Turbine与阿斯利康(AstraZeneca)已建立合作伙伴关系，利用前者的虚拟疾病模型来增强抗体药物偶联物(ADCs)的发现。
该合作将利用Turbine的平台来预测反应机制、优化ADC定位，并减少对广泛细胞系筛选的依赖。
该合作将利用Turbine虚拟化生物实验的能力，简化ADC发现过程，同时提供机制性见解。
此前，Turbine与阿斯利康曾合作利用Turbine的Simulated Cell平台研究血液系统癌症的治疗抵抗机制。
此前的合作还专注于预测联合治疗的协同作用，并识别与DNA损伤修复机制相关的生物标志物候选物。
Turbine首席科学官兼联合创始人Daniel Veres表示："通过实施闭环实验室(lab-in-the-loop)方法，我们可以超越广泛的实验筛选，转向更高效、有针对性的策略，选择最有可能在患者中取得成功的ADC组合。
"这也为将我们的虚拟实验室更深入地整合到发现工作流程中奠定了基础，有助于确保进行正确的实验，从而为患者带来最大影响。"
这两家公司计划采用闭环实验室方法来应对ADC开发中的挑战。
这种方法涉及Turbine的平台，建议选择特定的细胞系子集进行测试，然后使用阿斯利康的ADC数据集在数千个计算机模拟(in silico)模型中预测结果。
这些数据集包括单药和联合治疗研究，使发现工作更接近临床结果。
该计划的长期目标是将类似的方法扩展到患者来源模型，并最终提高临床护理水平。
除了减轻实验负担外，Turbine的平台还提供机制性见解，提高了临床可转化性。
该平台不仅模拟细胞存活，还改变基因表达，有助于更好地理解为什么某些细胞对治疗有反应或产生抵抗。
2025年初，阿斯利康、Tempus和Pathos AI合作开发了一个大规模多模态深度学习模型，旨在加速癌症药物发现。
《Turbine与阿斯利康合作推进抗体药物偶联物发现》最初由GlobalData旗下的Pharmaceutical Technology创建并发布。
【全文结束】
