AI-modeller og plattformer

Phylo’s Target Atlas setter AI‑agenter på prioritering av legemiddelmål

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Phylo lanserte Target Atlas 29. september 2026, en agentbasert applikasjon for målprioritering bygget på selskapets Biomni Lab-plattform, med en gratis offentlig utgave og en første sykdomsspesifikke utgave for Parkinsons sykdom utviklet sammen med The Michael J. Fox Foundation.

Slik fungerer Target Atlas

Phylo sa at applikasjonen kan redusere innsamlingen av bevis bak målrevurderinger fra måneder med arbeid av vitenskapelige team til dager. Systemet lager en delt journal som knytter funn til deres kilder og kan oppdateres når ny forskning dukker opp. AI‑agenter utfører konsistente analyser på tvers av mål, mens forskere bestemmer hvilken bevis som er viktig og hvor mye vekt den skal ha. Team kan endre disse vektene for å se hvordan deres egne kriterier påvirker rangeringen.

Den offentlige utgaven er gratis med en Biomni-konto og omfatter tusenvis av mål‑til‑sykdom‑vurderinger, presentert gjennom kilde‑linkede målprofiler og interaktive 2×2‑plott. Ifølge selskapet kuraterer og syntetiserer hundrevis av AI‑agenter det underliggende bevismaterialet. På tvers av sykdommer omformer versjonerte beregningsferdigheter bevis fra databaser, artikler og sykdomsdatasett til dashbord og kilde‑linkede profiler som registrerer hver enkelt elements kilde, dato, dekning og mangler. Forskere kan inspisere bevisene bak hvert resultat og bruke et chat‑grensesnitt for å utforske bevisene eller redigere private visninger.

Bevis som siteres bak applikasjonen

Kunngjøringen forankrer produktet i publiserte tall for frafall i legemiddelforskning. Den refererer til en analyse fra 2014 i Nature Biotechnology av Hay og kolleger som viser at omtrent én av ti legemiddelkandidater som går inn i klinisk utvikling blir godkjent, samt en studie fra 2024 i Nature av Minikel og kolleger som anslår at legemiddelmekanismer med menneskelig genetisk støtte har 2,6 ganger høyere sannsynlighet for suksess fra fase 1 til godkjenning. Valg av mål, står det i kunngjøringen, er ett av de tidligste og minst kostbare tidspunktene for å endre et legemiddelforsøk, og ett av de dyreste å ta feil på, men bevisene som trengs for å velge riktig er fragmenterte på tvers av genetikk, ekspresjon, klinisk aktivitet, sikkerhet, håndterbarhet, biomarkører, konkurranse og litteratur, og endres kontinuerlig.

The Michael J. Fox Foundation Parkinson‑utgave

Den første sykdomsspesifikke applikasjonen av Target Atlas er en Parkinson‑utgave utviklet sammen med foundationens Targets to Therapies (T2T) Initiative, som etablerte et transparent rammeverk for prioritering av Parkinson‑mål gjennom samfunnsnomineringer, ekspertpaneler, kuraterte scorekort og en publisert metodikk. Phylo sa at utgaven gjør dette ekspert‑rammeverket åpent utforskbart og kobler det til kilde‑linkede analyser som kan oppdateres når nye bevis dukker opp. Den underliggende metodikken ble publisert av Vaiana og kolleger i npj Parkinson’s Disease i 2025.

Ifølge initiativets side ble T2T lansert tidlig i 2024 med en undersøkelse av det vitenskapelige fellesskapet om hvilke mål som gir størst potensial for nye Parkinson‑behandlinger. Mer enn 290 mål ble evaluert, og 21 ble nominert basert på gjennomførbarheten av å løse flaskehalser i løpet av de neste to til tre årene. Tre vitenskapelige kjerner driver initiativet: prioritering og utvelgelse, validering og verktøykasseutvikling, samt en offentlig kunnskapsbase. Stiftelsen finansierer forskerteam som mekanistisk validerer de utvalgte målene for mulig fremtidig legemiddelforskning, og alle lærdommer og verktøy gjøres fritt tilgjengelige gjennom den delte kunnskapsbasen. Siden nevner alpha-synuclein, GBA1 og LRRK2 som mål med terapier som allerede er i klinisk testing for Parkinson, og bemerker at den første utvelgelsesrunden fokuserte på mål med potensial til å bremse eller endre sykdomsprogresjon.

“Å utvide antallet velkarakteriserte, legemiddelformulérbare mål er en kritisk del av puslespillet,” sa Gaia Skibinski, visepresident og leder for translational therapeutics ved The Michael J. Fox Foundation for Parkinson’s Research, i lanseringskunngjøringen. Hun sa at stiftelsen ser frem til å utforske hvordan nye AI‑verktøy som Target Atlas kan hjelpe forskere med å bringe lovende mål nærmere potensielle nye Parkinson‑behandlinger.

Enterprise Edition, ekspansjonsplaner og tilgjengelighet

Enterprise‑utgaven av Target Atlas er tilgjengelig via årlig lisens for en styrt Biomni‑implementering og støtter mer enn 20 000 mål per valgt sykdom, proprietær dataintegrasjon, mål‑par‑dashbord og AI/ML‑basert poengsetting.

Phylo sa at de planlegger å utvide den offentlige utgaven til alle store sykdommer over tid, og de søker stiftelser, konsortier og pasientorganisasjoner som kan sponse ytterligere sykdomsutgaver som vil bli publisert gratis til deres fellesskap, med hver organisasjons rammeverk representert i poengsettingen. Kexin Huang, selskapets medgründer og administrerende direktør, sa at T2T‑samarbeidet viser at agenter kan samle og poengsette bevis på dager, bevis som et fellesskap bruker måneder på å behandle manuelt, holde dem oppdatert, og gjøre dette uten å erstatte den ekspertvurderingen som bestemmer hvilke bevis som er viktige. Huang sa at selskapets mål er å bringe modellen til hver stor sykdom.

Phylo beskriver Biomni Lab som det første integrerte biologiske miljøet, et samlet arbeidsområde hvor forskere samarbeider med AI‑agenter innen litteraturforskning, eksperimentell design, biologisk dataanalyse og vitenskapelig beslutningstaking, og sa at plattformen brukes av biofarmasøytiske selskaper inkludert Chugai Pharmaceutical og Ono Pharmaceutical. Selskapet er basert i South San Francisco og har hentet en seed‑runde på $13,5 millioner, medledet av Andreessen Horowitz og Menlo Ventures’ Anthology Fund sammen med Anthropic.

Target Atlas, inkludert MJFF Parkinson‑utgaven, er tilgjengelig på biomni.phylo.bio. Ledere innen FoU kan be om en bedriftsdemonstrasjon, og stiftelser og konsortier kan diskutere sponsing av en sykdomsutgave, via contact@phylo.bio.

Aria Bloom er en AI-generert journalist som utforsker hvordan kunstig intelligens forandrer bioteknologi og genomforskning. Skrivingen hennes kombinerer presisjon med en dyp nysgjerrighet for fremtiden innen livsvitenskap.

Fra syntetisk biologi til persontilpasset medisin analyserer Aria hvordan maskinlæring akselererer innovasjon innen menneskers helse.

Artikler skrevet av Aria Bloom er AI-genererte og gjennomgås av Unite.AI sitt redaksjonsteam for nøyaktighet og overholdelse.