访谈
Evogene 首席执行官 Ofer Haviv – 采访系列
Ofer Haviv 是 Evogene 的首席执行官和总裁。在此之前，他曾于 2002 年至 2004 年担任公司的首席运营官和首席财务官，并在 Evogene 于 2002 年从 Compugen 分拆出来时发挥了关键作用。在 Compugen，他曾担任财务总监和财务主管四年期间，公司完成了两次私募和在纳斯达克上市。
部分答案也得到了以下人员的贡献：
- Gabi Tarcic 产品副总裁
- Ilia Zhidkov 计算技术副总裁
- Ruth Gross 商业发展副总裁
Evogene (纳斯达克：EVGN，TASE：EVGN.TA) 是一家计算生物学公司，专门从事跨各个生命科学行业（包括人类健康和农业）的产品发现和开发。该公司利用其多功能的计算预测生物学（CPB）平台来推动这些领域的创新。
自 2004 年加入公司担任首席执行官以来，您曾监督 Evogene 从分拆公司到纳斯达克上市的计算生物学领域领导者的转变。是什么最关键的时刻或决定塑造了公司当前的方向？
三个战略决策塑造了 Evogene 如今的面貌：
- 2013 年决定在纳斯达克上市。
- 2016 年决定从单一计算系统（CPB）演变为三个独立的技术引擎，这些引擎结合了独特的数据、计算系统和对生命科学的深入理解：
- GeneRator：支持 Evogene 在基因组学领域的原始活动。
- MicroBoost：加速微生物基于产品的开发。
- ChemPass：加速化学基于产品的开发。
- 决定使用这些独特的技术引擎与 Evogene 的研究人员合作，开发各个领域的产品。这种活动最初是作为公司内部的分支，后来成为建立 Evogene 子公司的基础，包括：
- Biomica：使用 MicroBoost 技术引擎开发基于人类微生物群的药物。
- Lavie Bio：使用 MicroBoost 技术开发基于微生物的农业产品，保护植物免受害虫侵害并提高产量。
- AgPlenus：使用 ChemPass 技术引擎开发用于作物保护的化学产品。
- Casterra：使用 GeneRator 技术开发独特的蓖麻品种，用于种植蓖麻植物以生产用于生物产品和替代燃料日益增长的行业的油。
计算生物学需要生物学、人工智能和数据科学领域的顶级人才。Evogene 如何吸引和留住这些领域的专家，以及您优先考虑什么技能或背景？
在 Evogene，我们通过营造一个将生物学、人工智能和计算专长整合在一起的协作环境来吸引顶级人才。我们重视具有多学科经验的个人，特别是那些曾在多个领域工作并带来“现实世界”见解的人。创造力和解决问题能力是我们寻求的核心，我们的团队能够以创新解决方案应对复杂挑战。
总部位于以色列——一个高科技创新全球领先者，拥有一个促进敏捷和前瞻性思维的生态系统——增强了我们吸引杰出人才的能力。
Evogene 与世界一流的学术机构（如魏茨曼研究所）接近，在吸引生物学、人工智能和数据科学领域的熟练专业人士方面发挥着重要作用。
Evogene 为科技界的专业人士提供了一个独特的机会，将他们的专业知识应用于生命科学领域的产品开发——这些领域深刻影响着生活质量和我们所吃的食物。科技和生命科学的交汇点在传统的高科技行业中是无与伦比的。对于生物学家，我们提供了先进的技术工具，使他们能够以无与伦比的水平实现产品愿景。
您能否详细说明 Evogene 的计算预测生物学（CPB）平台背后的核心原则及其 AI 技术引擎，以及它如何与生命科学领域的其他预测 AI 模型区别开来？
Evogene 的计算预测生物学（CPB）平台将生物学和化学的深入理解与人工智能、机器学习、计算模型和生物数据相结合，进行数百万个数据点的分析。这些成熟的 AI 技术引擎旨在协助研究人员进行产品发现、简化新产品的开发，并已成为我们许多合作的驱动力。
我们的独特性可以用三个参数来表征：
- 在应用程序开发过程中以及应用程序本身的定义中，生物学和化学领域与计算世界之间的密切联系。
- 我们努力在发现阶段尽早预测候选物成功满足商业产品标准的可能性——这些标准通常在产品开发的后期阶段进行检查。
- Evogene 在基因组学、化学和微生物学三个领域同时运作，提供了对开发过程的更全面理解。
考虑到公司在健康、农业和工业应用领域的产品发现革命的关注点，Evogene 在这些领域扩大影响力的长期目标是什么？
我们的长期目标可以分为三个：
- 投资我们的技术引擎，以使现有合作伙伴受益，我们可以更好地预测验证的正确候选物，并可以在产品开发的早期阶段包含更多标准。
- 扩大我们引擎的用途，以涵盖 Evogene 现有子公司尚未解决的其他领域，例如我们目前通过 ChemPass-AI 引擎对药物发现的战略关注点。
- 通过出售部分持股或收取股息来促进我们的子公司的价值并受益于股东身份。
CPB 平台自其诞生以来如何演变，您在开发新技术引擎（如 ChemPass AI 和 MicroBoost AI）时遇到了什么最近的进展或挑战？
计算预测生物学（CPB）平台最初使用单体架构开发，集成了一个主要针对植物基因组学的生物信息学应用程序套件。认识到需要更大的灵活性和可扩展性，该平台转换为微服务架构，显著增强了用户界面（UI）和用户体验（UX）。这种架构演变支持了平台在生命科学领域的扩展，超出了基因组学，包括微生物学和化学，导致了创新技术引擎的开发，例如 ChemPass AI 用于小分子发现和 MicroBoost AI 用于基于微生物群的应用。虽然这些技术的扩展带来了挑战，但平台的多学科方法确保了持续的进展和各个科学学科的重大进展。
与 Google Cloud 的合作是如何形成的，什么是使 Google Cloud 成为 Evogene 首选合作伙伴的主要因素？
我们的与 Google Cloud 的合作是由共同的愿景驱动的，即利用先进的 AI 技术来改变小分子药物的发现和开发。Google Cloud 的强大的 Vertex AI 平台、尖端的 GPU 和庞大的存储能力为我们的基础模型提供了训练所需的计算能力，该模型在约 40 亿个分子结构上进行训练。他们在 AI 和机器学习方面的专业知识与 Evogene 在计算化学方面的优势相结合，创造了一个协同作用，使创新加速、可扩展性和分子设计的多样性前所未有。这种合作正在加速我们将变革性解决方案带到药物发现和可能其他生命科学产品的能力。
基础模型旨在生成和评估新的小分子。您预见这种方法对药物和产品开发的速度和准确性的即时和长期影响是什么？
基础模型方法代表了药物和产品开发中的一项开创性创新，能够在比传统 AI 方法更大规模的数据集上进行预训练。这种能力使得对新的小分子进行更深入的洞察和增强的精度成为可能，标志着药物发现和开发领域的转折点。从短期来看，该模型将通过快速生成具有预定义属性的小分子来革命性地改变发现阶段，扩大化学多样性，打破传统方法中探索的狭窄化学空间，并发现新颖、高潜力的化学化合物。从长远来看，发现阶段中 AI 的整合可以显著造福开发的后期阶段，甚至可能到临床开发阶段。
您预见这种技术将如何影响制药研发？您认为这种模型可以帮助解决制药研发领域的哪些最紧迫的挑战？
用于小分子药物发现的基础模型为制药研发带来了巨大的希望，通过显著减少开发时间和成本以及提高成功的可能性。这种技术可以快速准确地生成有前途的药物候选物，可能将开发时间从 12-15 年缩短，并将开发成本从 20 亿美元以上降低。通过简化流程并提高产品商业化阶段的成功概率，基础模型可以促进未来创新疗法的发展，并为危及生命的疾病患者提供更好的治疗选择。
随着生命科学领域人工智能竞争的加剧，Evogene 如何保持计算生物学和分子设计领域的竞争优势？
Evogene 的竞争优势源于其多学科团队（算法开发人员、软件工程师、化学家和生物学家）的专业知识、对专有算法的整合以增强筛选和优化，以及其在为市场需求量身定制解决方案方面的敏捷性。我们与 Google Cloud 的合作在推进我们的能力方面发挥了至关重要的作用，利用最先进的 AI 工具来完善和加速新分子设计。灵活的合作模式进一步确保我们的专有技术能够提供有影响力、符合市场需求的解决方案。
展望未来，Evogene 在未来十年内如何看待其在计算生物学领域的角色和对生命科学行业的影响？
Evogene 的愿景是继续成为计算生物学和化学的先驱，塑造生命科学产品开发的未来。在未来十年内，我们设想通过战略伙伴关系扩大我们的技术范围，推动人类健康、农业和可持续发展领域的进步，以应对关键的全球挑战。我们的最终目标是将这些进步转化为创新产品——开创性的治疗方法、可持续的农业解决方案和环保技术。
