Ofer Haviv, President och VD för Evogene – Intervjuerien

Ofer Haviv är VD och president för Evogene. Innan detta uppdrag tjänstgjorde han som företagets COO och CFO från 2002 till 2004 och spelade en nyckelroll i Evogenes avknoppning från Compugen 2002. Hos 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 gjordes också av:

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

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 utnyttjar sin mångsidiga plattform för Computational Predictive Biology (CPB) för att driva innovation inom dessa områden.

Sedan du började som VD 2004 har du övervakat Evogenes omvandling från avknoppning till en ledande aktör på NASDAQ 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 noteras på NASDAQ.
2. Beslutet 2016 att utvecklas från ett enda beräkningssystem (CPB) som främst 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 livsvetenskap:

• 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 den mänskliga mikrobiomen.
• 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 ricinväxter 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 Evogene till sig och behåller experter inom dessa områden, och vilka färdigheter eller bakgrunder prioriterar ni?

På Evogene lockar vi till oss toppklassens talang genom att främja en samarbetsinriktad miljö som integrerar biologi, artificiell intelligens och beräkningskompetens. Vi värdesätter individer med multidisciplinär erfarenhet, särskilt de som har arbetat över olika områden och bidrar med “verklighetsbaserad” insikt. Kreativitet och problemlösning ligger i centrum för 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 Institute, spelar en betydande roll i att locka till sig skickliga yrkesverksamma inom biologi, AI och datavetenskap.

Evogene erbjuder proffs från teknikvärlden en unik möjlighet att tillämpa sin expertis i utvecklingen av produkter för livsvetenskapssektorn – områden som påverkar livskvalitet och den mat vi äter. Denna korsning av teknik och livsvetenskap är unik jämfört med traditionella högteknologiska industrier. För biologer erbjuder vi avancerade tekniska verktyg som ger dem möjlighet att förverkliga sina produktvisioner på en nivå som inte kan matchas någon annanstans.

Kan du förklara de grundläggande principerna bakom Evogenes plattform för Computational Predictive Biology (CPB) med dess AI-teknikmotorer, och hur den skiljer sig från andra prediktiva AI-modeller inom livsvetenskap?

Evogenes plattform för Computational Predictive Biology (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-teknikmotorer är utformade för att hjälpa forskare i produktuppfinning, rationalisera utvecklingen av nya produkter och har varit en drivande kraft 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 i sig, samt flexibiliteten hos 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 verkar samtidigt inom tre domäner – genomik, kemi och mikroorganismer – vilket ger en mer omfattande förståelse av utvecklingsprocessen.

Med tanke på företagets fokus på att revolutionera produktuppfinning över hälso-, jordbruks- och industriella tillämpningar, vad är Evogenes långsiktiga mål för att utöka sin påverkan inom dessa sektorer?

Våra långsiktiga mål kan delas in i tre:

1. Investera i våra teknikmotorer 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. Att utöka användningen av våra motorer till ytterligare segment som inte för närvarande tillgodoses av Evogenes befintliga dotterbolag, som vår nuvarande strategiska fokus på läkemedelsuppfinning genom ChemPass-AI-motorn.
3. Att främja värdet av våra dotterbolag och dra nytta som aktieägare genom försäljning av några 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 i utvecklingen av nya teknikmotorer som ChemPass AI och MicroBoost AI?

CPB-plattformen utvecklades initialt med en monolitisk arkitektur, som integrerade en svit av bioinformatikapplikationer främst fokuserade på växtgenomik. I och med att behovet av större flexibilitet och skalbarhet erkändes, 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, bortom genomik, inklusive mikrobiologi och kemi, vilket har lett till utvecklingen av innovativa teknikmotorer som ChemPass AI för upptäckt av små molekyler och MicroBoost AI för mikrobiombaserade tillämpningar. Medan skalningen av dessa teknologier har presenterat utmaningar, säkerställer plattformens multidisciplinära 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-teknik för att omvandla upptäckt och utveckling av små molekyler. 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, kombinerat med Evogenes styrka inom beräkningskemi, skapar en synergism som möjliggör snabb innovation, skalbarhet och en utan motstycke mångfald i molekylär design. Detta samarbete accelererar vår förmåga att ta fram omvandlande lösningar för läkemedelsuppfinning och potentiellt andra livsvetenskapsprodukter.

Grundmodellen syftar till att generera och utvärdera nya små molekyler. Vilka omedelbara och långsiktiga effekter förutser du att detta kommer att ha på hastigheten och noggrannheten i utvecklingen av läkemedel och produkter?

Grundmodellsansatsen representerar en banbrytande innovation inom läkemedels- och produktutveckling, som möjliggör förträning på betydligt större datamängder än traditionella AI-metoder. Denna kapacitet möjliggör djupare insikter och förbättrad precision, vilket markerar en omvandlande skiftning i läkemedelsuppfinning och utveckling. På kort sikt kommer modellen att revolutionera upptäcktsstadiet genom att snabbt generera nya små molekyler med önskade fördefinierade egenskaper, vilket ökar den kemiska mångfalden genom att bryta ut ur det mycket smala kemiska utrymmet som undersökts och avslöjar nya, högpotentiella kemiska föreningar. På lång sikt kan integrationen av AI i upptäcktsstadiet potentiellt gynna senare skeden av läkemedelsutveckling, eventuellt ända upp till kliniska skeden av utveckling.

Hur tror du att denna teknik 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 små molekyler har ett stort löfte för att revolutionera läkemedelsutveckling genom att betydligt förkorta tiden och kostnaderna för utveckling och öka sannolikheten för framgång. Denna teknik möjliggör snabb och exakt generering av lovande läkemedelskandidater, potentiellt reducerar den 12-15 års utvecklingstiden och de enorma kostnaderna, ofta överstigande 2 miljarder dollar per läkemedel. Genom att rationalisera 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 växande konkurrensen inom AI för livsvetenskap, hur planerar Evogene att upprätthålla en konkurrensfördel inom beräkningsbiologi och molekylär design?

Evogenes konkurrensfördel härrör från expertisen hos det multidisciplinära teamet (algoritm-utvecklare, programvaruutvecklare, kemister och biologer), integrationen av proprietära algoritmer för att förbättra skärning och optimering, och dess smidighet i att anpassa lösningar till marknadsbehov. Vårt samarbete med Google Cloud spelar en avgörande roll i att förbättra vår kapacitet, genom att utnyttja de senaste AI-verktygen för att förfinansiera och accelerera de novo-design av små molekyler. Flexibla samarbetsmodeller säkerställer dessutom att våra proprietära teknologier levererar effektiva, marknadsanpassade lösningar.

Om man ser 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 human 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.