代谢组学突破：人体代谢物图谱

ReviveMed使用人工智能来收集代谢物（如脂质、胆固醇和糖等分子）的大规模数据，从而为患者提供治疗方案。

　　

生物学从来都不简单。随着研究人员在读取和编辑基因以治疗疾病方面取得长足进展，越来越多的证据表明，围绕这些基因的蛋白质和代谢物同样不容忽视。

麻省理工学院的衍生公司ReviveMed开发了一个用于测量代谢物的平台。代谢物是指代谢产物，如脂质、胆固醇、糖和碳水化合物。该公司正在利用这些测量结果，揭示为什么一些患者对治疗有反应，而另一些则没有，并更好地了解疾病的驱动因素。

“从历史上看，我们能够高精度地测量几百种代谢物，但这只是我们体内存在的代谢物的一小部分。”ReviveMed首席执行官Leila Pirhaji博士说，她与Ernest Fraenkel教授共同创立了该公司。“在我们精确测量的代谢物和体内实际存在的代谢物之间存在巨大差距，这就是我们想要解决的问题。我们希望从未充分利用的代谢物数据中挖掘出强有力的见解。”

随着医学界越来越多地将代谢失调与癌症、阿尔茨海默病和心血管疾病等疾病联系起来，ReviveMed取得了显著进展。该公司正在利用其平台帮助全球最大的制药公司之一寻找能够从其治疗中受益的患者。它还向学术研究人员免费提供软件，帮助他们从尚未开发的代谢物数据中获得见解。

Pirhaji说：“随着人工智能领域的蓬勃发展，我们认为我们可以克服限制代谢物研究的数据问题。代谢组学缺乏基础模型，但我们看到这些模型如何改变基因组学等各个领域，因此我们开始开拓它们的发展。”

从学术研究到创业之路

Pirhaji出生于伊朗，在那里长大，并于2010年来到麻省理工学院攻读生物工程博士学位。她之前读过Fraenkel的研究论文，很高兴能为他正在构建的网络模型做出贡献，该模型整合了来自基因组、蛋白质组和其他分子的数据。

目前在ReviveMed董事会任职的Fraenkel说：“我们考虑的是，当你可以测量所有东西——基因、RNA、蛋白质、代谢物和脂质等小分子——时，你能做些什么。我们可能只能测量体内0.1%的小分子。我们认为一定有一种方法可以对这些分子有一个全面的了解，就像我们对其他分子一样。这将使我们能够绘制出细胞中发生的所有变化，无论是在癌症、发育还是退行性疾病的背景下。”

在攻读博士学位期间，Pirhaji将一些样本寄给哈佛大学的一位合作者，以收集代谢组数据——代谢过程中产生的小分子。合作者给Pirhaji寄回了一份巨大的Excel表格，里面有数千行数据，但他们告诉她最好忽略前100行以外的所有数据，因为他们不知道其他数据的含义。Pirhaji认为这是一种挑战。

Pirhaji回忆说：“我开始想，也许我们可以用我们的网络模型来解决这个问题。数据中有很多模棱两可的地方，这对我来说非常有趣，因为之前没有人尝试过。这似乎是该领域的一个巨大空白。”

Pirhaji开发了一个巨大的知识图谱，其中包括数百万蛋白质和代谢物之间的相互作用。数据丰富但混乱——Pirhaji称之为“毛球”，无法直接告诉研究人员关于疾病的信息。为了使其更有用，她创造了一种新的方法来表征代谢途径和特征。2016年，她在《Nature Methods》杂志上发表了一篇论文，描述了该系统，并用它来分析亨廷顿病模型的代谢变化。

起初，Pirhaji并没有打算创办一家公司，但在博士学位的最后几年，她开始意识到这项技术的商业潜力。

Pirhaji开始在麻省理工学院斯隆管理学院上课，包括15.371课程（创新团队），在这门课上，她和同学们一起思考如何应用她的技术。她还利用了麻省理工学院创业指导服务和麻省理工学院沙盒，并参加了麻省理工学院创业学院的Delta V创业加速器。

当Pirhaji和Fraenkel正式成立ReviveMed时，他们与麻省理工学院的技术许可办公室合作，以获取有关他们工作的专利。此后，Pirhaji进一步开发了这个平台，以解决她在与数百家制药公司领导人交谈中发现的其他问题。

从疾病研究到临床应用

ReviveMed首先与医院合作，研究代谢功能障碍相关脂肪性肝炎中脂质的失调。2020年，ReviveMed与Bristol Myers Squibb合作，预测癌症患者对该公司的免疫疗法的反应。

从那时起，ReviveMed已经与几家公司合作，包括全球十大制药公司中的四家，帮助他们了解治疗背后的代谢机制。这些见解有助于更快地确定从不同疗法中获益最多的患者。

Pirhaji说：“如果我们知道每种药物对哪些患者有益，这将真正减少临床试验的复杂性和时间。患者将更快地得到正确的治疗。”

代谢组学的未来：生成模型与数字双胞胎

今年早些时候，ReviveMed收集了一个基于2万名患者血液样本的数据集，用于创建患者的数字双胞胎和用于代谢组学研究的生成人工智能模型。ReviveMed正在将其生成模型提供给非营利性学术研究人员，这可能会加速我们对代谢物如何影响一系列疾病的理解。

“我们正在使代谢组学数据的使用民主化。”Pirhaji说。“我们不可能拥有世界上每一个病人的数据，但我们的数字双胞胎可以用来根据他们的人口统计数据找到可能受益于治疗的病人，例如，通过发现可能有心血管疾病风险的病人。”

这项工作是ReviveMed创建代谢基础模型的使命的一部分，研究人员和制药公司可以利用这些模型来了解疾病和治疗如何改变患者的代谢物。

Fraenkel说：“当你试图将一个想法从实验室中拿出来，并将其转化为足够强大和可复制的东西，以应用于生物医学时，莱拉解决了很多真正困难的问题。在此过程中，她还意识到，她开发的软件本身就非常强大，可能会带来变革。”