โอเฟอร์ ฮาวิว์ ประธานและซีอีโอของ Evogene – ซีรีส์สัมภาษณ์

โอเฟอร์ ฮาวิว์ เป็นประธานและซีอีโอของ Evogene ก่อนหน้านี้เขา曾ดำรงตำแหน่ง COO และ CFO ของบริษัทตั้งแต่ปี 2002 ถึง 2004 และมีบทบาทสำคัญในการแยก Evogene ออกจาก Compugen ในปี 2002 ที่ Compugen เขาดำรงตำแหน่งผู้อำนวยการฝ่ายการเงินและเหรัญญิกเป็นเวลา 4 ปี ในช่วงเวลานั้น บริษัทได้ทำการเสนอขายหุ้นเอกชน 2 ครั้ง และเสนอขายหุ้น IPO ในตลาด NASDAQ

บางส่วนของคำตอบเหล่านี้ได้รับการสนับสนุนจาก:

• กาบิ ตาร์ซิก VP Product
• อิลิยา ซิดคอฟ VP of Computational Technologies
• รูธ กรอสส์ VP Business Development

Evogene (NASDAQ:EVGN TASE: EVGN.TA) เป็นบริษัทชีววิทยาคอมพิวเตอร์ที่เชี่ยวชาญในการเปลี่ยนแปลงการค้นพบและพัฒนาสินค้าในอุตสาหกรรมชีววิทยาศาสตร์ต่างๆ รวมถึงสุขภาพและเกษตรกรรม บริษัทใช้แพลตฟอร์ม Computational Predictive Biology (CPB) ที่มีความสามารถหลากหลายเพื่อขับเคลื่อนนวัตกรรมใน这些สาขา

ตั้งแต่เข้าร่วมเป็น CEO ในปี 2004 คุณได้กำกับดูแลการเปลี่ยนแปลงของ Evogene จากการแยกออกมาเป็นบริษัทที่จดทะเบียนใน Nasdaq ที่มีแนวทางการพัฒนาชีววิทยาคอมพิวเตอร์ อะไรคือช่วงเวลาที่สำคัญที่สุดหรือการตัดสินใจที่กำหนดทิศทางปัจจุบันของบริษัท?

มีการตัดสินใจเชิงกลยุทธ์ 3 ประการที่กำหนด Evogene ให้เป็นอย่างที่เป็นอยู่ในปัจจุบัน:

1. การตัดสินใจในปี 2013 ที่จะเข้าจดทะเบียนใน NASDAQ
2. การตัดสินใจในปี 2016 ที่จะพัฒนาจากระบบคอมพิวเตอร์เดียว (CPB) ที่รองรับการพัฒนาสินค้าบนพื้นฐานขององค์ประกอบทางพันธุกรรมสำหรับอุตสาหกรรมเกษตรกรรมเป็น 3 เครื่องมือเทคโนโลยีที่รวมข้อมูลที่ไม่เหมือนใคร ระบบคอมพิวเตอร์ และความเข้าใจที่ลึกซึ้งเกี่ยวกับชีววิทยา:

• GeneRator: รองรับการดำเนินงานเดิมของ Evogene ในสาขาสินค้าที่มีพื้นฐานมาจากความเข้าใจที่ลึกซึ้งเกี่ยวกับจีโนมิกส์
• MicroBoost: กำหนดทิศทางและเร่งการพัฒนาสินค้าที่ใช้จุลินทรีย์เป็นพื้นฐาน
• ChemPass: กำหนดทิศทางและเร่งการพัฒนาสินค้าที่ใช้เคมีเป็นพื้นฐาน

3. การตัดสินใจที่จะใช้เครื่องมือเทคโนโลยีเหล่านี้ร่วมกับนักวิจัยของ Evogene เพื่อพัฒนาสินค้าในหลายๆ สาขา กิจกรรมนี้ซึ่งเริ่มต้นขึ้นภายในบริษัทต่อมาได้กลายเป็นพื้นฐานในการสร้างบริษัทสาขาของ Evogene รวมถึง:

• Biomica: ใช้เครื่องมือเทคโนโลยี MicroBoost เพื่อพัฒนายาเพื่อการรักษาโรคที่เกี่ยวข้องกับจุลินทรีย์ในร่างกายมนุษย์
• Lavie Bio: ใช้ MicroBoost เพื่อพัฒนาสินค้าทางชีวภาพที่ใช้จุลินทรีย์เป็นพื้นฐานสำหรับเกษตรกรรม เพื่อป้องกันศัตรูพืชและเพิ่มผลผลิต
• AgPlenus: ใช้เครื่องมือเทคโนโลยี ChemPass เพื่อพัฒนาสินค้าเคมีเพื่อป้องกันศัตรูพืช
• Casterra: ใช้ GeneRator เพื่อพัฒนาพันธุ์มะกอกที่ไม่เหมือนใครเพื่อเพาะปลูกพืชเพื่อผลิตน้ำมันสำหรับอุตสาหกรรมผลิตภัณฑ์ทางชีวภาพและเชื้อเพลิงทดแทน

ชีววิทยาคอมพิวเตอร์ต้องการผู้เชี่ยวชาญระดับสูงในด้านชีววิทยา AI และวิทยาศาสตร์ข้อมูล Evogene ดึงดูดและรักษาผู้เชี่ยวชาญเหล่านี้ได้อย่างไร และทักษะหรือภูมิหลังใดที่คุณให้ความสำคัญ?

ที่ Evogene เราดึงดูดผู้เชี่ยวชาญระดับสูงโดยการสร้างสภาพแวดล้อมที่ทำงานร่วมกันซึ่งรวมชีววิทยา AI และความเชี่ยวชาญด้านคอมพิวเตอร์เข้าด้วยกัน เราให้ความสำคัญกับบุคคลที่มีประสบการณ์หลายสาขา โดยเฉพาะผู้ที่ทำงานในหลายๆ สาขาและนำความรู้จากโลกแห่งความเป็นจริงมาใช้ ความคิดสร้างสรรค์และการแก้ปัญหาเป็นศูนย์กลางของสิ่งที่เราต้องการ ทำให้ทีมของเราสามารถแก้ไขปัญหาที่ซับซ้อนได้ด้วยวิธีแก้ปัญหาที่สร้างสรรค์

การมีสำนักงานใหญ่อยู่ในอิสราเอล ซึ่งเป็นผู้นำระดับโลกในด้านนวัตกรรมเทคโนโลยีและระบบนิเวศที่ส่งเสริมความคล่องตัวและความคิดไปข้างหน้า ทำให้เราได้รับประโยชน์ในการดึงดูดผู้เชี่ยวชาญที่มีความสามารถสูง

การอยู่ใกล้กับสถาบันการศึกษาระดับโลก เช่น สถาบัน Weizmann ทำให้ Evogene มีบทบาทสำคัญในการดึงดูดผู้เชี่ยวชาญที่มีทักษะสูงในด้านชีววิทยา AI และวิทยาศาสตร์ข้อมูล

Evogene เสนอโอกาสให้ผู้เชี่ยวชาญจากโลกเทคโนโลยีได้ใช้ทักษะของตนในการพัฒนาสินค้าสำหรับอุตสาหกรรมชีววิทยาศาสตร์ ซึ่งเป็นสาขาที่ส่งผลกระทบต่อคุณภาพชีวิตและอาหารที่เรากิน นี่เป็นจุดตัดระหว่างเทคโนโลยีและชีววิทยาศาสตร์ที่ไม่เหมือนใครเมื่อเทียบกับอุตสาหกรรมเทคโนโลยีแบบดั้งเดิม สำหรับนักชีววิทยา เราให้เครื่องมือเทคโนโลยีขั้นสูงเพื่อให้พวกเขาบรรลุวิสัยทัศน์ผลิตภัณฑ์ของตนในระดับที่ไม่เหมือนใคร

คุณสามารถอธิบายหลักการสำคัญเบื้องหลังแพลตฟอร์ม Computational Predictive Biology (CPB) ของ Evogene และเครื่องมือ AI ที่มีประสิทธิภาพได้อย่างไร และมันแตกต่างจากแบบจำลอง AI ที่คาดการณ์ได้อื่นๆ ในอุตสาหกรรมชีววิทยาศาสตร์อย่างไร?

แพลตฟอร์ม Computational Predictive Biology (CPB) ของ Evogene รวมความเข้าใจที่ลึกซึ้งเกี่ยวกับชีววิทยาและเคมีเข้ากับ AI การเรียนรู้ของเครื่อง ระบบคอมพิวเตอร์ และข้อมูลชีววิทยาเพื่อทำการวิเคราะห์ข้ามล้านๆ จุดข้อมูล เครื่องมือ AI ที่มีประสิทธิภาพเหล่านี้ได้รับการออกแบบมาเพื่อช่วยให้นักวิจัยค้นพบสินค้าและเร่งการพัฒนาสินค้าใหม่ๆ และเป็นแรงผลักดันสำคัญในการทำงานร่วมกันของเรา

ความโดดเด่นของเราสามารถอธิบายได้ด้วย 3 ปัจจัย:

1. การเชื่อมต่อที่แข็งแกร่งระหว่างความรู้ที่ลึกซึ้งเกี่ยวกับชีววิทยาและเคมีกับโลกคอมพิวเตอร์ในกระบวนการสร้างแอปพลิเคชันเอง以及ความยืดหยุ่นของแอปพลิเคชันในการปรับให้เหมาะสมกับการกำหนดสินค้าที่แตกต่างกัน
2. ความพยายามของเราในการคาดการณ์ในช่วงการค้นพบว่าผู้สมัครที่มีแนวโน้มจะประสบความสำเร็จในการตอบสนองเกณฑ์สำหรับสินค้าเชิงพาณิชย์ ซึ่งเป็นเกณฑ์ที่ทั่วไปจะตรวจสอบในระยะหลังของการพัฒนาสินค้า
3. Evogene ดำเนินงานพร้อมกันใน 3 โดเมน ได้แก่ จีโนมิกส์ เคมี และจุลินทรีย์ ซึ่งให้ความเข้าใจที่ครอบคลุมมากขึ้นเกี่ยวกับกระบวนการสร้างสินค้า

เมื่อพิจารณาจากการมุ่งเน้นของบริษัทในการปฏิวัติการค้นพบสินค้าในด้านสุขภาพ เกษตรกรรม และการประยุกต์ใช้ในอุตสาหกรรม อะไรคือเป้าหมายระยะยาวของ Evogene ในการขยายผลกระทบในเหล่านี้?

เป้าหมายระยะยาวของเราสามารถแบ่งออกเป็น 3 ส่วน:

1. ลงทุนในเครื่องมือ AI ของเราเพื่อประโยชน์ของพันธมิตรที่มีอยู่ เพื่อให้เราสามารถคาดการณ์ผู้สมัครที่ถูกต้องสำหรับการตรวจสอบและรวมเกณฑ์เพิ่มเติมสำหรับการพัฒนาสินค้าในช่วงแรกได้ดีขึ้น
2. เพื่อขยายการใช้เครื่องมือของเราไปยังส่วนอื่นๆ ที่ Evogene ยังไม่ได้เข้าไปมีส่วนร่วม เช่น การมุ่งเน้นเชิงกลยุทธ์ในการค้นพบยาใหม่ผ่านเครื่องมือ ChemPass-AI
3. เพื่อส่งเสริมมูลค่าของบริษัทสาขาของเราและได้รับประโยชน์จากการเป็นผู้ถือหุ้นผ่านการขายบางส่วนของการถือครองของเราหรือการรับเงินปันผล

แพลตฟอร์ม CPB ของ Evogene พัฒนาไปอย่างไรตั้งแต่เริ่มก่อตั้ง และมีการพัฒนาหรือความท้าทายใดๆ ที่คุณพบในการสร้างเครื่องมือ AI ใหม่ๆ เช่น ChemPass AI และ MicroBoost AI?

แพลตฟอร์ม Computational Predictive Biology (CPB) ของ Evogene ได้รับการพัฒนาโดยใช้สถาปัตยกรรมแบบโมโนลิธิกที่รวมชุดแอปพลิเคชันทางชีวสารสนเทศที่เน้นไปที่จีโนมิกส์ของพืช การรับรู้ถึงความจำเป็นในการมีความยืดหยุ่นและความสามารถในการปรับขนาดมากขึ้น แพลตฟอร์มได้รับการเปลี่ยนแปลงเป็นสถาปัตยกรรมแบบไมโครเซอร์วิส ซึ่งช่วยให้สามารถปรับปรุงส่วนต่อประสานผู้ใช้ (UI) และประสบการณ์ผู้ใช้ (UX) ได้อย่างมาก การพัฒนาสถาปัตยกรรมนี้ได้รับการสนับสนุนการขยายตัวของแพลตฟอร์มไปยังโดเมนใหม่ๆ ภายในชีววิทยาศาสตร์ นอกเหนือจากจีโนมิกส์ รวมถึงจุลินทรีย์วิทยาและเคมี ซึ่งนำไปสู่การสร้างเครื่องมือ AI ใหม่ๆ เช่น ChemPass AI สำหรับการค้นพบโมเลกุลขนาดเล็ก และ MicroBoost AI สำหรับการใช้งานที่เกี่ยวข้องกับจุลินทรีย์

การทำงานร่วมกันกับ Google Cloud เกิดขึ้นได้อย่างไร และปัจจัยหลักใดที่ทำให้ Google Cloud เป็นพันธมิตรที่ต้องการสำหรับ Evogene?

การทำงานร่วมกันกับ Google Cloud ถูกขับเคลื่อนโดยความมุ่งมั่นร่วมกันในการใช้เทคโนโลยี AI ที่ทันสมัยในการปฏิวัติการค้นพบและพัฒนายา การใช้แพลตฟอร์ม Vertex AI ของ Google Cloud ที่มีประสิทธิภาพ GPU และความจุในการเก็บข้อมูลขนาดใหญ่ให้พลังการคำนวณที่จำเป็นในการฝึกโมเดลพื้นฐานของเราบนโครงสร้างโมเลกุลประมาณ 40 พันล้าน โครงสร้างนี้สร้างความสอดคล้องกันระหว่างความเชี่ยวชาญของเราในเคมีคอมพิวเตอร์และความเชี่ยวชาญของ Google ใน AI และการเรียนรู้ของเครื่อง ซึ่งช่วยให้สามารถสร้างนวัตกรรมได้อย่างรวดเร็ว มีความสามารถในการปรับขนาด และมีความหลากหลายที่ไม่เคยเห็นมาก่อนในการออกแบบโมเลกุล

โมเดลพื้นฐานมีเป้าหมายในการสร้างและประเมินโมเลกุลขนาดเล็กใหม่ๆ คุณคาดการณ์ว่าจะมีผลกระทบอย่างไรต่อความเร็วและความแม่นยำในการพัฒนายาและสินค้า?

แนวทางโมเดลพื้นฐานแสดงถึงนวัตกรรมที่ทันสมัยในการพัฒนายาและสินค้า โดยสามารถฝึกอบรมบนชุดข้อมูลขนาดใหญ่กว่าเมธอด AI ทั่วไปได้ ความสามารถนี้ช่วยให้ได้ข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นและความแม่นยำที่ดีขึ้น ซึ่งเป็นการเปลี่ยนแปลงที่มีผลกระทบต่อการค้นพบและพัฒนายา ในระยะสั้น โมเดลจะปฏิวัติช่วงการค้นพบโดยการสร้างโมเลกุลขนาดเล็กใหม่ๆ ที่มีคุณสมบัติที่ต้องการอย่างรวดเร็ว และขยายความหลากหลายทางเคมีโดยการหลุดออกจากพื้นที่ทางเคมีที่แคบๆ ที่ได้รับการสำรวจ และการค้นพบสารประกอบเคมีใหม่ที่มีศักยภาพสูง

คุณคาดการณ์ว่าเทคโนโลยีนี้จะมีอิทธิพลต่อการวิจัยและพัฒนายาในอุตสาหกรรมเภสัชกรรมอย่างไร และมีความท้าทายใดๆ ที่คุณเชื่อว่าโมเดลนี้สามารถช่วยแก้ไขได้?

โมเดลพื้นฐานสำหรับการค้นพบโมเลกุลขนาดเล็กมีศักยภาพที่จะปฏิวัติการวิจัยและพัฒนายาในอุตสาหกรรมเภสัชกรรมโดยการลดเวลาและต้นทุนในการพัฒนา และเพิ่มความน่าจะเป็นของความสำเร็จ เทคโนโลยีนี้ช่วยให้สามารถสร้างผู้สมัครยาที่มีแนวโน้มได้อย่างรวดเร็วและแม่นยำ ซึ่งอาจลดระยะเวลาการพัฒนาที่ใช้เวลา 12-15 ปีและต้นทุนที่สูงกว่า 2 พันล้านดอลลาร์ต่อยาได้ โดยการทำให้กระบวนการนี้มีประสิทธิภาพและเพิ่มความน่าจะเป็นของความสำเร็จในการบรรลุถึงขั้นตอนการค้าขายสินค้า โมเดลพื้นฐานสามารถส่งเสริมให้เกิดการรักษาที่มีนวัตกรรมและให้ทางเลือกการรักษาที่ดีขึ้นสำหรับผู้ป่วยที่มีโรคที่เป็นภัยต่อชีวิต

เมื่อเผชิญกับการแข่งขันที่เพิ่มขึ้นในด้าน AI สำหรับชีววิทยาศาสตร์ Evogene วางแผนจะรักษาความได้เปรียบในการแข่งขันในด้านชีววิทยาคอมพิวเตอร์และการออกแบบโมเลกุลอย่างไร?

ความได้เปรียบในการแข่งขันของ Evogene มาจากความเชี่ยวชาญของทีมที่มีความหลากหลาย (นักพัฒนาอัลกอริทึม วิศวกรซอฟต์แวร์ นักเคมีและนักชีววิทยา) การรวมอัลกอริทึมที่เป็นเอกลักษณ์เพื่อเพิ่มการกรองและปรับให้เหมาะสม และความคล่องตัวในการปรับโซลูชันให้เหมาะสมกับความต้องการของตลาด การทำงานร่วมกันกับ Google Cloud มีบทบาทสำคัญในการพัฒนาความสามารถของเรา โดยใช้เครื่องมือ AI ที่ทันสมัยเพื่อปรับปรุงและเร่งการออกแบบโมเลกุลใหม่แบบ de-novo

เมื่อมองไปข้างหน้า คุณมีวิสัยทัศน์ระยะยาวสำหรับบทบาทของ Evogene ในการกำหนดอนาคตของชีววิทยาคอมพิวเตอร์อย่างไร และคุณเห็นว่าบริษัทจะมีผลกระทบต่ออุตสาหกรรมชีววิทยาศาสตร์ในช่วง 10 ปีข้างหน้าอย่างไร?

วิสัยทัศน์ของ Evogene คือการยังคงเป็นผู้นำในด้านชีววิทยาคอมพิวเตอร์และเคมี และกำหนดอนาคตของการค้นพบและพัฒนาสินค้าในชีววิทยาศาสตร์ ในช่วง 10 ปีข้างหน้า เราเห็นภาพการขยายตัวทางเทคโนโลยีของเราผ่านการร่วมมือเชิงกลยุทธ์ การขับเคลื่อนนวัตกรรมในด้านสุขภาพ เกษตรกรรม และความยั่งยืน เพื่อแก้ไขความท้าทายทั่วโลกที่สำคัญ เป้าหมายสูงสุดของเราคือการเปลี่ยนแปลงความก้าวหน้าเหล่านี้ให้เป็นสินค้าใหม่ๆ ที่เป็นนวัตกรรม เช่น ยาใหม่ที่มีผลกระทบ การแก้ปัญหาเกษตรกรรมที่ยั่งยืน และเทคโนโลยีที่เป็นมิตรกับสิ่งแวดล้อม