BigHat $75 сая босгов: AI эм нь аль хэдийн хүний туршилтад оржээ

АНУ-ын Калифорни мужийн Сан Матео хотод төвтэй BigHat Biosciences 2026 оны 9 дүгээр сарын 24-ний мэдэгдэлдээ $75 саяын Series C санхүүжилтээ хааж, нийт босгосон хөрөнгөө $223 саяд хүргэсэн бөгөөд AI ашиглан хөгжүүлсэн BHB810-ийн эхний өвчтөнд тун хийснийг мэдээлэв. Раундыг DFJ Growth болон Premji Invest хамтран тэргүүлжээ. Шинэ хөрөнгө эмийн хөтөлбөрүүдийг урагшлуулахын зэрэгцээ молекулын загварыг лабораторийн хэмжилтээр сайжруулдаг платформыг өргөжүүлэхэд зориулагдана.

Гүйцэтгэх захирал Пейтон Гринсайд “We basically generate all of our own data in-house” гэж San Francisco Business Times-д хэлсэн бөгөөд тус хэвлэл BHB810-ийн анхны клиникийн өгөгдлийг 2027 онд хүлээж, BHB299-ийг мөн тэр онд хүний туршилтад оруулахаар төлөвлөж буйг мэдээлжээ. Одоогоор өвчтөнд хүрсэн нь BHB810; BHB299 эмнэлзүйн өмнөх шатанд байна. Санхүүжилтийн хэмжээ болон лабораторийн хурд нь эдгээр эм өвчтөнд ямар үр дүн үзүүлэхийг хараахан хэлэхгүй.

Санхүүжилт эмийн хөтөлбөр, лабораторийн платформд очно

BigHat-ийн хөрөнгө татсан үе нь компанийн хөгжлийн хоёр өөр хэрэгцээ давхацсантай холбоотой. Клиникийн шатанд орсон нэр дэвшигчийг үргэлжлүүлэн судлахад өвчтөний сонголт, тунгийн ажиглалт, өгөгдөл цуглуулах ажил шаардагдана. Үүний зэрэгцээ дараагийн молекулуудыг загварчилж, үйлдвэрлэж, шинжийг нь хэмжих туршилтын хүчин чадал хэрэгтэй. Компани шинэ хөрөнгийг энэ хоёр чиглэлд зарцуулахаар төлөвлөсөн.

Эмийн салбарын хөрөнгө оруулагчид раундад оролцсон нь BigHat-ийн үйл ажиллагааны хүрээг ойлгоход тустай ч санхүүжилтийг эмийн үр нөлөөний хэмжүүр болгож болохгүй. Хөрөнгө нь судалгааг үргэлжлүүлэх боломж өгнө; өвчтөнд эм хэрхэн нөлөөлөхийг клиникийн өгөгдөл тогтооно. BigHat-ийн хувьд лабораторид сонгосон молекул хүний биед хангалттай аюулгүй, эмчилгээний хувьд хэрэгтэй эсэх нь хөрөнгө босгосны дараах гол асуулт хэвээр байна.

BigHat өөрийн эмийн нэр дэвшигчдийг хөгжүүлэхийн зэрэгцээ эмийн компаниудтай уураг загварчлах чиглэлээр хамтран ажилладаг. Ийм бүтэц нь платформын хэрэглээг олон төрлийн молекул дээр турших боломж өгдөг. Гэхдээ хамтын ажиллагаа, лабораторийн хэмжилт, хүний туршилтын үр дүн нь өөр өөр төрлийн нотолгоо юм. Тэдгээрийг ялгах нь энэ раунд ямар ахицад түшиглэж, дараа нь юу батлагдах ёстойг харуулна.

BHB810 өвчтөнд хүрсэн, үр дүн нь хүлээгдэж байна

BHB810 бол CDH17 уургийг чиглэсэн эсрэгбиеийг хавдрын эсэд хүргэх эмийн бодистой холбосон нэр дэвшигч. BigHat үүнийг ходоод болон хоол боловсруулах замын бусад хүндэрсэн хавдрын эсрэг хөгжүүлж байна. Эхний өвчтөнд тун хийснээр компьютерээр загварчилж, лабораторид сонгосон молекул хүний биед судлагдах шатанд шилжсэн. Энэ нь компанийн эм хөгжүүлэлтийн бодит ахиц боловч эмчилгээний үр нөлөө тогтоогдсон гэсэн үг биш.

Эсрэгбие зорилтот уурагтай холбогдох нь ийм эмийн ажлын зөвхөн нэг хэсэг. Холбогдсон эмийн бодис хавдрын эсэд хүрэх, тэнд үйлчлэх, харин эрүүл эдэд үзүүлэх нөлөө нь хүлээн зөвшөөрөх хэмжээнд байх шаардлагатай. Лабораторид таатай харагдсан шинжүүд өвчтөнд хэрэглэх тун, тэсвэрлэх чадвар, хавдрын хариутай хэрхэн холбогдохыг хүний судалгаа л тодруулна. Ийм учраас эхний өвчтөнд тун хийсэн үйл явдал дараагийн өгөгдлийн ач холбогдлыг нэмэгдүүлж байна.

Эхний шатны судалгаанд аюулгүй байдал, тэсвэрлэх чадвар, эмийн биед хэрхэн өөрчлөгдөх байдал болон хавдрын урьдчилсан хариуг ажигладаг. Эдгээр хэмжилт нь дараагийн тун, судалгааг үргэлжлүүлэх шийдвэрт хэрэгтэй. Нэг өвчтөнд тун хийсэн баримт туршилт эхэлснийг харуулдаг бол олон өвчтөнөөс цугларсан мэдээлэл молекулын боломж болон эрсдэлийг илүү бодитой үнэлэх суурь болно.

BHB299-ийн клиникийн босго хараахан өмнө нь байна

BigHat-ийн нөгөө нэр дэвшигч BHB299 нь CEACAM6 илэрхийлдэг хатуу хавдрыг чиглэж, дархлааны Т эсийг хавдрын эс рүү татахаар загварчлагдсан. Энэ нь BHB810-ийн эсрэгбие–эмийн нэгдлээс өөр үйлчлэх зарчимтай. Компани BHB299-ийн эмнэлзүйн өмнөх ажлыг дуусгах шатандаа явж байгаа тул түүний талаар хүний туршилтын үр дүн ярих боломжгүй. Хүний судалгааг эхлүүлэх төлөвлөгөө хэрэгжсэн үйл явдлаас тусдаа хэвээр байна.

Хоёр нэр дэвшигчийн ялгаа платформын хүрээг харуулахын зэрэгцээ эрсдэлийг ч тодруулна. BHB810-ийн хувьд өвчтөнд тун хийсний дараах аюулгүй байдал, урьдчилсан үйлчлэл чухал болжээ. BHB299-ийн хувьд лабораторид ажиглагдсан шинжүүдийг хүний судалгаанд шилжүүлэх бэлтгэл дараагийн даваа юм. Нэг хөтөлбөрийн ахиц нөгөөгийн эмчилгээний үр дүнг урьдчилан батлахгүй, учир нь тэд өөр бай, өөр үйлчлэх аргаар хөгжиж байна.

BigHat-ийн лабораторийн өгөгдөл клиникийн шалгалтад хүрэв

BigHat-ийн платформын гол ажиллагаа нь загвар санал болгосон молекулыг лабораторид бий болгож, хэмжсэн шинжүүдийг нь дараагийн загварчлалд буцаан ашиглах давталт юм. Хамтран тэргүүлсэн хөрөнгө оруулагч Premji Invest-ийн тайлбарт лаборатори долоо хоногт 2000 гаруй эсрэгбие боловсруулж, нэг бүрийн арав гаруй шинжийг ижил цэвэршүүлсэн молекул дээр хэмждэг гэжээ. Энэ нь хөрөнгө оруулагчийн мэдээлсэн лабораторийн хүчин чадал бөгөөд өвчтөнд үзүүлсэн нөлөөний үзүүлэлт биш.

Олон шинжийг нэг молекул дээр зэрэг хэмжих нь яагаад чухал вэ гэвэл зөвхөн зорилтот уурагтай сайн холбогдсон эсрэгбие шууд эм болдоггүй. Тогтвортой байдал, хүсээгүй холболт, үйлдвэрлэх боломж болон хэрэгтэй биологийн үйлчлэлийг хамтад нь харгалзах шаардлагатай. Өөрийн туршилтаас гарсан өгөгдөл загварт буцаж орвол аль хувилбар шаардлага хангаж, аль нь бүтэлгүйтсэнийг дараагийн загварт ашиглаж болно. Ийнхүү лабораторийн ажил AI загвараас салангид бус, түүнийг сургах өгөгдлийн эх үүсвэр болдог.

Ийм давталтын боломжит үнэ цэнэ нь олон молекул хэмжсэн тоондоо бус, дараагийн туршилтад оруулах сонголтыг сайжруулж чадах эсэхэд оршино. Тохиромжгүй хувилбарыг эрт хасаж чадвал эм хөгжүүлэх нөөцийг илүү ирээдүйтэй молекулд төвлөрүүлэх боломжтой. Харин энэ логик өвчтөнд давуу тал болж хувирсан эсэхийг BHB810-ийн клиникийн мэдээлэл л харуулна. Тэр мэдээлэл гармагц лабораторийн хурд, молекулын сонголт хоёр хүний биед ажиглагдах үр дүнтэй хэр нийцсэнийг үнэлэх боломж бүрдэнэ.