kemiallisia yhdisteitä. Pitkällä aikavälillä tekoälyn integrointi löytämisvaiheessa voi edistää myös myöhempiä lääkekehityksen vaiheita, mahdollisesti jopa kliinisiin kehitysvaiheisiin.

Kuinka näet tämän teknologian vaikuttavan lääketeollisuuden tutkimukseen ja kehitykseen? Mitkä ovat joitakin kiireellisimpiä haasteita tässä alalla, joita uskot tämän mallin voivan auttaa ratkaisemaan?

Perusmallit pienmolekyylisen lääkekehityksen aloilla lupaavat vallankumouksellista muutosta lääketeollisuuden tutkimuksessa ja kehityksessä, leikkaamalla merkittävästi kehityksen aikaa ja kustannuksia sekä lisäämällä onnistumisen todennäköisyyttä tuotteen kaupallistamisvaiheessa. Tämä teknologia mahdollistaa nopean ja tarkan lupaavien lääke-ehdokkaiden generoimisen, mahdollisesti vähentäen 12-15 vuoden kehitysaikaa ja yli 2 miljardin dollarin kustannuksia lääkkeen kehittämiseen. Virtaviivaistamalla prosessia ja lisäämällä onnistumisen todennäköisyyttä pääsemiseksi tuotteen kaupallistamisvaiheeseen, perusmallit voivat edistää tulevia innovatiivisia hoitoja ja tarjota parempia hoitovaihtoehtoja potilaille, joilla on elämän uhkaavia sairauksia.

Lääke- ja elämänviljelyalojen tekoälykilpailun kasvaessa, miten Evogene aikoo ylläpitää kilpailukykyään laskennallisessa biologiassa ja molekyylisuunnittelussa?

Evogenen kilpailukyky perustuu monitieteisen tiimin (algoritmikehittäjät, ohjelmistokehittäjät, kemistit ja biologit) asiantuntemukseen, omien algoritmien integrointiin parantamaan seulontaa ja optimointia sekä joustavuuteen sovittaa ratkaisuja markkinoiden tarpeisiin. Yhteistyömme Google Cloudin kanssa on avainasemassa edistääksemme kykyjämme hyödyntää viimeisintä tekoälyteknologiaa ja parantaa de-novo pienmolekyylisen suunnittelua. Joustavat yhteistyömallit varmistavat, että omat teknologiamme toimittavat vaikuttavia, markkinoille suunnattuja ratkaisuja.

Miten näet Evogenen roolin elämänviljelyalan tulevaisuuden muotoilussa, ja miten näet yhtiön vaikuttavan elämänviljelyteollisuuteen seuraavan kymmenen vuoden aikana?

Evogenen visio on jatkaa laskennallisen biologian ja kemian edelläkävijänä, muotoilemassa elämänviljelytuotteiden tulevaisuutta. Seuraavan kymmenen vuoden aikana näen meidän laajentavan teknologisen ulottuvuuttamme strategisten kumppanuuksien kautta, ajamassa eteenpäin lääketieteellisen terveyden, maatalouden ja kestävän kehityksen edistämistä ratkaisemalla kriittisiä globaaleja haasteita. Lopullinen tavoitteemme on muuttaa nämä edistysaskeleet innovatiivisiksi tuotteiksi – uraauurtaviksi lääkkeiksi, kestäviksi maatalousratkaisuiksi ja ympäristöystävällisiksi teknologioiksi.