モジュラス・セラピューティクス、資金調達を実施し、細胞療法設計プラットフォームの拡大を目指す

シアトルを拠点とするAIを活用した細胞療法設計会社モジュラス・セラピューティクスは、3,500万ドルのシードラウンドを上回る資金調達を完了したと発表した。マドロナ・ベンチャー・グループが主導し、KdTベンチャーズとアレンインスティテュート・フォーAI（AI2）も参加した。

新たな資金は、同社のモジュラス・コンバージェント・デザイン・プラットフォームの拡大に充てられる。資金調達の発表と同時に、同社はサイエンティフィック・アドバイザリー・ボードを設立し、アラナ・ウェルムとラファエル・ゴットアルドによって創設された。

システムの開発

マックス・ダーネル博士は、2020年にモジュラスをバイオインフォマティシャンのブライス・デインズ博士と共同で設立した。両者は、ポール・アレンによって設立されたアレン・インスティテュート・オブ・アーティフィシャル・インテリジェンス（AI2）の一員であった。創設者によると、彼らは、固形腫瘍に対する免疫系の闘争を改善するための、次世代の細胞療法の体系的かつ繰り返し可能な発見のためのプラットフォームを発明したいと考えていた。

ブライアン・ヘイルは、AI2インキュベーターのマネージング・ディレクターである。

「AI2インキュベーターの使命は、世界を変える可能性を持つAI企業を立ち上げる支援をすることです」とヘイルは述べた。「モジュラスは、固形腫瘍に対する命を救う治療法を探すために、最先端のAIを活用しています。モジュラスには、真正に大きな影響を与える可能性があります」。

クリス・ピカルドは、マドロナ・ベンチャー・グループのインベスターである。

「モジュラスには、野心的な目標と、腫瘍を治療し、がんを根絶するための、モダンなマシン・ラーニング、合成生物学、そして最先端のラボ・オートメーションを組み合わせた革新的なプラットフォームがあります」とピカルドは述べた。「彼らの方法は、がんと闘うNK細胞のための真のハイ・スループット・スクリーニングを解放し、AIに完璧に適合する巨大な新しいデータセットを作成します。私たちは、彼らがチームと能力を構築するのを支援することを楽しみにしています」。

治療の開発

同社のトップ・プライオリティは、転移性乳がんの治療のための、自然キラー細胞を基盤とする治療の開発であり、固形腫瘍に対する最近の進歩に基づいて構築している。

アラナ・ウェルムは、サイエンティフィック・アドバイザーである。

「自然キラー細胞のような細胞タイプにおけるハイ・スループット・ディスカバリー・アプローチは、他の細胞タイプよりも遅れています」とウェルムは述べた。「これらの細胞をエンジニアリングするためのさまざまな方法を探る治療の見通しについては、非常に興奮しています」。

これらの細胞の設計プロセスは、生物学の人間の理解によって制限される複雑なプロセスであり続けており、モジュラスは、遺伝子編集、マシン・ラーニング、マルチ・オミクス、そしてハイ・スループット・イン・ヴィヴォ・スクリーニングなどの重要なテクノロジー・コンポーネントを組み合わせる、コンバージェント・デザイン・プラットフォームを開発している。これにより、細胞療法設計に、知的で偏見のないアプローチがもたらされる。

マックス・ダーネル博士は、モジュラスの共同創設者である。

「これらのテクノロジーを組み合わせることで、複雑な治療タスク、たとえば固形腫瘍との闘争を遂行するために、細胞が必要とする強化を発見するためのパスが提供されます」とダーネルは述べた。「現在の細胞療法設計は、GPSなしで森の中を出ようとするようなものです。このプラットフォームは、細胞の設計空間を体系的に効果的にナビゲートするためのツールを提供します」。

ターゲッティングのような単一の機能に焦点を当てるのではなく、コンバージェント・デザインは、治療の重要性の複数の軸に沿った同時的な改善を可能にする、最適化された細胞設計に収束する、というものであるとリリースでは述べられている。

「モジュラスは、私たちが見た唯一の、細胞のシャーシをエンジニアリングすることに焦点を当てている会社です」と、KdTベンチャーズのプリンシパルであるリマ・チャクラバーティ博士は述べた。「細胞の内在的な機械を調整することで、モジュラスは、治療の有効性だけでなく、製造可能性と保存性も最適化できます。つまり、治癒的で、オフ・ザ・シェルフの免疫細胞療法に一歩近づくことになります」。

モジュラスの重要な点の1つは、1つの遺伝子ごとにその影響を学ぶのではなく、遺伝子のネットワーク全体が細胞の機能に与える影響を学ぶ能力にある。

ブライス・デインズ博士は、モジュラスの共同創設者である。

「ハイ・スループット・スクリーニングとマシン・ラーニングを組み合わせて、遺伝子の相互作用を解釈し予測することで、実験のスループットに、以前のアプローチを遥かに上回るマルチプライヤーがもたらされます。これは、細胞タイプや疾患を繰り返し実施することで、発見のフライホイールが生まれます」とデインズは述べた。