全球约有15%的人口（超过10亿人）受到神经系统疾病的影响，从广为人知的阿尔茨海默病和帕金森病到数百种较少为人知的罕见疾病。
BrainStorm Therapeutics是一家位于圣地亚哥的初创公司，通过结合AI驱动的计算药物发现和实验室实验中的类器官技术，加快这些疾病的治疗研发。类器官是由患者来源的干细胞创建的3D细胞束。
这种混合迭代方法被称为“实验室循环”，其中临床数据和AI模型相互反馈以加速药物开发。“大脑是现代生物学的最后前沿，”BrainStorm的创始人兼首席执行官罗伯特·弗雷莫（Robert Fremeau）说。他之前曾是安进（Amgen）的神经科学科学总监，也是杜克大学和加州大学旧金山分校的教员。“通过将我们的类器官疾病模型与生成式AI的力量相结合，我们现在有能力开始解开疾病网络的复杂生物学基础。”
该公司旨在降低脑疾病候选药物在临床试验中的失败率——目前超过93%——并识别可用于多种疾病的治疗方法。实现这些目标将使罕见和常见疾病的治疗开发更快、更经济可行。
“这种令人震惊的高临床试验失败率主要是由于传统的使用啮齿动物或二维细胞的临床前模型无法预测人体疗效，”BrainStorm的联合创始人兼首席技术官尹俊（Jun Yin）说。“通过将人类来源的大脑类器官与AI驱动的分析相结合，我们正在构建一个更好地反映人类神经生物学复杂性的平台，从而提高临床成功的可能性。”
弗雷莫和尹俊认为，BrainStorm的平台有可能加速开发时间线，减少研发成本，并显著提高为患者带来有效疗法的可能性。
BrainStorm Therapeutics的AI模型运行在Nvidia GPU云上，使用了Nvidia BioNeMo框架，这是一套用于计算药物发现的编程工具、库和模型。该公司是Nvidia Inception的一员，这是一个全球领先的初创企业网络。
培养皿中的临床试验
BrainStorm Therapeutics使用AI模型来开发脑疾病的基因图谱，可以用来识别潜在药物和临床生物标志物的目标。类器官使他们能够每天直接在人类脑细胞上筛选数千种药物分子，从而在开始临床试验之前测试潜在疗法的有效性。
“大脑有脑电波，可以在像EEG这样的扫描中检测到，EEG测量的是神经元的电活动，”公司的联合创始人兼首席运营官玛雅·戈斯蒂拉（Maya Gosztyla）说。“我们的类器官也有自发的脑电波，使我们能够在这样一个较小的系统中模拟人类大脑中的复杂活动。我们将它视为一种在培养皿中进行的临床试验，用于研究脑疾病。”
BrainStorm Therapeutics目前正在使用患者来源的类器官进行帕金森病的药物发现工作，这是一种与产生多巴胺的神经元丧失有关的疾病，多巴胺是一种有助于身体运动和认知的神经递质。
“在帕金森病中，多种遗传变异导致不同细胞通路的功能障碍，但它们最终都导致多巴胺神经元的丧失，”弗雷莫说。“通过使用AI模型来绘制和分析这些变异的生物学效应，我们可以发现具有潜在改变疾病进程的治疗方法，这些方法可能减缓、停止甚至逆转帕金森病的进展。”
BrainStorm团队使用来自大脑类器官的单细胞测序数据对BioNeMo框架中可用的基础模型进行了微调，包括用于基因表达分析的Geneformer模型。这些类器官是从GBA1基因突变的患者中衍生出来的，这是帕金森病最常见的遗传风险因素。
BrainStorm还与Nvidia BioNeMo团队合作，帮助优化Geneformer模型的开源访问。
加速药物发现研究
通过其专有平台，BrainStorm可以模拟人类大脑的生物学特性，并模拟不同的治疗方法在患者大脑中的效果。
“这可以进行数千次，比在湿实验室中更快、更便宜——因此我们可以非常快速地缩小治疗选择范围，”戈斯蒂拉说。“然后我们可以用类器官测试AI模型认为有效的药物子集。只有经过这些步骤后，我们才会在人类身上测试这些药物。”
这项技术导致了一个发现：用于治疗阿尔茨海默病的多奈哌齐（Donepezil）也可能对Rett综合征（一种罕见的遗传性神经发育障碍）有效。在九个月内，BrainStorm团队从类器官筛选到申请该药物在Rett患者中的二期临床试验。这一申请最近已获得美国食品药品监督管理局的批准。
BrainStorm还计划开发多模态AI模型，整合来自细胞测序、细胞成像、EEG扫描等的数据。
“你需要高质量的多模态输入数据来设计正确的药物，”尹俊说。“训练这些数据的AI模型将帮助我们更好地理解疾病，找到更有效的药物候选者，并最终找到特定患者的预后生物标志物，从而实现精准医疗。”
该公司的下一个项目是与CURE5基金会合作，进行迄今为止最全面的CDKL5缺乏症（另一种罕见的遗传性神经发育障碍）的再利用药物筛选。
“罕见病研究正从高风险的小众领域转变为充满活力的前沿领域，”弗雷莫说。“BrainStorm的AI驱动类器官技术与NVIDIA加速计算资源和NVIDIA BioNeMo平台的集成，正在大幅加速创新步伐，同时降低成本——因此曾经需要十年时间和数十亿美元的研究现在可以用显著更少的资源在几个月内完成。”
(全文结束)
