Alchemab Therapeutics: rekordowe 25 mln funtów na AI w biotechnologii

Alchemab Therapeutics pozyskało 25 mln funtów od British Business Bank, co stanowi największą w historii tej instytucji inwestycję w sektorze life sciences. Środki te zostaną przeznaczone na rozwój platformy Resiliome, która wykorzystuje zaawansowane modele uczenia maszynowego do identyfikacji przeciwciał ochronnych u pacjentów odpornych na choroby neurodegeneracyjne. Finansowanie zwiększa łączną pulę rundy serii A do poziomu 109 mln funtów, umożliwiając intensyfikację prac nad rurociągiem klinicznym.

Architektura platformy Resiliome i model AntiBERTa

Platforma technologiczna Resiliome integruje bazy danych przeciwciał z analityką opartą na sztucznej inteligencji oraz walidacją laboratoryjną w celu charakterystyki cząsteczek autoprotekcyjnych. Centralnym elementem stosu technologicznego Alchemab Therapeutics jest AntiBERTa (Antibody-specific Bi-directional Encoder Representation and Transformers), czyli specyficzna dla przeciwciał sieć neuronowa oparta na architekturze transformatorów. Model ten analizuje komponenty immunologiczne, co pozwala na precyzyjne odczytywanie sekwencji i struktury przeciwciał w celu ich późniejszej optymalizacji terapeutycznej.

Kluczowe parametry technologiczne platformy: Model bazowy: AntiBERTa – transformatorowa sieć neuronowa wyspecjalizowana w odczytywaniu komponentów immunologicznych. Zastosowanie: Identyfikacja wspólnych przeciwciał u osób wykazujących niezwykłą odporność na choroby o trudnym przebiegu. * Metodologia: Łączenie physics-based experiments z uczeniem maszynowym i obliczeniami superkomputerowymi.

Rekordowa inwestycja i struktura kapitałowa spółki

Inwestycja o wartości 25 mln funtów (równowartość około 34 mln USD lub 29,3 mln EUR) pochodząca od British Business Bank jest największym dotychczasowym zaangażowaniem tego banku w brytyjski ekosystem biotechnologiczny. Rozszerzenie rundy serii A pozwoliło spółce osiągnąć łączny kapitał operacyjny w wysokości 109 mln funtów. Pozyskane fundusze wspierają transformację Alchemab z podmiotu badawczego we w pełni operacyjną firmę biotechnologiczną z zaawansowanym pipeline’em przedklinicznym.

Wskaźnik finansowy Wartość
Kwota ostatniej transzy (BBB) 25 mln GBP
Łączny kapitał serii A 109 mln GBP
Rok założenia spółki 2019
Siedziba główna Londyn, Knowledge Quarter

Status rurociągu klinicznego i programy badawcze

Alchemab Therapeutics koncentruje się na obszarach o wysokim stopniu niezaspokojenia potrzeb medycznych, w tym na chorobie Alzheimera, stwardnieniu zanikowym bocznym (ALS) oraz atrofii mięśni. Najbardziej zaawansowany program wewnętrzny, ATLX-1088, celuje w receptor CD33 i ma na celu stymulację fagocytozy mikrogleju, co jest kluczowe w procesie oczyszczania złogów amyloidowych w mózgu. Spółka realizuje również partnerstwa strategiczne, m.in. z koncernem Eli Lilly w obszarze ALS.

Aktualny status kluczowych programów: ATLX-1088 (Alzheimer): Status „Best-in-class”, zróżnicowany mechanizm działania celujący w CD33. ATLX-2847 (Atrofia mięśni): Inhibitor enzymu PGDH, planowane złożenie wniosku IND w drugiej połowie 2026 roku. ATLX-1282 (ALS/Neuro): Program realizowany we współpracy partnerskiej. ATLX-1095 (Choroba Huntingtona): Skoncentrowany na redukcji agregatów białka HTT.

Ryzyka operacyjne i optymalizacja procesu R&D

Przetwarzanie multimodalnych zbiorów danych biomedycznych przez algorytmy AI wymaga rygorystycznego podejścia do integralności danych oraz ochrony własności intelektualnej opartej na patentach. Alchemab optymalizuje proces odkrywania leków poprzez automatyzację identyfikacji przeciwciał ochronnych, co pozwala na szybszą charakterystykę potencjalnych kandydatów na leki w porównaniu do tradycyjnych metod laboratoryjnych. Należy jednak wskazać na ryzyko związane z długim cyklem walidacji klinicznej, gdzie sukces algorytmu AI musi zostać potwierdzony w kosztownych badaniach na ludziach.

Wnioski praktyczne i rekomendacje

  • Zanalizuj wykorzystanie specyficznych modeli transformatorowych (takich jak AntiBERTa) w procesach stratyfikacji pacjentów w celu zwiększenia skuteczności badań klinicznych.
  • Monitoruj harmonogram programów IND dla ATLX-2847 (H2 2026) jako kluczowy wskaźnik efektywności platformy AI w dostarczaniu kandydatów przedklinicznych.
  • Wdróż standardy bezpieczeństwa danych R&D przy integracji multimodalnych zbiorów danych od partnerów zewnętrznych (np. Tempus AI), aby chronić kluczowe IP spółki.
  • Skonfiguruj procesy automatyzacji w laboratorium w taki sposób, aby były bezpośrednio zintegrowane z pętlą sprzężenia zwrotnego algorytmów uczenia maszynowego, co zoptymalizuje koszty operacyjne.

Źródła

Przemysław Majdak

Przemysław Majdak · AI Automation Engineer

Założyciel Baluarte i wydawca BitBiz.pl. Członek ISSA Polska. Ekspert z 18-letnim stażem w branży IT — wdraża bezpieczne automatyzacje AI, systemy full-stack i zaawansowane procedury cyberbezpieczeństwa dla firm. Wszystkie artykuły autora →

2 odpowiedzi

💬 Kliknij tutaj, aby dodać komentarz

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *

  1. Awatar KasiaZpodlasia
    KasiaZpodlasia

    Naprawdę robi wrażenie ten pomysł, żeby szukać przeciwciał ochronnych u ludzi, którzy z jakiegoś powodu są odporni na choroby neurodegeneracyjne – to odwrócenie standardowej logiki, zamiast badać chorych, patrzy się na tych, którym się udało, i wykorzystuje AI, żeby wyłowić z ich układu odpornościowego to, co ich chroni. 25 milionów funtów od British Business Bank to spory sygnał, że instytucje publiczne zaczynają traktować biotechnologiczne deep tech poważnie, a nie tylko rozdają granty na papierkologię. Ciekawe, jak szybko Resiliome będzie w stanie przejść od identyfikacji kandydatów do faktycznych testów klinicznych, bo to właśnie tam zwykle rozbijają się nawet najlepsze algorytmy.

  2. Awatar Wiktor

    To jest genialne – zamiast walczyć z chorobą wśród chorych, oni szukają odpowiedzi u tych, którzy są na nią naturalnie odporni. Platforma Resiliome odwraca standardową logikę badań: zamiast pytać „co poszło nie tak”, próbuje odkryć „co działa” u ludzi, których układ odpornościowy sam radzi sobie z neurodegeneracją. 25 mln funtów na taką zmianę perspektywy to może być jedna z najmądrzejszych inwestycji w AI w biotech. Jeśli modele ML faktycznie wyłowią te ochronne przeciwciała, to nie tylko nowa klasa leków, ale całkiem nowe zrozumienie, dlaczego niektórzy uciekają przed Alzheimerem czy Parkinsonem. Ciekawi mnie, jakie konkretnie mechanizmy immunologiczne już zmapowali.