Labbot avslöjar instabila läkemedelskandidater innan det är för sent

Labbot Analytics är ett Lundabaserat labbteknikbolag vars plattform DMAP – Dynamic Multimodal Analytical Platform – är utformad för att ge läkemedelsutvecklare en djupare och tidigare förståelse för sina biologiska kandidaters fysikaliska stabilitet. Bolaget grundades i sin nuvarande form i december 2025 med Marie-Louise Ainalem som medgrundare och vd.

Men rötterna går längre tillbaka. Plattformen byggdes ursprungligen av Thom Leiding, forskare vid Lunds universitet, som under sin doktorandtid utvecklade tekniken för att lösa utmaningar han stötte på i sitt eget arbetsflöde. Det ledde till bolaget Probation Labs, som sålde de tidiga versionerna framför allt till akademin. Redan 2022 fanns instrumentet i sin nuvarande form. Steget mot industrin togs först när Marie-Louise klev in, och när Labbot Analytics bildades fick den riktningen en tydligare affärsmodell och ett skarpare marknadsfokus.

Marie-Louise själv är civilingenjör i kemiteknik och disputerad i fysikalisk kemi. Det var också under doktorandtiden hon först kom i kontakt med Thom.

Hennes bakgrund är djupt rotad i storskalig forskningsinfrastruktur – hon var med på ESS-resan under åren 2010 till 2023, från ett litet team som arbetade konceptuellt till ett storskaligt byggprojekt inför driftsättning.

Kartan som saknas i tidig utveckling

Modern läkemedelsutveckling ägnar enorma resurser åt att besvara biologiska frågor. Binder molekylen till rätt mål? Ger den effekt i djurmodeller? Håller den i kliniska studier? Men det finns en parallell kategori av frågor som ofta ställs för sent. Aggregerar kandidaten vid höga koncentrationer? Klarar den den pH-sänkning som krävs vid viral inaktivering i tillverkningen? Håller den sig stabil i en spruta? Hur ser egentligen stabilitetsfönstret ut för kandidaten och formuleringen?

Branschens befintliga verktyg för biofysikalisk karakterisering är byggda för att mäta ett tillstånd i taget. Vissa fångar flera parametrar samtidigt, andra följer en enskild variabel över tid, men provet utsätts sällan för mer än en stressfaktor åt gången. Resultatet blir en serie ögonblicksbilder, när det som behövs är en kontinuerlig karta över molekylens beteende under realistisk stress.

Möjligt paradigmskifte

Det är dessutom en process som kräver mycket tid, personal och dyrbart provmaterial, resurser som få utvecklingsavdelningar har gott om. Labbots DMAP-plattform löser problemet genom att kombinera flera olika tester i en enda plattform. Istället för att köra separata experiment för varje egenskap utsätts proteinet för kontrollerade variationer i till exempel pH, temperatur och mekanisk påverkan. Systemet kartlägger simultant stabilitet, aggregeringsbeteende och fysikaliska egenskaper i realtid. Karakteriseringen görs från ett enda prov och processen tar någon timme istället för dagar och med en bråkdel av den provmängd som traditionella metoder kräver.

Att den här typen av karakterisering nu kan automatiseras och göras tidigt i utvecklingen förändrar förutsättningarna. När de fysikaliska svagheterna syns redan i kandidatvalet blir mätningen en försäkring mot de haverier som annars upptäcks först efter år av utveckling och investering. Om Labbot lyckas etablera DMAP som en naturlig del av utvecklingsprocessen för komplexa terapier skulle det, enligt bolaget, på sikt kunna flytta industrin mot färre sena haverier och en mer resurseffektiv väg till marknaden.

Affärsmodell i förändring

Plattformen har i dag över 35 sålda instrument globalt, hos kunder som Novo Nordisk, Harvard University, ETH Zürich och Hansa Biopharma, och har bidragit till mer än 40 peer review-granskade publikationer.

Instrumenten har historiskt sålts via en ren hårdvarumodell anpassad till den akademiska kunden, men nu ställer bolaget om. Den nya affärsmodellen, som är under uppbyggnad, baseras på återkommande intäkter från serviceavtal, förbrukningsmaterial och mjukvarumoduler anpassade till läkemedelsutveckling. Skiftet sker i nära dialog med de industriella kunderna för att säkerställa att det som erbjuds faktiskt möter deras behov.

Vd kommenterar

BioStock tog en pratstund med Labbots vd Marie-Louise Ainalem för att få veta mer om tekniken och den resa hon ser framför sig.

Tekniken har utvecklats i olika former i över ett decennium, men bolaget i sin nuvarande form är bara några månader gammalt. Vad är det ni gör annorlunda nu?

– Det har tagit tid att bygga det robusta instrument som nu finns på marknaden, och att validera tekniken ordentligt. Men fokus har legat på produkten, inte på vem den är till för. Man marknadsför sig inte mot akademin på samma sätt som mot industrin.

– Nu bygger vi för industrin: en organisation för att skala, med struktur och en plan framåt, och en affärsmodell kring återkommande intäkter i stället för enstaka instrumentaffärer. Det är ett skifte som är lättare sagt än gjort, men det är avgörande för att låsa upp potentialen i det vi har byggt.

Ni talar om ”the developability gap”, att sena haverier i läkemedelsutveckling ofta inte beror på biologin utan på fysikaliska egenskaper. Kan du förklara vad det innebär i praktiken?

– Standardarbetsflödet besvarar de biologiska frågorna först. Man väljer kandidat på bindningsaffinitet och in vivo-effekt. Det görs biofysikalisk screening redan där, men den svarar på en rangordningsfråga: vilken av varianterna är mest stabil. Det man inte får med sig är inom vilka intervall kandidaten faktiskt håller ihop, och var gränserna går.

– Det är där vi kommer in. Vi ersätter inte den screeningen, vi lägger till ett lager i den. Ett Tm-värde säger vilken kandidat som är mest stabil. Ett stabilitetsfönster säger vad man kan göra med den. Den informationen efterfrågas när formuleringsarbetet börjar, och då är kandidatvalet redan gjort.

Modern läkemedelsutveckling har redan en hel arsenal av biofysikaliska mätverktyg. Varför räcker de inte?

– Problemet är inte att verktygen saknas, utan hur de fungerar. De är byggda för att mäta ett tillstånd i taget. Ett instrument mäter termisk stabilitet men fångar inte aggregeringen direkt. Ett annat ser partiklarna växa men inte vad som händer med strukturen dessförinnan. Och de manuella metoderna är operatörsberoende, tidskrävande och kräver stora mängder av ett ofta dyrbart prov.

Vad gör DMAP som befintliga instrument inte kan göra – och vad innebär det konkret för ett bolag som har ett antal kandidater i tidig fas?

– Skillnaden är att vi inte mäter provet i vila. Vi stresstestar det, till exempel med en pH-svepning, där instrumentet autonomt driver provet genom hela intervallet. Under tiden registreras flera signaler samtidigt från samma prov, på en gemensam axel. Vi ser alltså inte bara att något går sönder, utan var det sker och i vilken ordning.

– Det gör att vi kan skilja på två olika problem i samma körning. Reversibel aggregering är en sak, där molekylerna klumpar ihop sig utan att själva förändras. En strukturell förändring i molekylen som inte går tillbaka är en annan. Det är två skilda saker att åtgärda, och normalt krävs flera separata experiment för att komma dit.

– För ett bolag med flera kandidater i tidig fas betyder det att varje kandidat kan bäras vidare med sitt eget stabilitetsfönster, inte bara med en rangordning.

Vad har ni lärt er av era nuvarande samarbeten om var Labbot gör störst nytta?

– Ett bra exempel är det vi lärt oss om pH-titrering och hur detta görs i industrin, även inom de största bolagen. Den typen av mätning är ofta manuell, tids- och resurskrävande, och en arbetsvecka är inte ovanligt. Resultatet blir att man får nöja sig med färre mätpunkter och räkna fram resten. Inte för att man vill, utan för att det är vad tiden och materialet räcker till. Med Labbot tar motsvarande mätning en till två timmar.

– Och det handlar inte bara om tid. Det manuella handhavandesteget minskas kraftigt, vilket i sin tur minskar en viktig felkälla. Det är en enorm skillnad, för små som för stora bolag.

– Men det som kanske är mest talande är feedbacken vi får mer generellt från våra kunder. Det vi hör mest är hur enkel och robust plattformen är att köra, och hur lite underhåll den kräver. Det är ett resultat av ett decenniums förfining av tekniken, och det är någonting Thom verkligen har lagt ned mycket arbete på.

Ni är på väg att ställa om affärsmodellen från ren hårdvaruförsäljning till återkommande intäkter via mjukvara och förbrukningsmaterial. Hur ser den resan ut?

– Det är en aktiv transformation som vi är mitt i. Våra första kunder fanns framför allt inom akademin och då har det handlat om instrumentförsäljning, vilket passar deras inköpsprocess. Industrin förväntar sig något annat. De vill se serviceavtal, kvalitetskontroll, underhåll och mjukvarumoduler anpassade till deras arbetsflöden. Vi jobbar just nu på att formalisera den modellen.

Skulle det alltså vara aktuellt för er att sälja er produkt som en tjänst?

– Det är absolut något som skulle kunna erbjudas som en tjänst, men vi ser inte att vi själva skulle bli en CRO. Däremot för vi samtal med både CRO:er och CDMO:er som snabbt har plockat upp värdet i vårt erbjudande mot deras kunder. Exakt hur affärsmodellen för det ska se ut är under diskussion.

– Serviceorganisationer är snabba på att se värdet i det vi gör, eftersom de själva är beroende av att vara kostnadseffektiva och leverera bra data. Vi är i dag samlokaliserade med en CRO och kör de första testerna på prover därifrån.

– Vi träffar också många bolag som har som etablerat arbetssätt att lägga ut den här typen av analys. Många av dem köper inte egna instrument, och ska vi nå dem måste vi finnas där de redan arbetar. Det är något vi trodde, och som nu har bekräftats.

På tal om de kommande månaderna. Vilka milstolpar räknar ni med att nå inom ett år?

– Fokuset är framför allt kommersiellt. Vi ska validera affärsmodellen genom pilotprojekt mot industrin – både via serviceorganisationer och direkt mot läkemedelsbolag – och börja låsa upp återkommande intäkter. Det är där vi lägger krutet.