Sprint Bioscience affärsmodell bygger på att driva flera prekliniska projekt parallellt och licensiera ut dem till större läkemedelsbolag innan de når klinik. Ett bra exempel är när bolaget sålde sitt prekliniska cancerprogram TREX1 till Gilead Sciences förra hösten. Sprint Bioscience fick en direktbetalning på 14 miljoner USD, med potential för ytterligare milstolpsbetalningar som ger ett totalt avtalsvärde på upp till 400 miljoner USD.
Bolagets portfölj bestod vid utgången av det första kvartalet 2026 av sex program, varav fem inom cancer och ett inom MASH och inflammation. Eftersom värdet i varje enskilt projekt avgörs av hur väl bolaget kan karaktärisera sina molekyler före utlicensiering, är kvaliteten på de tidiga besluten direkt kopplad till affären.
Det är här Lilly TuneLab blir intressant.
Modeller tränade på Lillys forskningsdata
Enligt avtalet ger plattformen Sprint Bioscience tillgång till prediktiva modeller inom bland annat säkerhet, farmakokinetik och tidiga utvecklingsbeslut, för såväl småmolekyler som biologiska läkemedel. Modellerna ska komplettera bolagets fragmentbaserade plattform för läkemedelsdesign och göra det möjligt att fatta mer datadrivna beslut tidigt i utvecklingsprocessen. Effekten väntas bli högre hastighet och precision i de prekliniska programmen.
Att modellerna delas utan att data gör det förklaras av tekniken bakom. Genom så kallad federerad inlärning tränas modellerna lokalt hos varje deltagande bolag, som sedan skickar tillbaka uppdateringar av modellen – inte sina underliggande data. Samtliga deltagare får därmed del av förbättringarna utan att någon behöver exponera sitt eget material. För ett bolag vars hela värde ligger i molekylerna är den konstruktionen en förutsättning för att överhuvudtaget delta.
För Sprint Bioscience handlar avtalet inte om att byta arbetssätt, utan om att addera ett lager av beräkningskapacitet. Kombinationen av bolagets fragmentbaserade metod och avancerade AI-modeller menar man kommer ge stora möjligheter att ytterligare förbättra effektiviteten och utvecklingstakten i sina program. Hur snabbt det slår igenom i portföljen återstår att se.
Q&A med vd
För att få veta mer kontaktade vi Sprint Biosciences vd Johan Emilsson.
Johan, vad var den utlösande faktorn bakom att ni sökte er till TuneLab just nu?
– Vi utvärderar kontinuerligt nya teknologier och arbetssätt som kan stärka vår forskningsplattform och öka värdet i vår portfölj. TuneLab erbjuder tillgång till avancerade AI-modeller tränade på en mycket omfattande forskningsdatabas, vilket gör plattformen särskilt intressant för ett bolag som vårt. När möjligheten att ansluta sig uppstod såg vi en naturlig koppling till vårt sätt att bedriva läkemedelsutveckling och vårt fokus på att fatta välgrundade beslut tidigt i utvecklingsprocessen. Samtidigt är det naturligtvis positivt att ha valts ut att delta i plattformen.
Ni beskriver modellerna som ett komplement till er fragmentbaserade plattform. Kan du konkretisera var i arbetsflödet de kommer in?
– Vår fragmentbaserade plattform är fortsatt kärnan i vårt arbete. TuneLab tillför ytterligare ett beslutsstöd, exempelvis vid bedömningar av säkerhet, farmakokinetiska egenskaper och andra parametrar som påverkar hur attraktiv en molekyl är som framtida läkemedelskandidat. Målsättningen är att kunna fatta fler datadrivna beslut tidigare i processen och därigenom öka både effektivitet och träffsäkerhet.
I vilka av era sex program räknar ni med att se effekt först?
–Vi ser potentiella användningsområden genom hela portföljen. Exakt vilka program som kommer att dra störst nytta av plattformen är för tidigt att säga. Vår ambition är att utvärdera tekniken brett, men vi vill inte gå in på programspecifika detaljer.
Era data stannar hos er medan modelluppdateringar delas. Hur ser ni på den avvägningen ur ett IP-perspektiv?
– Det är en mycket viktig aspekt. Vårt immateriella kapital utgör grunden för värdet i bolaget och det är avgörande att vi behåller kontrollen över vår egen data. Federerad inlärning möjliggör just det genom att modellerna förbättras utan att deltagarna behöver dela underliggande forskningsresultat. Plattformen blir ett sätt att dra nytta av kollektiv kunskap samtidigt som våra immateriella rättigheter skyddas.
Vilka resurser krävs internt för att få ut värde av plattformen – handlar det om kompetens, infrastruktur eller bådadera?
– Framförallt handlar det om att integrera ytterligare ett verktyg i våra befintliga arbetsflöden. Vi har redan stark kompetens inom läkemedelsutveckling och dataanalys, och TuneLab är utformat för att kunna användas av mindre forskningsorganisationer. Naturligtvis krävs ett visst arbete för implementering och utvärdering, men det ska inte kräva någon ytterligare infrastruktur.
Om avtalet faller ut som ni hoppas, hur märks det för en investerare om ett år?
– Vi hoppas att det ska bidra till snabbare och mer träffsäkra beslut i utvecklingen av programmen. AI-baserade verktyg kommer att spela en allt viktigare roll och vi vill fortsätta att ligga i framkant. Det är så klart svårt att kvantifiera effekten, men ytterst handlar det om att bygga ännu starkare datapaket kring våra program och därmed öka deras attraktivitet.
Innehållet i BioStocks nyheter och analyser är oberoende men BioStocks verksamhet är i viss mån finansierad av bolag i branschen. Detta inlägg avser ett bolag som BioStock erhållit finansiering från.
