Dziesięć lat na wprowadzenie nowego leku? Polacy skrócą ten czas do kilku miesięcy. AstraZeneca „lubi to”
Polski startup bioinformatyczny NaturalAntibody wynajduje i optymalizuje przeciwciała, które mogą służyć jako leki. Sekretem jego sukcesu jest połączenie wykwalifikowanych specjalistów i sztucznej inteligencji.

W trakcie badań na Uniwersytecie w Oksfordzie Krawczyk zauważył, że dane gromadzone na potrzeby projektów R&D w firmach farmaceutycznych pozostają w dużej części niewykorzystane. Postanowił to zmienić tworząc bank danych o przeciwciałach - ich strukturach i cechach, a także możliwościach łączenia się z innymi cząsteczkami
To ważne ponieważ dane są obecnie rozproszone w dużej liczbie repozytoriów i ich zbieranie nie należy do prostych. Informacje należy również później zintegrować i przetworzyć.
NaturalAntibody opracowało narzędzia analityczne
Dzięki specjalnym algorytmom startup może przewidzieć zachowanie przeciwciał w kontakcie z antygenami i zidentyfikować te z nich, które mają dobre właściwości terapeutyczne i szansę, aby stać się lekami.
W konsekwencji pozwala to znacznie zmniejszyć liczbę eksperymentów, co oznacza oszczędność czasu i środków – zwłaszcza pod kątem terapii onkologicznych czy chorób autoimmunologicznych. O jakich oszczędnościach mówimy konkretnie?
Doktor podkreśla jednak, że powodzenie ich produktu zależy od konkretnego projektu i stopnia rozwoju platformy.

AstraZeneca, GV20 i Antiverse wśród klientów polskiego startupu.
To największe firmy na rynku farmaceutycznym i biotechnologicznym, które dostrzegają propozycję wartości
W rozwoju spółki pomaga mu Michał Krawczyk (założyciel Patronite) i fundusz Tar Heel Capital Pathfinder w modelu venture buildingowym. Startupowi udało się pozyskać także 3 mln złotych od prywatnych inwestorów, które zostaną wykorzystane m.in. na wdrażanie oprogramowanie u kolejnych klientów, głównie z USA i Europy Zachodniej, zwłaszcza Wielkiej Brytanii.
Sama spółka generuje już przychody, ale nie komentuje kwestii zarobków.
Pieniądze zostaną również wykorzystane na rozbudowę zespołu R&D oraz dalsze prace nad rozwojem algorytmów do precyzyjnej inżynierii przeciwciał. Cel: opracowanie narzędzia identyfikującego przeciwciała dokładnie odpowiadające na potrzeby terapeutyczne pacjentów.