圖｜MIT孵化的公司透過大規模代謝組學資料與AI解析藥物作用機制並篩選能從中獲益的患者群體（來源：MIT News）
生命科學研究從來都不是一件簡單的事。儘管研究人員在基因編輯治療領域取得了顯著進展，但越來越多證據表明，圍繞這些基因的蛋白質和代謝物同樣不可忽視。
麻省理工學院的衍生公司 ReviveMed 搭建起了一個平臺，能夠對代謝物（如脂質、膽固醇、糖類及碳水化合物等新陳代謝產物）進行規模化檢測。藉助這些測量資料，探究“同藥不同效”的治療謎題（部分患者對治療有反應而另一部分卻沒有），並深入探究疾病發生的潛在機制。
“一直以來，我們僅能高精度測量幾百種代謝物，可這不過是人體內代謝物的冰山一角。” ReviveMed 執行長 Leila Pirhaji 說道，“我們能夠準確測量的代謝物和體內實際存在的代謝物之間存在著巨大鴻溝，這正是我們想要攻克的難題。我們希望能從尚未充分利用的代謝物資料中挖掘出更多有價值的資訊。”
Leila Pirhaji 與 Ernest Fraenkel 教授共同創立了 ReviveMed。隨著公司在這個領域取得一些新進展，醫學界也形成新認知：越來越多的研究證實代謝物失調與癌症、阿爾茨海默病和心血管疾病等密切相關。
目前，ReviveMed 正協助全球頂尖藥企篩選最適合其治療方案的患者群體，此外，它還向科研機構免費開放分析軟體，助力挖掘代謝資料中的科研價值。
“藉助蓬勃發展的 AI 技術，我們有望攻克長期制約代謝研究的瓶頸。”Leila Pirhaji 表示，“雖然代謝組學尚缺基礎模型，但見證類似其他模型在基因組學等領域的革新力量後，我們正全力推進代謝組學基礎模型的研發程序。”
尋找挑戰之路
Leila Pirhaji 出生在伊朗，2010 年赴麻省理工學院攻讀生物工程博士學位。此前，她研讀過 Ernest Fraenkel 教授的研究論文，對其構建的整合基因組、蛋白質組等分子資料的網路模型深感興趣，從此便渴望自己也能貢獻一份力量。
“我們當時的願景是構建完整的生命測量圖譜，從基因、RNA、蛋白質到代謝物、脂類等小分子。”現任 ReviveMed 董事的 Fraenkel 解釋道，“但人體內的小分子我們當時僅能檢測約 0.1%，這與其他分子的研究深度形成巨大落差。我們相信必能找到方法全面解析這些分子，從而繪製細胞在癌症、發育或退行性疾病中的完整變化圖景。”
博士生涯中期，Leila Pirhaji 曾將一些樣本寄給哈佛大學的一位合作者，以收集有關代謝組（代謝過程中產生的小分子）的資料。
返回的 Excel 表格包含數千行資料，但合作者建議她忽略前 100 行之後的內容，因為無人知曉其餘資料的含義。這反而激發了她的挑戰欲。
“我開始思考，或許可以藉助我們的網路模型來解決這個難題。” Leila Pirhaji 回憶道，“資料中存在大量模糊資訊，這對我來說非常有吸引力，因為此前沒人嘗試過。這似乎是該領域的一個空白。”
隨後，她構建了一個包含數百萬蛋白質-代謝物相互作用的龐大知識圖譜。雖然資料豐富卻雜亂無章，她稱其為“一團亂麻”，根本無法讓研究人員從中獲取任何關於疾病的資訊。
為了讓這些資料變得有價值，她創造了一種新方法來表徵代謝途徑和特徵。2016 年，她在 Nature Methods 上發表了一篇論文，介紹了該系統並利用它成功解析亨廷頓病模型的代謝變化。
起初，Leila Pirhaji 並沒有創業的打算，但在博士後期她逐漸意識到這項技術的商業化潛力。
“伊朗缺乏創業文化。”她坦言，“我當時根本不知道如何創辦公司，也不清楚怎樣把科研成果進行落地，所以我轉向了麻省理工學院提供的相關資源。”
於是，Leila Pirhaji 選修了斯隆管理學院的“創新團隊”課程，與同學探討技術應用場景，同時藉助麻省理工學院創業指導服務、Sandbox 孵化平臺，並參加了麻省理工學院創業中心的 delta v 創業加速器專案。
正式創立 ReviveMed 後，她與 Ernest Fraenkel 透過麻省理工學院技術許可辦公室獲取相關專利授權。此後，透過與數百位藥企高管的交流，她不斷最佳化和擴充套件平臺功能以解決實際需求。
最初，ReviveMed 與醫院合作研究代謝功能障礙相關脂肪性肝炎的脂質代謝紊亂機制。2020 年，與百時美施貴寶合作預測癌症患者對免疫療法的響應差異。
目前 ReviveMed 已與多家企業合作（包括全球前十藥企中的四家），幫助解析治療手段背後的代謝機制。這些發現能快速鎖定最可能受益於特定療法的患者群體。
“如果我們清楚每種藥物對哪些患者有效，就能大幅降低臨床試驗的複雜性，縮短試驗時間，患者也能更快得到對症治療。” Leila Pirhaji 說道。
代謝組學的生成模型
今年早些時候，ReviveMed 收集了一個基於 20,000 份患者血液樣本的資料集，用於建立患者數字孿生模型和代謝組學研究的生成式 AI 模型。
目前，該公司正面向非營利性學術機構開放其模型，此舉有望加速揭示代謝物在各類疾病中的作用機制。
“我們致力於推動代謝組學資料的普惠應用。”Leila Pirhaji 表示，“我們不可能收集到世界上每一位患者的資料，但透過數字孿生技術，我們可以根據人口統計學特徵篩選潛在受益人群。例如，識別心血管疾病高危群體進行精準干預。”
這項創新是 ReviveMed 構建代謝基礎模型計劃的重要組成部分。該模型將為科研機構與製藥企業提供關鍵工具，用於解析疾病程序與治療手段對患者代謝網路的動態影響。
“Leila Pirhaji 攻克了許多棘手的難題，她努力將實驗室裡的想法轉化為強大且可重複應用於生物醫學領域的成果。”Ernest Fraenkel 評價道，“在技術轉化過程中，她意識到自主研發的軟體平臺具備獨立應用價值，這種突破性技術可能引發行業變革。”
原文連結：
https://news.mit.edu/2025/mit-spinout-maps-body-metabolites-uncovering-hidden-disease-drivers-0219