Ofer Haviv, VD och koncernchef för Evogene – Intervjuserie

Ofer Haviv är VD och koncernchef för Evogene. Innan han tillträdde denna roll var han företagets COO och CFO från 2002 till 2004 och spelade en nyckelroll i Evogenes avknoppning från Compugen 2002. På Compugen innehade han positionen som finansdirektör och skattmästare i fyra år, under vilken tid företaget genomförde två privata emissioner och en notering på NASDAQ.

Vissa bidrag till dessa svar har också lämnats av:

• Gabi Tarcic VP Produkt
• Ilia Zhidkov VP för beräkningsTeknologi
• Ruth Gross, VP Företagsutveckling

Evogene (NASDAQ:EVGN, TASE: EVGN.TA) är ett företag inom beräkningsbiologi som specialiserar sig på att omvandla produktuppfinning och utveckling inom olika livsvetenskapsindustrier, inklusive människors hälsa och jordbruk. Företaget använder sin mångsidiga plattform för beräkningspredicerande biologi (CPB) för att driva innovation inom dessa områden.

Sedan du tillträdde som VD 2004 har du övervakat Evogenes övergång från avknoppning till ett Nasdaq-noterat företag inom beräkningsbiologi. Vilka har varit de mest avgörande ögonblicken eller besluten som format företagets nuvarande riktning?

Tre strategiska beslut har format Evogene till vad det är idag:

1. Beslutet 2013 att notera företaget på NASDAQ.
2. Beslutet 2016 att utvecklas från ett enskilt beräkningssystem (CPB) som huvudsakligen stödde utvecklingen av produkter baserade på genetiska element för jordbruksindustrin, till tre separata tekniska motorer som kombinerar unik data, beräkningssystem och en djup förståelse av livsvetenskaper:

• GeneRator: Stöder Evogenes ursprungliga verksamhet inom området produkter baserade på en djup förståelse av genomik.
• MicroBoost: Styr och accelererar utvecklingen av mikroorganismbaserade produkter.
• ChemPass: Styr och accelererar utvecklingen av kemibaserade produkter.

3. Beslutet att använda dessa unika tekniska motorer med Evogenes egna forskare för att utveckla produkter inom olika områden. Denna verksamhet, som började som avdelningar inom företaget, blev senare grunden för att bygga Evogenes dotterbolag, inklusive:

• Biomica: Använder den tekniska motorn MicroBoost för att utveckla läkemedel baserade på människans mikrobiom.
• Lavie Bio: Använder MicroBoost för att utveckla biologiska produkter baserade på mikroorganismer för jordbruk, för att skydda växter från skadedjur och förbättra skördar.
• AgPlenus: Använder den tekniska motorn ChemPass för att utveckla kemiska produkter för skydd av grödor mot skadedjur.
• Casterra: Använder GeneRator för att utveckla unika sorter av ricin för odling av ricin för produktion av olja för de växande industrierna av biologiska produkter och alternativa bränslen.

Beräkningsbiologi kräver toppklassens talang inom biologi, AI och datavetenskap. Hur lockar och behåller Evogene experter inom dessa områden, och vilka färdigheter eller bakgrunder prioriterar ni?

På Evogene lockar vi toppklassens talang genom att främja en samarbetsmiljö som integrerar biologi, artificiell intelligens och beräkningskompetens. Vi värdesätter individer med multidisciplinär erfarenhet, särskilt de som har arbetat inom olika områden och som bidrar med “verklighetsbaserad” insikt. Kreativitet och problemlösning är kärnan i vad vi söker, vilket möjliggör för vårt team att tackla komplexa utmaningar med innovativa lösningar.

Att ha sitt huvudkontor i Israel – en global ledare inom högteknologi med ett ekosystem som främjar smidighet och framåtriktad tänkande – förbättrar vår förmåga att locka till oss exceptionell talang.

Evogenes närhet till världsledande akademiska institutioner, som Weizmann-institutet, spelar en betydande roll i att locka till sig kvalificerade yrkesverksamma inom biologi, AI och datavetenskap.

Evogene erbjuder yrkesverksamma från teknikvärlden en unik möjlighet att tillämpa sin expertis inom utveckling av produkter för livsvetenskapssektorn – områden som djupt påverkar livskvalitet och den mat vi äter. Denna korsning av teknik och livsvetenskap är unik i jämförelse med traditionella högteknologiska industrier. För biologer erbjuder vi avancerade tekniska verktyg som möjliggör för dem att förverkliga sina produktvisioner på en nivå som inte har setts tidigare.

Kan du förklara de grundläggande principerna bakom Evogenes plattform för beräkningspredicerande biologi (CPB) med dess AI-tekniska motorer, och hur den skiljer sig från andra predicerande AI-modeller inom livsvetenskap?

Evogenes plattform för beräkningspredicerande biologi (CPB) integrerar en djup förståelse av biologi och kemi med AI, maskinlärande, beräkningsmodeller och biologiska data för att utföra analyser över miljontals datapunkter. Dessa etablerade AI-tekniska motorer är utformade för att stödja forskare i produktuppfinning, strömlinjeforma utvecklingen av nya produkter och har varit en drivkraft i våra många samarbeten.

Vår unikhet kan karakteriseras av tre parametrar:

1. Den starka kopplingen mellan djup kunskap inom biologi och kemi och den beräkningsmässiga världen i utvecklingsprocessen för tillämpningarna själva, samt flexibiliteten i tillämpningarna för att anpassa sig till definitionerna av olika produkter.
2. Vårt försök att förutsäga, redan i upptäcktsstadiet, sannolikheten för att en kandidat ska uppfylla kriterierna för en kommersiell produkt – kriterier som vanligtvis undersöks i mycket senare skeden av produktutveckling.
3. Evogene opererar samtidigt inom tre domäner – genetik, kemi och mikroorganismer – vilket ger en mer omfattande förståelse av utvecklingsprocessen.

Med tanke på företagets fokus på att revolutionera produktuppfinning inom hälsa, jordbruk och industriella tillämpningar, vad är Evogenes långsiktiga mål för att utöka sitt inflytande inom dessa sektorer?

Våra långsiktiga mål kan delas in i tre:

1. Investera i våra tekniska motorer för att gynna våra befintliga partners, så att vi kan bättre förutsäga de rätta kandidaterna för validering och kan bättre inkludera ytterligare kriterier för produktutveckling i ett tidigt skede. Kort sagt, den fortsatta förbättringen av våra motorer.
2. Utöka användningen av våra motorer till ytterligare segment som inte täcks av Evogenes befintliga dotterbolag, såsom vår nuvarande strategiska fokus på läkemedelsuppfinning genom ChemPass-AI-motorn.
3. Framhäva värdet av våra dotterbolag och dra nytta som aktieägare genom försäljning av vissa av våra innehav eller genom att ta emot utdelning.

Hur har CPB-plattformen utvecklats sedan dess tillkomst, och vilka är några av de senaste framstegen eller utmaningarna ni har mött vid utveckling av nya tekniska motorer som ChemPass AI och MicroBoost AI?

CPB-plattformen utvecklades initialt med en monolitisk arkitektur, som integrerade en uppsättning bioinformatikapplikationer främst inriktade på växtgenomik. Med erkännandet av behovet av större flexibilitet och skalbarhet, övergick plattformen till en mikrotjänstarkitektur, vilket möjliggjorde betydande förbättringar av både användargränssnittet (UI) och användarupplevelsen (UX). Denna arkitektoniska utveckling har stött plattformens expansion till nya områden inom livsvetenskap, utöver genetik, inklusive mikrobiologi och kemi, vilket ledde till utvecklingen av innovativa tekniska motorer som ChemPass AI för upptäckt av små molekyler och MicroBoost AI för mikrobiombaserade tillämpningar. Medan skalningen av dessa teknologier har presenterat utmaningar, säkerställer plattformens tvärvetenskapliga tillvägagångssätt fortsatt framsteg och betydande framsteg inom olika vetenskapliga discipliner.

Hur kom samarbetet med Google Cloud till, och vilka var de viktigaste faktorerna som gjorde Google Cloud till den föredragna parten för Evogene?

Vårt samarbete med Google Cloud drevs av en gemensam vision om att utnyttja avancerad AI-teknologi för att omvandla upptäckt och utveckling av småmolekylära läkemedel. Google Clouds robusta Vertex AI-plattform, banbrytande GPU:er och omfattande lagringsförmåga tillhandahåller den beräkningskraft som krävs för att träna vår grundmodell på ~40 miljarder molekylära strukturer. Deras expertis inom AI och maskinlärande, i kombination med Evogenes styrka inom beräkningskemi, skapar en synergism som möjliggör snabb innovation, skalbarhet och en utan motstycke diversitet i molekylär design. Detta samarbete accelererar vår förmåga att ta fram banbrytande lösningar för läkemedelsuppfinning och potentiellt andra livsvetenskapsprodukter.

Grundmodellen syftar till att generera och utvärdera nya småmolekyler. Vilka omedelbara och långsiktiga effekter förutser du att detta kommer att ha på hastigheten och noggrannheten i läkemedels- och produktutveckling?

Grundmodellsansatsen representerar en banbrytande innovation inom läkemedels- och produktutveckling, vilket möjliggör förträning på betydligt större datamängder än traditionella AI-metoder. Denna förmåga tillåter djupare insikter och förbättrad precision, vilket markerar en transformerande skiftning inom läkemedelsuppfinning och utveckling. På kort sikt kommer modellen att revolutionera upptäcktsstadiet genom att snabbt generera nya småmolekyler med önskade fördefinierade egenskaper, vilket breddar den kemiska diversiteten genom att bryta ut ur det mycket smala kemiska utrymmet som utforskas och avslöjar nya, högpotentiella kemiska föreningar. Långsiktigt kan integrationen av AI i upptäcktsstadiet potentiellt gynna senare skeden av läkemedelsutveckling, även upp till kliniska skeden av utveckling.

Hur förutser du att denna teknologi kommer att påverka läkemedelsutveckling? Vilka är några av de mest pressande utmaningarna inom detta område som du tror att denna modell kan hjälpa till att lösa?

Grundmodeller för upptäckt av småmolekylära läkemedel har enorm potential att revolutionera läkemedelsutveckling genom att betydligt minska tiden och kostnaderna för utveckling och öka sannolikheten för framgång. Denna teknologi möjliggör snabb och exakt generering av lovande läkemedelskandidater, vilket potentiellt kan minska den 12-15-åriga utvecklingstiden och de enorma kostnaderna, ofta överstigande 2 miljarder dollar per läkemedel. Genom att strömlinjeforma processen och öka sannolikheten för framgång i att nå produktkommersialiseringsskedet, kan grundmodeller främja framtida innovativa terapier och erbjuda bättre behandlingsalternativ för patienter med livshotande sjukdomar.

Med den ökande konkurrensen inom AI för livsvetenskap, hur planerar Evogene att upprätthålla en konkurrensfördel inom beräkningsbiologi och molekylär design?

Evogenes konkurrensfördel härrör från expertisen hos dess multidisciplinära team (algoritm-utvecklare, programvaruutvecklare, kemister och biologer), integrationen av proprietära algoritmer för att förbättra screening och optimering, och dess smidighet i anpassning av lösningar till marknadsbehov. Vårt samarbete med Google Cloud spelar en avgörande roll i att främja våra förmågor, genom att utnyttja banbrytande AI-verktyg för att förfinansiera och accelerera de novo småmolekylär design. Flexibla samarbetsmodeller säkerställer dessutom att våra proprietära teknologier levererar påverkande, marknadsanpassade lösningar.

Om man blickar framåt, vad är din långsiktiga vision för Evogenes roll i att forma framtiden för beräkningsbiologi, och hur ser du att företaget kommer att påverka livsvetenskapsindustrin under de kommande tio åren?

Evogenes vision är att fortsätta vara i framkanten av beräkningsbiologi och kemi, och forma framtiden för livsvetenskapsproduktutveckling. Under de kommande tio åren ser vi oss utöka vår tekniska räckvidd genom strategiska partnerskap, driva framsteg inom människors hälsa, jordbruk och hållbarhet för att tackla kritiska globala utmaningar. Vårt slutgiltiga mål är att omvandla dessa framsteg till innovativa produkter – banbrytande terapier, hållbara jordbrukslösningar och miljövänliga teknologier.