de.wedoany.com-Bericht: Gero hat 17 Millionen US-Dollar neue Finanzierung erhalten, um seine KI-gesteuerte Plattform zur Wirkstoffforschung voranzutreiben, die sich auf Alterung und chronische Krankheiten konzentriert. Dieses KI-gestützte Biotechnologieunternehmen nutzt physikalisch basierte Modelle zur Erforschung von Alterung und chronischen Krankheiten. Nach Abschluss dieser Finanzierungsrunde beläuft sich die gesamte Eigenkapitalfinanzierung des Unternehmens auf 34 Millionen US-Dollar. Das in Singapur und San Francisco ansässige Unternehmen gab an, dass die erhaltenen Mittel die präklinische Entwicklung seiner Pipeline sowie den Ausbau von Pharmapartnerschaften unterstützen werden.
Gero hatte zuvor eine Zusammenarbeit mit Chugai Pharmaceutical, einem Mitglied der Roche-Gruppe, abgeschlossen, die Vorauszahlungen sowie Meilensteinzahlungen von bis zu 250 Millionen US-Dollar sowie Lizenzgebühren umfasst. Im Rahmen dieser Zusammenarbeit entwickelt Chugai Pharmaceutical Wirkstoffkandidaten gegen von Gero identifizierte Zielmoleküle. Darüber hinaus führte Gero im Jahr 2023 eine Forschungskooperation mit Pfizer durch.
Die Plattform des Unternehmens basiert auf einem Kernkonzept, wonach Alterung und das Auftreten altersbedingter Krankheiten Mustern folgen, die aus menschlichen Gesundheitsdaten modelliert werden können. Gero teilte MobihealthNews in einer Erklärung mit, dass seine Alterungsstrategie einen umgekehrten Ansatz verfolge und darauf hinweise, dass sich die meisten in diesem Bereich auf die Umkehrung der Alterung konzentrieren. Die von ihnen verwendete physikalisch basierte Methode zeige, dass die Verlangsamung der Alterung ein besser handhabbarer und wirkungsvollerer Weg sei, und wies darauf hin, dass auch langlebige, alterungsresistente Säugetiere in der Natur wie der Nacktmull dieser Strategie folgen.
Gero erklärte, dass die Mittel hauptsächlich für den Übergang von der Entdeckungsphase zur ressourcenintensiven Entwicklungsphase verwendet werden. Das Unternehmen gab an, dass es groß angelegte longitudinale Realweltdaten nutzt, um KI-Modelle der menschlichen Gesundheit zu erstellen, klinische, molekulare, omische und genetische Signale mit physikalisch basierter Modellierung kombiniert und Zielmoleküle direkt in menschlichen Daten identifiziert. Diese Zielmoleküle werden anschließend in anerkannten Krankheitsmodellen validiert, sodass die Biologie von Anfang an auf dem Menschen basiert und nicht aus einem einzelnen Modellorganismus extrapoliert wird. Laut Unternehmensangaben umfassen die nächsten Projekte, die für die präklinische Entwicklung in Betracht gezogen werden, Onkologie und Fibrose.
Peter Fedichev, CEO und Mitgründer von Gero, erklärte, dass das Unternehmen aus zig Millionen longitudinalen Gesundheitsakten die mathematischen Gesetzmäßigkeiten des Alterns extrahiert und diese mit molekularen, omischen und genetischen Daten integriert habe. Er betrachtet Alterung als den gemeinsamen Motor hinter fast allen chronischen Krankheiten, was bedeute, dass die Verlangsamung der Alterung die Intervention mit der höchsten Hebelwirkung für die menschliche Gesundheit sei. Während der Fokus auf Alterung liege, blieben chronische Krankheiten der Haupttreiber des medizinischen Bedarfs. Laut Daten der US-amerikanischen Centers for Disease Control and Prevention (CDC) leidet mehr als 90 % der US-Amerikaner ab 65 Jahren an mindestens einer chronischen Krankheit, während bei Erwachsenen zwischen 35 und 64 Jahren mehr als drei Viertel mindestens eine chronische Krankheit haben. Die CDC weist zudem darauf hin, dass die US-Bevölkerung altert und bis 2060 voraussichtlich fast ein Viertel der Bevölkerung 65 Jahre oder älter sein wird. Alterung erhöht das Risiko für chronische Krankheiten, darunter Demenz, Herzkrankheiten, Typ-2-Diabetes, Arthritis und Krebs.
Gero ist eines von mehreren Unternehmen, die KI, longitudinale Humandaten und Multi-Omics-Analysen auf die Wirkstoffforschung im Bereich altersbedingter oder chronischer Krankheiten anwenden. Ein weiteres ist BioAge Labs, dessen Plattform auf jahrzehntelangen menschlichen Alterungskohorten aufbaut und Gesundheitsakten, Funktionsmessungen, Analysen und maschinelles Lernen kombiniert, um Zielmoleküle im Zusammenhang mit gesunder Lebensspanne und altersbedingten Krankheiten zu identifizieren.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
