Látványosan, egy-két mondatban nem könnyű elmagyarázni, mivel is foglalkozik a Turbine nevű startup, de érdemes megkísérelni, mert igen fontos dologról van szó. Az egész emberiség számára kulcsfontosságú rákgyógyításban ugyanis kitűnő segítséget nyújthat az a szoftveralapú sejtmodell, amelyet pár magyar kutató dolgozott ki. Mindez azért lényeges, mivel minden rákos megbetegedés más és egyedi, ebből fakadóan lehetetlen egy egységes, mindenkinél működő gyógyszert létrehozni. A Turbine által megalkotott sejtmodellel a rákgyógyszer-molekulák hatásmechanizmusát lehet tesztelni, sokszorta gyorsabban, mint eddig. Az iparágban ugyanis a mai napig egy erre kitenyésztett műsejtkörnyezetet használnak, valamint állatkísérleteket folytatnak. Ha ezeken átesik az adott gyógyszermolekula, akkor jönnek a klinikai kísérletek. Magyarán a Turbine által kifejlesztett digitális sejtmodellel a sok száz millió eurós (forint-tíz-milliárdos) gyógyszerkutatások látványosan egyszerűbbek, vala-mint gyorsabbak lehetnek. És jóval olcsóbbak is!
No de hogyan is kezdődött a történet? Úgy, hogy két igen tehetséges fiatal egymástól függetlenül PhD-dolgozatot készített a neves hálózatkutatónál, Csermely Péter professzornál, mégpedig igen hasonló témában. Veres Dániel kutatóorvos a fehérjék közti kapcsolatokról írta nagydolgozatát, míg Szalay Kristóf a mesterséges intelligencia daganatkutatást gyorsító fel-használási módjait kereste. 2015-ben összefogtak, és még annak az évnek a vége felé találtak rá a tudományos érdeklődésű Nagy Szabolcsra, aki a sikeres Tresorit IT-biztonsági startup marketing-vezetői pozíciója után keresett új kihívást.
Szabolcsnak semmilyen orvosi, biológiai vagy mesterséges intelligenciához kapcsolódó végzettsége nem volt, csak azt tudta: segíteni akar a szegényeken vagy a betegeken. Egy közös ismerős mutatta be őt Kristófnak és Dánielnek a Pulzus nevű
orvoskocsmában, a SOTE mellett. A sikeres beszélgetésnek kö-szönhetően hárman merültek el a nagy gyógyszercégek világá-ban, hogy megismerhessék mozgatórugóikat, igényeiket. A két kutató zseniális meglátásai és elképzelései Szabolcs közreműkö-désével forrtak ki üzletileg is értelmezhető és eladható termékké.
Ő segített megtalálni a piaci lehetőségeket is, így például a Bayer gyógyszercég startupprogramját 2016 nyarán, amelybe több mint négyszáz jelölt cég közül választották ki őket. A négy hó-napos berlini projekt alatt hatalmas dolgot vittek véghez: meg-győzték a konzervatív, de persze professzionálisan dolgozó bajor informatikus-gyógyszerkutatókat arról, hogy a gyógyszerfejlesztésben működhet az eléggé meredek elképzelésük, az említett digitális sejtmodell.
A Bayer szakértői nem véletlenül voltak szkeptikusak, mert eddig még senkinek sem sikerült az a feladat, amelybe az akkor már hétfősre bővült kutatócsapat belefogott. Jelesül a sejt-szintű fehérjefolyamatok lemodellezése. A szakemberek mint-egy hetvenezer fehérjét ismernek, és sem ember, sem számító-gép nincs a világon, aki/amely ezt az igen bonyolult rendszert csak kicsit is átlátja jelenleg. A két kutató ugyanakkor sikerrel vet-te az első akadályt: a fehérjék közti kölcsönhatások, interakciók már ismert típusait le tudták fordítani gépi nyelvre. Ezeknek az interakcióknak a hálózatából nyernek ki információkat mesterséges intelligencia segítségével, így téve modellezhetővé egy sejtet, sőt tíz vagy száz sejt egyidejű működését digitálisan.
A munka végső soron teljességében összemérhető lenne az emberi genom feltérképezésével, így a kis csapatnak szűkíteni kellett a modell érvényességét és hatókörét, hogy érdemben hozzákezdhessenek a munkához. Ezért a rákos sejteket választották, ott is mindössze az agresszív osztódást, illetve a programozott sejthalált „nézték ki”. Ezen folyamatokban ugyanis nem hetvenezer, csak mintegy öt-hatezer fehérje vesz részt. Ráadásul a gyógyszeripar számára is igen kritikus folyamatokról van szó, így üzletileg is rögtön értelmezhetővé válik a kutatás. Mi-ért? Mert ha sikerül lemodellezni az agresszív sejtosztódás, illetve a programozott sejthalál történéseit, akkor a rák ellen kifejlesz-tett gyógyszermolekulák tesztelése, kísérletei elképesztő módon felgyorsulhatnak. Márpedig dollárszázmilliókba kerül az, amikor egy-egy molekula kutatása zsákutcába kerül – a klinikai kísérleti szakaszba jutottak közül ugyanis csak minden tizedikből lesz végül gyógyszer. Ha ezt az arányt a magyar Turbine megoldása csak pár százalékkal tudja bizonyítottan javítani, már akkor is dollármilliárdos globális üzleti lehetőségről lehet szó.
E téren sem rossz a helyzet, mert hosszú várakozást követően a Bayer mérnökei 2018 nyarán visszaigazolták a Turbine sejtmodelljén futtatott tesztek eredményeinek a helyességét. Sőt, el kel-lett ismerjék: még az ő módszerüknél is mintegy háromszor jobb eredményt adott a magyar csapat megoldása!
A Bayer startupprogramja révén tehát nemcsak élesben, egy igazi gyógyszermulti rendszerében próbálhatták ki a megalkotott szoftvert a magyar kutatók, hanem 2017-től folyamatosan jól fizető megrendeléseket is kapnak a hatalmas cégtől, ahogy ez a növekvő bevételeikből is látszik. Mégsem ültek a babérjaikon: egy másik nagy gyógyszergyári ügyfelet is szereztek, s félmillió eurós nagyságrendű magvető tőkét sikerült bevonniuk az el-múlt egy-másfél évben. Ami még fontosabb, nem is akármilyen befektetőktől, hanem többek közt a világhírű Esther Dysontól és a Here Maps alapítójának Atlantic Labs nevű befektetőcégétől. (Egy startup életében az sem mellékes, hogy kik invesztálnak bele.) A csapat létszámát pedig a Bayer-megrendelések és a magvető beruházás révén ütemesen bővíteni kezdték. 2018 végére félszáz fős céget építenének, s tavaly már csaknem 107 milliós árbevételt értek el.
Jelenleg zajlik a következő körös tőkebevonás előkészítése, az úgynevezett Series A gyűjtési körben már sok millió eurós nagyságrendű összeget keresnek. Fő célpiacaik az európai és az amerikai nagy gyógyszergyártók. Ennek megfelelően az értékesítési irodát Londonban vagy Boston környékén nyitnák meg, de az alaptevékenységet, a kutatás-fejlesztést Magyarországon tartanák. A fejlesztés fő célja tehát, hogy olyan működő sejtmodellt hozzanak létre, amely a mainál is jobban kiszolgálja a rákkutatás igényeit. Jelenleg 1600 fehérjét tudnak modellezni, illetve a köztük lévő kölcsönhatást, de rövidesen, várhatóan 2019 vége felé elérik a 4000 feletti fehérjeszámot, melynek révén minden további nélkül egyfajta „szériaérett” szoftvert lesznek képesek alkotni, amely kiválóan értékesíthető lehet a mostani két nagy partnerük mellett másoknak is. Mint Nagy Szabolcs elárulta, szinte minden nagyobb gyógyszergyártóval tárgyalnak a találmányuk hasznosításáról, ehhez pedig az eddigi munkájuk és referenciáik kitűnő alapot szolgáltatnak.