Två utexaminerade från Data Science Institute (DSI) vid Columbia University använder beräkningsdesign för att snabbt upptäcka behandlingar för coronaviruset.

Andrew Satz och Brett Averso är verkställande direktör och teknisk chef, respektive, av EVQLV, en startup som skapar algoritmer som kan generera beräkningsmässigt, undersökning, och optimera hundratals miljoner terapeutiska antikroppar. De tillämpar sin teknik för att upptäcka behandlingar som mest sannolikt kan hjälpa dem som är infekterade av viruset som är ansvarigt för covid-19. Maskininlärningsalgoritmerna screenar snabbt efter terapeutiska antikroppar med stor sannolikhet för framgång.

Att genomföra antikroppsupptäckten i ett laboratorium tar vanligtvis år; det tar bara en vecka för algoritmerna att identifiera antikroppar som kan bekämpa viruset. Att påskynda utvecklingen av en behandling som kan hjälpa smittade människor är avgörande, säger Satz, som är en 2018 DSI-alumn och 2015 examen från Columbia's School of General Studies.

"Vi minskar tiden det tar att identifiera lovande antikroppskandidater, " säger han. "Studier visar att det tar i genomsnitt fem år och en halv miljard dollar att upptäcka och optimera antikroppar i ett labb. Våra algoritmer kan avsevärt minska den tid och kostnad."

Att påskynda det första steget i processen – antikroppsupptäckt – går långt för att påskynda upptäckten av en behandling för covid-19. Efter att EVQLV utfört beräkningsbaserad antikroppsupptäckt och optimering, den skickar de lovande antikroppsgensekvenserna till sina laboratoriepartners. Laboratorietekniker konstruerar sedan och testar antikropparna, en process som tar några månader, till skillnad från flera år. Antikroppar som visar sig vara framgångsrika kommer att gå vidare till djurstudier och, till sist, mänskliga studier.

Med tanke på den internationella brådskan att bekämpa coronaviruset, Satz säger att det kan vara möjligt att ha en behandling klar för patienter före slutet av 2020.

"Vad våra algoritmer gör är att minska sannolikheten för misslyckande med upptäckt av droger i labbet, ", tillägger han. "Vi misslyckas i datorn så mycket som möjligt för att minska risken för nedströms fel i laboratoriet. Och det spar en betydande mängd tid från mödosamt och tidskrävande arbete."

Averso, som också är en 2018 DSI-alumn, säger att några av antikropparna som EVQLV designar är avsedda att förhindra att coronaviruset fäster på människokroppen. "De rättformade antikropparna binder till proteiner som sitter på ytan av mänskliga celler och coronaviruset, liknar ett lås och en nyckel. Sådan bindning kan förhindra spridningen av viruset i människokroppen, potentiellt begränsa effekterna av sjukdomen."

Han noterade också att det vetenskapliga samfundet och bioteknikindustrin är galvaniserade för att skapa samarbeten som leder till terapi, diagnostik, och vacciner så snabbt som möjligt.

EVQLV samarbetar med Immunoprecise Antibodies (IPA), ett företag fokuserat på upptäckten av terapeutiska antikroppar. Samarbetet kommer att påskynda arbetet med att utveckla terapeutiska kandidater mot COVID-19. EVQLV kommer att identifiera och screena hundratals miljoner potentiella antikroppsbehandlingar på bara några dagar – långt bortom kapaciteten hos något laboratorium. IPA kommer att producera och testa de mest lovande antikroppskandidaterna.

Satz och Averso, som träffades medan studenterna vid DSI, är djupt engagerade i att använda "data för gott". Paret har arbetat tillsammans i flera år i skärningspunkten mellan datavetenskap och hälsovård och bildade EVQLV i december 2019 för att använda AI för att accelerera hastigheten med vilken läkning upptäcks, tagit fram, och levereras. Företaget har redan vuxit till 12 teammedlemmar med färdigheter som sträcker sig från maskininlärning och molekylärbiologi till mjukvaruteknik och antikroppsdesign, molntjänster, och klinisk utveckling.

Båda DSI-kandidaterna lägger vanligtvis 100 timmars arbetsveckor eftersom de brinner för och är engagerade i att använda datavetenskap för att "hjälpa till att läka de behövande."

"Vi bygger ett företag som ligger vid gränserna för AI och bioteknik, " säger Satz. "Vi jobbar hårt med att accelerera hastigheten med vilken läkning upptäcks och levereras och kunde inte begära ett mer tillfredsställande uppdrag."