Ofer Haviv, Prezes i Dyrektor Generalny Evogene – Seria Wywiadów

Ofer Haviv jest Prezesem i Dyrektorem Generalnym Evogene. Przed objęciem tego stanowiska pełnił funkcję COO i CFO od 2002 do 2004 roku i odegrał kluczową rolę w odłączeniu Evogene od Compugen w 2002 roku. W Compugen zajmował stanowisko Dyrektora Finansowego i Skarbnika przez cztery lata, podczas których firma przeprowadziła dwie prywatne emisje i IPO na NASDAQ.

Niektóre wkład w te odpowiedzi zostały również dokonane przez:

• Gabi Tarcic VP Product
• Ilia Zhidkov VP of Computational Technologies
• Ruth Gross, VP Business Development

Evogene (NASDAQ:EVGN, TASE: EVGN.TA) jest firmą biologii komputacyjnej specjalizującą się w transformacji odkrywania i rozwoju produktów w różnych branżach life science, w tym zdrowia ludzkiego i rolnictwa. Firma wykorzystuje swoją wszechstronną platformę Computational Predictive Biology (CPB), aby napędzać innowacje w tych dziedzinach.

Od czasu objęcia stanowiska CEO w 2004 roku, nadzorował przejście Evogene ze spin-offu do lidera w dziedzinie biologii komputacyjnej notowanego na Nasdaq. Jakie były najważniejsze momenty lub decyzje, które ukształtowały obecny kierunek firmy?

Trzy strategiczne decyzje ukształtowały Evogene, jakim jest dzisiaj:

1. Decyzja z 2013 roku o wejściu na giełdę NASDAQ.
2. Decyzja z 2016 roku o ewolucji z jednego systemu komputacyjnego (CPB), który głównie wspierał rozwój produktów opartych na elementach genetycznych dla przemysłu rolniczego, w trzy oddzielne silniki technologiczne, które łączą unikalne dane, systemy komputacyjne i głębokie zrozumienie nauk o życiu:

• GeneRator: Wspiera pierwotną działalność Evogene w dziedzinie produktów opartych na głębokim zrozumieniu genomiki.
• MicroBoost: Kieruje i przyspiesza rozwój produktów opartych na mikrobach.
• ChemPass: Kieruje i przyspiesza rozwój produktów opartych na chemii.

3. Decyzja o wykorzystaniu tych unikalnych silników technologicznych z własnymi badaczami Evogene do rozwoju produktów w różnych dziedzinach. Ta działalność, która rozpoczęła się jako działy wewnątrz firmy, później stała się podstawą dla budowy spółek zależnych Evogene, w tym:

• Biomica: Wykorzystuje silnik technologiczny MicroBoost do rozwoju leków opartych na mikrobiomie ludzkim.
• Lavie Bio: Wykorzystuje MicroBoost do rozwoju produktów biologicznych opartych na mikrobach dla rolnictwa, chroniących rośliny przed szkodnikami i poprawiających plony.
• AgPlenus: Wykorzystuje silnik technologiczny ChemPass do rozwoju produktów chemicznych do ochrony roślin przed szkodnikami.
• Casterra: Wykorzystuje GeneRator do rozwoju unikalnych odmian roślin ricinusa do uprawy roślin ricinusa w celu produkcji oleju dla rosnących branż produktów biologicznych i paliw alternatywnych.

Biologia komputacyjna wymaga najwyższej klasy talentów w dziedzinie biologii, sztucznej inteligencji i nauki o danych. Jak Evogene przyciąga i zatrzymuje ekspertów w tych dziedzinach, i jakie umiejętności lub doświadczenie są priorytetem?

W Evogene przyciągamy najlepszych talentów, tworząc środowisko współpracy, które łączy biologię, sztuczną inteligencję i doświadczenie komputacyjne. Cenimy osoby z doświadczeniem międzydyscyplinarnym, zwłaszcza te, które pracowały w różnych dziedzinach i przynoszą “rzeczywiste” spostrzeżenia. Kreatywność i rozwiązywanie problemów są podstawą tego, czego szukamy, umożliwiając naszemu zespołowi radzenie sobie z złożonymi wyzwaniami za pomocą innowacyjnych rozwiązań.

Fakt, że Evogene ma siedzibę w Izraelu – globalnym liderze w dziedzinie innowacji high-tech z ekosystemem, który sprzyja elastyczności i myśleniu perspektywicznym – zwiększa naszą zdolność do przyciągania wyjątkowych talentów.

Bliskość Evogene do światowej klasy instytucji akademickich, takich jak Instytut Weizmana, odgrywa znaczącą rolę w przyciąganiu wykwalifikowanych specjalistów w dziedzinie biologii, sztucznej inteligencji i nauki o danych.

Evogene oferuje specjalistom z branży technologicznej unikalną okazję do zastosowania swojej wiedzy w rozwoju produktów dla sektora life science – dziedzin, które mają głęboki wpływ na jakość życia i żywność, którą jemy. To połączenie technologii i nauk o życiu jest czymś, czego nie można znaleźć w tradycyjnych branżach high-tech. Dla biologów oferujemy zaawansowane narzędzia technologiczne, które umożliwiają im realizację swoich wizji produktowych na poziomie nieosiągalnym gdzie indziej.

Czy mógłbyś wyjaśnić zasady, na których opiera się platforma Computational Predictive Biology (CPB) Evogene z jej silnikami AI, i jak różni się od innych modeli AI przewidywania w dziedzinie life science?

Platforma Computational Predictive Biology (CPB) Evogene łączy głębokie zrozumienie biologii i chemii z AI, machine learningiem, modelami komputacyjnymi i danymi biologicznymi, aby przeprowadzać analizy na milionach punktów danych. Te ustanowione silniki AI są zaprojektowane, aby pomagać badaczom w odkrywaniu produktów, usprawniać rozwój nowych produktów i były siłą napędową w wielu naszych współpracach.

Nasza unikalność może być scharakteryzowana przez trzy parametry:

1. Silne połączenie między głębokim zrozumieniem biologii i chemii a światem komputacyjnym w procesie rozwoju aplikacji, a także elastyczność aplikacji, aby dostosować się do definicji różnych produktów.
2. Nasze starania, aby przewidzieć, już na etapie odkrycia, prawdopodobieństwo, że kandydat pomyślnie spełni kryteria produktu komercyjnego – kryteria, które zwykle są badane na znacznie późniejszych etapach rozwoju produktu.
3. Evogene działa jednocześnie w trzech dziedzinach – genomice, chemii i mikrobiologii – zapewniając bardziej kompleksowe zrozumienie procesu rozwoju.

Jakie są długoterminowe cele Evogene w zakresie rozszerzania swojego wpływu w sektorach zdrowia, rolnictwa i przemysłu?

Nasze długoterminowe cele można podzielić na trzy:

1. Zainwestuj w nasze silniki technologiczne, aby poprawić korzyści dla naszych partnerów, abyśmy mogli lepiej przewidzieć odpowiednich kandydatów do walidacji i mogliśmy wcześniej uwzględnić dodatkowe kryteria rozwoju produktu. Innymi słowy, ciągłe doskonalenie naszych silników.
2. Rozszerzyć zakres zastosowań naszych silników do dodatkowych segmentów, które nie są obecnie obsługiwane przez spółki zależne Evogene, takie jak nasze obecne strategiczne skupienie na odkrywaniu leków za pomocą silnika ChemPass-AI.
3. Promować wartość naszych spółek zależnych i korzystać jako akcjonariusze ze sprzedaży niektórych naszych udziałów lub otrzymywania dywidend.

Jak platforma CPB ewoluowała od swojego powstania, i jakie są najnowsze postępy lub wyzwania, z którymi spotkałeś się przy rozwijaniu nowych silników technologicznych, takich jak ChemPass AI i MicroBoost AI?

Platforma Computational Predictive Biology (CPB) została początkowo opracowana z wykorzystaniem architektury monolitycznej, integrującej zestaw aplikacji bioinformatycznych, głównie skupionych na genomice roślin. Rozpoznając potrzebę większej elastyczności i skalowalności, platforma została przeniesiona do architektury mikrousług, umożliwiając znaczące udoskonalenia interfejsu użytkownika (UI) i doświadczenia użytkownika (UX). Ta ewolucja architektury wspierała rozwój platformy w nowe dziedziny w ramach nauk o życiu, poza genomiką, w tym mikrobiologię i chemię, prowadząc do opracowania innowacyjnych silników technologicznych, takich jak ChemPass AI dla odkrywania małych cząsteczek i MicroBoost AI dla aplikacji opartych na mikrobiomie. Chociaż skalowanie tych technologii przedstawia wyzwania, multidyscyplinarny charakter platformy zapewnia ciągły postęp i wpływowe postępy w różnych dyscyplinach naukowych.

Jak doszło do współpracy z Google Cloud, i jakie były główne czynniki, które sprawiły, że Google Cloud stał się preferowanym partnerem dla Evogene?

Nasza współpraca z Google Cloud była wynikiem wspólnej wizji wykorzystania zaawansowanych technologii AI do transformacji odkrywania i rozwoju leków. Platforma Vertex AI Google Cloud, najnowocześniejsze procesory GPU i ogromne możliwości przechowywania zapewniają moc obliczeniową niezbędną do szkolenia naszego modelu podstawowego na około 40 miliardach struktur molekularnych. Ich ekspertyza w dziedzinie AI i machine learningu, w połączeniu z siłą Evogene w dziedzinie chemii komputacyjnej, tworzy synergię, która umożliwia szybką innowację, skalowalność i bezprecedensową różnorodność w projekcie molekularnym. Ta współpraca przyspiesza naszą zdolność do wprowadzania przełomowych rozwiązań w dziedzinie odkrywania leków i potencjalnie innych produktów life science.

Model podstawowy ma na celu generowanie i ocenę nowych małych cząsteczek. Jakie natychmiastowe i długoterminowe wpływy przewidujesz, że to będzie miało na szybkość i dokładność rozwoju leków i produktów?

Podejście modelu podstawowego reprezentuje innowację w dziedzinie odkrywania i rozwoju leków, umożliwiając pre-trenowanie na znacznie większych zbiorach danych niż tradycyjne metody AI. Ta możliwość pozwala na głębsze spostrzeżenia i zwiększoną precyzję, oznaczając przełomowy zwrot w odkrywaniu leków. W krótkim terminie model ten rewolucjonizuje etap odkrycia, generując szybko nowe małe cząsteczki o pożądanych, predefiniowanych właściwościach, rozszerzając różnorodność chemiczną, wyłamując się z bardzo wąskiej przestrzeni chemicznej badanej i odkrywając nowe, wysoko potencjalne związki chemiczne. Długoterminowo, integracja AI w etapie odkrycia może znacznie korzystnie wpłynąć na późniejsze etapy rozwoju leków, potencjalnie nawet do etapów klinicznych.

Jak przewidujesz, że ta technologia wpłynie na badania i rozwój w sektorze farmaceutycznym? Jakie są najbardziej palące wyzwania w tej dziedzinie, które, Twoim zdaniem, ten model może pomóc rozwiązać?

Modele podstawowe dla odkrywania małych cząsteczek leków mają ogromny potencjał, aby rewolucjonizować badania i rozwój w sektorze farmaceutycznym, znacznie skracając czas i koszty rozwoju oraz zwiększając prawdopodobieństwo powodzenia. Ta technologia pozwala na szybkie i dokładne generowanie obiecujących kandydatów na leki, potencjalnie redukując 12-15 letni okres rozwoju i ogromne koszty, często przekraczające 2 miliardy dolarów na lek. Przez usprawnienie procesu i zwiększenie prawdopodobieństwa powodzenia w osiągnięciu etapu komercjalizacji produktu, modele podstawowe mogą promować przyszłe innowacyjne terapie i zapewnić lepsze opcje leczenia dla pacjentów z groźnymi chorobami.

Z rosnącą konkurencją w dziedzinie AI dla life science, jak Evogene planuje utrzymać przewagę konkurencyjną w biologii komputacyjnej i projekcie molekularnym?

Przewaga konkurencyjna Evogene wynika z ekspertyzy jej zespołu multidyscyplinarnego (rozwój algorytmów, inżynieria oprogramowania, chemia i biologia), integracji algorytmów własnościowych w celu poprawy wyboru i optymalizacji, oraz jej elastyczności w dostosowaniu rozwiązań do potrzeb rynku. Nasza współpraca z Google Cloud odgrywa kluczową rolę w rozwoju naszych możliwości, wykorzystując najnowocześniejsze narzędzia AI do doskonalenia i przyspieszania de-novo projektowania małych cząsteczek. Elastyczne modele współpracy zapewniają, że nasze technologie własnościowe dostarczają wpływowe, zgodne z rynkiem rozwiązania.

Spójrzając w przyszłość, jaka jest Twoja wizja roli Evogene w kształtowaniu przyszłości biologii komputacyjnej, i jak widzisz wpływ firmy na sektor life science w ciągu najbliższej dekady?

Wizja Evogene polega na dalszym byciu na czele biologii komputacyjnej i chemii, kształtując przyszłość rozwoju produktów life science. W ciągu najbliższej dekady widzimy rozszerzanie naszego zasięgu technologicznego poprzez strategiczne partnerstwa, napędzając postępy w zdrowiu ludzkim, rolnictwie i zrównoważonym rozwoju, aby rozwiązać krytyczne wyzwania globalne. Naszym ostatecznym celem jest przekształcenie tych postępów w innowacyjne produkty – przełomowe terapie, zrównoważone rozwiązania rolnicze i ekologiczne technologie, które pozwolą nam dotrzeć przez strategiczne partnerstwa, napędzając postępy w zdrowiu ludzkim, rolnictwie i zrównoważonym rozwoju, aby rozwiązać krytyczne wyzwania globalne. Naszym ostatecznym celem jest przekształcenie tych postępów w innowacyjne produkty – przełomowe terapie, zrównoważone rozwiązania rolnicze i ekologiczne technologie.