(来源:MIT News)
生命科学研究从来都不是一件简单的事。尽管研究人员在基因编辑治疗领域取得了显著进展,但越来越多证据表明,围绕这些基因的蛋白质和代谢物同样不可忽视。
麻省理工学院的衍生公司 ReviveMed 搭建起了一个平台,能够对代谢物(如脂质、胆固醇、糖类及碳水化合物等新陈代谢产物)进行规模化检测。借助这些测量数据,探究“同药不同效”的治疗谜题(部分患者对治疗有反应而另一部分却没有),并深入探究疾病发生的潜在机制。
“一直以来,我们仅能高精度测量几百种代谢物,可这不过是人体内代谢物的冰山一角。” ReviveMed 首席执行官 Leila Pirhaji 说道,“我们能够准确测量的代谢物和体内实际存在的代谢物之间存在着巨大鸿沟,这正是我们想要攻克的难题。我们希望能从尚未充分利用的代谢物数据中挖掘出更多有价值的信息。”
Leila Pirhaji 与 Ernest Fraenkel 教授共同创立了 ReviveMed。随着公司在这个领域取得一些新进展,医学界也形成新认知:越来越多的研究证实代谢物失调与癌症、阿尔茨海默病和心血管疾病等密切相关。
目前,ReviveMed 正协助全球顶尖药企筛选最适合其治疗方案的患者群体,此外,它还向科研机构免费开放分析软件,助力挖掘代谢数据中的科研价值。
“借助蓬勃发展的 AI 技术,我们有望攻克长期制约代谢研究的瓶颈。”Leila Pirhaji 表示,“虽然代谢组学尚缺基础模型,但见证类似其他模型在基因组学等领域的革新力量后,我们正全力推进代谢组学基础模型的研发进程。”
寻找挑战之路
Leila Pirhaji 出生在伊朗,2010 年赴麻省理工学院攻读生物工程博士学位。此前,她研读过 Ernest Fraenkel 教授的研究论文,对其构建的整合基因组、蛋白质组等分子数据的网络模型深感兴趣,从此便渴望自己也能贡献一份力量。
“我们当时的愿景是构建完整的生命测量图谱,从基因、RNA、蛋白质到代谢物、脂类等小分子。”现任 ReviveMed 董事的 Fraenkel 解释道,“但人体内的小分子我们当时仅能检测约 0.1%,这与其他分子的研究深度形成巨大落差。我们相信必能找到方法全面解析这些分子,从而绘制细胞在癌症、发育或退行性疾病中的完整变化图景。”
博士生涯中期,Leila Pirhaji 曾将一些样本寄给哈佛大学的一位合作者,以收集有关代谢组(代谢过程中产生的小分子)的数据。
返回的 Excel 表格包含数千行数据,但合作者建议她忽略前 100 行之后的内容,因为无人知晓其余数据的含义。这反而激发了她的挑战欲。
“我开始思考,或许可以借助我们的网络模型来解决这个难题。” Leila Pirhaji 回忆道,“数据中存在大量模糊信息,这对我来说非常有吸引力,因为此前没人尝试过。这似乎是该领域的一个空白。”
随后,她构建了一个包含数百万蛋白质-代谢物相互作用的庞大知识图谱。虽然数据丰富却杂乱无章,她称其为“一团乱麻”,根本无法让研究人员从中获取任何关于疾病的信息。
为了让这些数据变得有价值,她创造了一种新方法来表征代谢途径和特征。2016 年,她在Nature Methods上发表了一篇论文,介绍了该系统并利用它成功解析亨廷顿病模型的代谢变化。
起初,Leila Pirhaji 并没有创业的打算,但在博士后期她逐渐意识到这项技术的商业化潜力。
“伊朗缺乏创业文化。”她坦言,“我当时根本不知道如何创办公司,也不清楚怎样把科研成果进行落地,所以我转向了麻省理工学院提供的相关资源。”
于是,Leila Pirhaji 选修了斯隆管理学院的“创新团队”课程,与同学探讨技术应用场景,同时借助麻省理工学院创业指导服务、Sandbox 孵化平台,并参加了麻省理工学院创业中心的 delta v 创业加速器项目。
正式创立 ReviveMed 后,她与 Ernest Fraenkel 通过麻省理工学院技术许可办公室获取相关专利授权。此后,通过与数百位药企高管的交流,她不断优化和扩展平台功能以解决实际需求。
最初,ReviveMed 与医院合作研究代谢功能障碍相关脂肪性肝炎的脂质代谢紊乱机制。2020 年,与百时美施贵宝合作预测癌症患者对免疫疗法的响应差异。
目前 ReviveMed 已与多家企业合作(包括全球前十药企中的四家),帮助解析治疗手段背后的代谢机制。这些发现能快速锁定最可能受益于特定疗法的患者群体。
“如果我们清楚每种药物对哪些患者有效,就能大幅降低临床试验的复杂性,缩短试验时间,患者也能更快得到对症治疗。” Leila Pirhaji 说道。
代谢组学的生成模型
今年早些时候,ReviveMed 收集了一个基于 20,000 份患者血液样本的数据集,用于创建患者数字孪生模型和代谢组学研究的生成式 AI 模型。
目前,该公司正面向非营利性学术机构开放其模型,此举有望加速揭示代谢物在各类疾病中的作用机制。
“我们致力于推动代谢组学数据的普惠应用。”Leila Pirhaji 表示,“我们不可能收集到世界上每一位患者的数据,但通过数字孪生技术,我们可以根据人口统计学特征筛选潜在受益人群。例如,识别心血管疾病高危群体进行精准干预。”
这项创新是 ReviveMed 构建代谢基础模型计划的重要组成部分。该模型将为科研机构与制药企业提供关键工具,用于解析疾病进程与治疗手段对患者代谢网络的动态影响。
“Leila Pirhaji 攻克了许多棘手的难题,她努力将实验室里的想法转化为强大且可重复应用于生物医学领域的成果。”Ernest Fraenkel 评价道,“在技术转化过程中,她意识到自主研发的软件平台具备独立应用价值,这种突破性技术可能引发行业变革。”
https://news.mit.edu/2025/mit-spinout-maps-body-metabolites-uncovering-hidden-disease-drivers-0219