バイオ分子に照準を合わせて新薬を生み出すGandeeva Therapeuticsが46億円調達

今回は「バイオ分子に照準を合わせて新薬を生み出すGandeeva Therapeuticsが46億円調達」についてご紹介します。

関連ワード （方面、最終目標、知見等） についても参考にしながら、ぜひ本記事について議論していってくださいね。

本記事は、TechCrunch様で掲載されている内容を参考にしておりますので、より詳しく内容を知りたい方は、ページ下の元記事リンクより参照ください。

かつて冗談交じりに「ブロボグラフィー（抽象的な芸術作品の一種）」と呼ばれていた分野が大きく進展した。

低温電子顕微鏡法は、現在、生体の最小構成要素を最も忠実に観察できる手法の1つで、バイオ分子のアモルファス（非晶質＝結晶ではない）画像を提供する。米国時間1月31日、4000万ドル（約46億円）のシリーズAラウンドを完了し、その存在を世に知らしめた新しいバイオテック企業Gandeeva Therapeutics（ガンディーバセラピューティクス）は、これを重要な柱として、低温電子顕微鏡法による高解像度画像と機械学習ツールを組み合わせて、創薬のプロセスを高速化することを計画している。

共同創業者でありCEOのSriram Subramaniam（シュリラーム・サブラマニアム）氏は、TechCrunchの取材に対して次のように話す。「『電子顕微鏡でタンパク質を原子レベルの分解能で可視化する』という創業時の夢を、約15年の歳月をかけて実現しました。誰かがこの夢を実現できれば、これこそが創薬を変え、革命を起こすために必要な重要なツールになるはずだと確信していました」。

「現在の低温電子顕微鏡法の進歩を採り入れて、実際に学習するプラットフォームを作ることがGandeevaの命題である」と同氏は続ける。高解像度の画像を利用すれは、これまで観ることのできなかった結合ポケットを発見することが可能で、それに合う薬剤を見つけることができる、というのだ。

「金鉱を採掘する道具は重要ですが、その金鉱をどうするか、つまりどのような製品に変換するかを知っている必要があります。私たちの場合は、それは患者さんのための薬です」。

現在では、Insilico Medicine（インシリコ・メディスン）、Generate Biomedicines（ジェネレート・バイオメディシンズ）、Pepper Bio（ペッパーバイオ）、Eikon Therapeutics（エイコン・セラピューティクス）、Isomorphic Labs（アイソモルフィックラボ）といった数多くの企業が創薬という大きなチャレンジに取り組んでいるが、Gandeevaのアプローチは、簡単にいえば、体内のドラッガブル（druggable、ターゲット分子における低分子化合物による機能調節の可能性を意味する）なターゲットを見つけるために「実際に観てみる」といったところだ。

周りをぐるっと見ただけでも、これまで数え切れないほどの科学的ブレークスルーがもたらされてきた。しかし、身体の構成要素に関しては、特殊な顕微鏡技術がなければブレークスルーは起こり得ない。この分野の代表的な技術はX線結晶構造解析で、タンパク質や分子を文字通り結晶に詰め込んでX線を照射し、その形や大きさ、向きを近似的に再現するものである。

X線結晶構造解析の問題は、結晶化という手間と時間のかかるプロセスにある。しかし、低温電子顕微鏡法では、結晶化が不要だ。この手法では、分子を瞬間冷凍して2次元のシートを作り、それを電子銃で照射する。2次元シートは生体分子を電子から保護し、詳細な画像の撮影や、結晶化構造では観ることのできないバイオ分子の動きの撮影を可能にする。

低温電子顕微鏡法では、2オングストローム（ナノメートルの10分の1）の構造体の画像が得られる（参考までに、人の髪の毛1本の太さは約100万オングストロームである）。

低温電子顕微鏡がブームになっていることを示す証拠もある。2024年までに、低温電子顕微鏡で決定されるタンパク質構造がX線結晶構造解析を上回る、と予測する科学者もいる（2020年2月のNatureのニュース）。顕微鏡や装置が高価であるにもかかわらず、分解能が飛躍的に向上したことで、低温電子顕微鏡は主要な科学的ツールキットとなりつつある。

左：オミクロンスパイクタンパク質の低温電子顕微鏡マップ（画像クレジット：Scienceに掲載）、右：X線結晶構造解析によるAAA ATPaseのp97の画像（画像クレジット：Gandeeva Therapeutics）

一方、構造生物学という点ではGandeevaに有利な動きが他にもある。1つは、機械学習が進歩してタンパク質がどのように折りたたまれるか（タンパク質フォールディング）を正確に予測できるようになったことだ。

すでにタンパク質フォールディングを予測できるAIエンジンが2つ開発されている。アルファベット傘下のAI企業、DeepMind（ディープマインド）が開発したAlphaFoldと、ワシントン大学が開発したRoseTTAFoldである。かつてはタンパク質の構造を決定するには何時間も実験室で作業する必要があったが、RoseTTAFoldは通常のゲーム用コンピューターを使って、10分でタンパク質の構造を予測できるという。

サブラマニアム氏は、これらのツールは、タンパク質の構造と機能に関する前例のないレベルの知見を提供するが、まだ対処すべきギャップがある（AIによる予測では、要素によっては他の手法より信頼度が低いなど）と主張し、低温電子顕微鏡法では、タンパク質のある領域にズームインしたり、タンパク質のさまざまなコンフォメーション（立体配座）を撮影したりすることができるので、こうしたギャップを埋めることができるだろう、と指摘する。

「AIには革命の真っただ中にありますが、誰もが『AIって結局何？』と疑問に思っているのではないでしょうか。AIと低温電子顕微鏡の組み合わせは、実験だけでも予測だけでもない、まさしく正攻法であり、Gandeevaの命題でもあります」とサブラマニアム氏。

「AIによる構造生物学や相互作用の理解を利用して、最速かつ適切なスループットで精密なイメージングを組み合わせることができます」。

Gandeevaは現在、政府や大学がスポンサーとなっていなくても、すばやく簡単に低温電子顕微鏡を利用できることを証明しようとしている。この分野におけるサブラマニアム氏の研究の多くはこうした環境で行われてきたので、これは重要なポイントだ。

サブラマニアム氏は、キャリアの大半を米国国立衛生研究所（NIH）で過ごした。国立がん研究所（NCI）の生物物理学セクションのチーフを務め、その後、政府が運営する国立低温電子顕微鏡研究所を設立。NIHでは、Gandeevaの低温電子顕微鏡を使った創薬プラットフォームの開発を進めたいと考えていたが、ラボの開発だけで数十億円の費用がかかることが判明した。

同氏によると、当時「VCはこのようなアプローチに関心を持たなかった」という。しかし、ブリティッシュコロンビア大学（UBC）が興味を示したため、彼はNIHを退職し、UBCのCancer Drug Designのチェアマンに就任した。

「NIHで行っていたことが再現できると証明するために、UBCに来て数年間でこのプロジェクトの基本を立ち上げました。UBCで作成したプロトタイプは、この方面に迅速に進めることを投資家に確信してもらうきっかけとなりました」と同氏は話す。

この概念実証（PoC）では、短時間で作成されたオミクロン変異体のスパイクタンパク質の低温電子顕微鏡画像がScienceに掲載された。

しかしながら、Gandeevaの最終目標は、低温電子顕微鏡法をパッケージ化して生物学的に美しい写真を撮ることではなく、新薬の開発にかかる時間を短縮することを目的とした研究プラットフォームである。

サブラマニアム氏は「薬剤がどこに結合するか、タンパク質のどの表面をターゲットにしているのかを正確に観ることができるので、単純に、大幅に時間を短縮できると考えています。このような情報があれば行き止まりの経路を調べずに済むため、非常に有効です」と話す。

Gandeevaは、この技術を工業規模かつ速度で実行し、他では得られない情報を得られることを証明する必要がある。同社は、バンクーバー郊外の施設を6年間リースしており、サブラマニアム氏はここでプラットフォーム機能を構築する予定だ。

社内的には、いくつかのプログラムを進めて、潜在的な創薬ターゲットを特定できることを証明するのが目標である。サブラマニアム氏は、もしかしたらGandeevaのプラットフォームを腫瘍学に適用し始めるかもしれない、と話すが、これはまだ決まっていない。

今回のラウンドはLux Capital（ラックスキャピタル）とLEAPS by Bayer（リープスバイバイエル）が主導。Obvious Ventures（オブビアスベンチャーズ）、Amgen Ventures（アムジェンベンチャーズ）、Amplitude Ventures（アンプリチュードベンチャーズ）、Air Street Capital（エアストリートキャピタル）が参加した。

画像クレジット：Gandeeva Therapeutics

【原文】

The field scientists once jokingly called “blobography” has come a long way.

Cryogenic electron microscopy was formerly known for delivering amorphous images of biomolecules. Now it has become one of the highest fidelity methods available for viewing the body’s smallest building blocks. It’s also a key pillar of Gandeeva, a new biotech company that emerged from stealth on Monday with a $40 million Series A round. The company plans to combine this high-resolution imagery with a suite of machine learning tools to speed up the process of drug discovery.

“It took about 15 years of dedicated effort to achieve this dream we had when we started: to literally visualize proteins in an electron microscope at atomic resolution. Once we and others showed this could be done, it was clear to me that this was the critical tool needed to transform and revolutionize drug discovery,” co-founder and CEO Sriram Subramaniam told TechCrunch.

Gandeeva’s thesis, he continues, is about creating a platform that can actually learn from the current advances in cryo-Em. The idea is that these high-resolution images can help reveal previously unseen pockets for drugs to bind to, if, we can find drugs that fit the bill.

“Having the tool to dig for gold is one thing, but you need to know what to do with that — what product to convert it into. And in our case that’s medicines for patients,” he said.

There are lots of companies tackling the mammoth problem of drug discovery at the moment. Gandeeva’s approach, put extremely bluntly, is that seeing is believing when it comes to finding druggable targets in the body.

Countless scientific breakthroughs have been achieved by simply observing the world around us. But when it comes to the body’s building blocks, this is impossible without specific microscope techniques. The leading technique in this field for decades has been X-ray crystallography, in which a scientist literally packs proteins or molecules together into a crystal and shoots X-rays at it, approximating its shape, size and orientation.

The issue with X-ray crystallography was the crystallization bit — this process is arduous and time consuming. The upside of cryo-Em is that it doesn’t require crystallization. Instead, the molecules are flash frozen, creating a 2D sheet, that’s then shot with an electron gun. This sheet protects the biomolecule from the electrons and allows for the capture of detailed images. That sheet also allows for scientists to capture the motion of biomolecules, a process that’s not possible with a crystal-encased structure.

For example, it’s possible to obtain images of structures as small as two ångströms across — that’s one-tenth of a nanometer. (For reference, the width of one human hair is about 1 million ångströms).

There’s some evidence that cryo-EM is in the midst of a boom. As Nature reported in February 2020, some scientists have predicted that more protein structures will be determined by cryo-EM than X-ray crystallography by 2024. It’s becoming a bigger part of the scientific toolkit — despite the sometimes prohibitively expensive costs of microscopes and equipment needed to perform the technique — because resolution has vastly improved.

Left: A Cryo-EM-based map of Omicron’s spike protein (Image Credits: originally published in Science).
Right: An X-ray crystallography-informed image of p97 AAA ATPase. Image Credits: Gandeeva Therapeutics

Meanwhile, there are other developments in structural biology working in Gandeeva’s favor. For one, advances in machine learning have made it possible to predict exactly how proteins fold.

Specifically, we’ve seen the development of two AI engines capable of predicting how proteins fold: AlphaFold, developed by Alphabet-owned AI outfit DeepMind, and RoseTTAFold, developed at the University of Washington. While it used to take hours of lab work to determine protein structures, RoseTTAFold claims to be able to predict that structure in 10 minutes, on a regular gaming computer.

Subramaniam has argued that these tools provide an unprecedented level of insight into protein structure and function, but that there will still be gaps to fill (for instance, there are some elements of the AI predictions that are lower confidence than others). Cryo-EM, he notes, allows scientists to zoom in on specific areas of a protein, or capture images of proteins in many different conformational states (think wiggles), perhaps filling those gaps.

“We have this whole new revolution happening in AI, and I think everyone is wondering: what does this all mean? This combination of AI and cryo-EM, which was always Gandeeva’s thesis, is really the ticket because it’s not just experimental alone or prediction alone,” he said.

“You can [use] these AI-based understandings of structural biology and interactions and combine that with precision imaging at the highest speed at the right throughput.”

So far, Gandeeva is aiming to prove that cryo-EM can actually be done quickly and easily outside of a government or university sponsored context. That’s important, because much of Subramaniam’s work in this field has come in those environments.

Subramaniam spent the bulk of his career at the NIH, where he was chief of the biophysics section at the National Cancer Institute. From there he went on to found the the National Cryo-EM facility, a government-run lab. At the NIH, he hoped to get moving on Gandeeva’s cryo-EM-based drug discovery platform, and realized that developing the lab alone would cost billions.

At that time, “VCs had no interest in that kind of approach,” he said. But the University of British Columbia did. He left the NIH to become chair of Cancer Drug Design at the university.

“In the last few years that I’ve been here, I set up this essentially to show that I could repeat what we did at the NIH. So at UBC, I was able to create a prototype and that’s really what persuaded investors this could be done at speed,” he said.

His proof-of-concept came in the form of a rapidly produced cryo-EM image of the Omicron variant’s spike protein, published in Science.

Ultimately, though, Gandeeva isn’t just packaging cryo-EM in hopes of taking pretty biological pictures — it’s a research platform aimed to cut down the time it takes to create new drugs.

“We do think that we can shave a lot of time off simply because of the power of looking at exactly where the drug binds, and what protein surfaces it targets. That kind of information is extremely powerful because it prevents you from following dead end pathways,” Subramaniam said.

The company will have to prove that it can perform this technique at industrial speed and scale, and glean information that can’t be found elsewhere. Gandeeva has a six-year lease on a facility outside of Vancouver, where Subramaniam plans to build out the functionality of his platform.

Internally, the goal is to advance a few programs to prove that they can identify potential drug targets. Subramaniam said that if he had to guess, he’ll likely start applying Gandeeva’s platform to oncology — but that’s not set in stone.

This round was led by Lux Capital and LEAPS by Bayer. The round includes participation from Obvious Ventures, Amgen Ventures, Amplitude Ventures and Air Street Capital. The company has raised $40 million to date.

（文：Emma Betuel、翻訳：Dragonfly）