A biologia nunca é simples. À medida que os pesquisadores avançam na leitura e edição de genes para tratar doenças, por exemplo, um crescente corpo de evidências sugere que as proteínas e metabólitos que cercam esses genes não podem ser ignorados.

A ReviveMed, spinout do MIT, criou uma plataforma para medir metabólitos — produtos do metabolismo como lipídios, colesterol, açúcar e carboidratos — em escala. A empresa está usando essas medições para descobrir por que alguns pacientes respondem aos tratamentos enquanto outros não e para entender melhor os causadores da doença.

“Historicamente, conseguimos medir algumas centenas de metabólitos com alta precisão, mas isso é uma fração dos metabólitos que existem em nossos corpos”, diz a CEO da ReviveMed, Leila Pirhaji PhD '16, que fundou a empresa com o professor Ernest Fraenkel. “Há uma lacuna enorme entre o que estamos medindo com precisão e o que existe em nosso corpo, e é isso que queremos abordar. Queremos aproveitar os insights poderosos de dados de metabólitos subutilizados.”

O progresso da ReviveMed acontece à medida que a comunidade médica mais ampla está cada vez mais vinculando metabólitos desregulados a doenças como câncer, Alzheimer e doenças cardiovasculares. A ReviveMed está usando sua plataforma para ajudar algumas das maiores empresas farmacêuticas do mundo a encontrar pacientes que podem se beneficiar de seus tratamentos. Ela também está oferecendo software para pesquisadores acadêmicos gratuitamente para ajudar a obter insights de dados de metabólitos inexplorados.

“Com o campo da IA crescendo, achamos que podemos superar problemas de dados que limitaram o estudo de metabólitos”, diz Pirhaji. “Não há um modelo de base para metabolômica, mas vemos como esses modelos estão mudando vários campos, como a genômica, então estamos começando a ser pioneiros em seu desenvolvimento.”

Pirhaji nasceu e foi criada no Irã antes de vir para o MIT em 2010 para fazer seu doutorado em engenharia biológica. Ela já havia lido os artigos de pesquisa de Fraenkel e estava animada para contribuir com os modelos de rede que ele estava construindo, que integravam dados de fontes como genomas, proteomas e outras moléculas.

“Estávamos pensando no panorama geral em termos do que você pode fazer quando pode medir tudo — os genes, o RNA, as proteínas e pequenas moléculas como metabólitos e lipídios”, diz Fraenkel, que atualmente atua no conselho de diretores da ReviveMed. “Provavelmente só conseguimos medir algo como 0,1 por cento das pequenas moléculas no corpo. Achamos que deveria haver uma maneira de obter uma visão tão abrangente dessas moléculas quanto temos das outras. Isso nos permitiria mapear todas as mudanças que ocorrem na célula, seja no contexto de câncer, desenvolvimento ou doenças degenerativas.”

Mais ou menos na metade do seu doutorado, Pirhaji enviou algumas amostras para um colaborador na Universidade de Harvard para coletar dados sobre o metaboloma — as pequenas moléculas que são produtos de processos metabólicos. O colaborador enviou a Pirhaji uma enorme planilha do Excel com milhares de linhas de dados — mas eles disseram a ela que era melhor ignorar tudo além das 100 primeiras linhas porque eles não tinham ideia do que os outros dados significavam. Ela encarou isso como um desafio.

“Comecei a pensar que talvez pudéssemos usar nossos modelos de rede para resolver esse problema”, lembra Pirhaji. “Havia muita ambiguidade nos dados, e foi muito interessante para mim porque ninguém tinha tentado isso antes. Parecia uma grande lacuna no campo.”

Pirhaji desenvolveu um enorme gráfico de conhecimento que incluía milhões de interações entre proteínas e metabólitos. Os dados eram ricos, mas confusos — Pirhaji os chamou de "bola de pelo" que não conseguia dizer nada aos pesquisadores sobre doenças. Para torná-los mais úteis, ela criou uma nova maneira de caracterizar vias e características metabólicas. Em um artigo de 2016 na Nature Methods , ela descreveu o sistema e o usou para analisar mudanças metabólicas em um modelo da doença de Huntington.

Inicialmente, Pirhaji não tinha intenção de abrir uma empresa, mas começou a perceber o potencial comercial da tecnologia nos últimos anos de seu doutorado.

“Não há cultura empreendedora no Irã”, diz Pirhaji. “Eu não sabia como começar uma empresa ou transformar a ciência em uma startup, então aproveitei tudo o que o MIT oferecia.”

Pirhaji começou a fazer aulas na MIT Sloan School of Management, incluindo o Curso 15.371 (Equipes de Inovação), onde se juntou a colegas para pensar sobre como aplicar sua tecnologia. Ela também usou o MIT Venture Mentoring Service e o MIT Sandbox, e participou do Martin Trust Center para o acelerador de startups delta v do MIT Entrepreneurship.

Quando Pirhaji e Fraenkel fundaram oficialmente a ReviveMed, eles trabalharam com o Technology Licensing Office do MIT para acessar as patentes em torno de seu trabalho. Pirhaji desde então desenvolveu ainda mais a plataforma para resolver outros problemas que ela descobriu em conversas com centenas de líderes em empresas farmacêuticas.

A ReviveMed começou trabalhando com hospitais para descobrir como os lipídios são desregulados em uma doença conhecida como esteatohepatite associada à disfunção metabólica. Em 2020, a ReviveMed trabalhou com a Bristol Myers Squibb para prever como subconjuntos de pacientes com câncer responderiam às imunoterapias da empresa.

Desde então, a ReviveMed tem trabalhado com várias empresas, incluindo quatro das 10 maiores empresas farmacêuticas globais, para ajudá-las a entender os mecanismos metabólicos por trás de seus tratamentos. Esses insights ajudam a identificar os pacientes que mais se beneficiam de diferentes terapias mais rapidamente.

“Se soubéssemos quais pacientes se beneficiariam de cada medicamento, isso realmente diminuiria a complexidade e o tempo associados aos ensaios clínicos”, diz Pirhaji. “Os pacientes obteriam os tratamentos certos mais rapidamente.”

No início deste ano, a ReviveMed coletou um conjunto de dados com base em 20.000 amostras de sangue de pacientes que usou para criar gêmeos digitais de pacientes e modelos de IA generativos para pesquisa metabolômica. A ReviveMed está disponibilizando seus modelos generativos para pesquisadores acadêmicos sem fins lucrativos, o que pode acelerar nossa compreensão de como os metabólitos influenciam uma série de doenças.

“Estamos democratizando o uso de dados metabolômicos”, diz Pirhaji. “É impossível para nós termos dados de cada paciente no mundo, mas nossos gêmeos digitais podem ser usados para encontrar pacientes que poderiam se beneficiar de tratamentos com base em seus dados demográficos, por exemplo, encontrando pacientes que podem estar em risco de doença cardiovascular.”

O trabalho faz parte da missão da ReviveMed de criar modelos de base metabólica que pesquisadores e empresas farmacêuticas podem usar para entender como doenças e tratamentos alteram os metabólitos dos pacientes.

“Leila resolveu muitos problemas realmente difíceis que você enfrenta quando tenta tirar uma ideia do laboratório e transformá-la em algo robusto e reproduzível o suficiente para ser implantado na biomedicina”, diz Fraenkel. “Ao longo do caminho, ela também percebeu que o software que ela desenvolveu é incrivelmente poderoso por si só e pode ser transformador.”