Verge Genomics

Was ist Verge Genomics?

Verge Genomics hat sich auf die Beschleunigung der Arzneimittelentdeckung für komplexe neurodegenerative Erkrankungen spezialisiert, indem umfangreiche menschliche Genomdaten und fortschrittliche Computerbiologie genutzt werden. Ihre proprietäre CONVERGE®-Plattform integriert Multi-Omics-Patientendaten mit maschinellem Lernen, um therapeutische Ziele direkt aus menschlichem Hirngewebe zu identifizieren und zu validieren, wodurch die Wahrscheinlichkeit klinischen Erfolgs erhöht wird. Das Unternehmen konzentriert sich auf Erkrankungen wie ALS und Parkinson und treibt Programme von der Entdeckung bis zur klinischen Entwicklung voran, während es mit Partnern wie Eli Lilly zusammenarbeitet.

Hauptfunktionen

• Rein humane Datenplattform

  Nutzt umfangreiche Datensätze aus menschlichem Hirngewebe und Patientengenomik zur Identifizierung krankheitsrelevanter Gennetzwerke und Ziele, wodurch die Einschränkungen von Tiermodellen umgangen werden.

• CONVERGE® Maschinelles Lernsystem

  Eine geschlossene Plattform, die Multi-Omics-Daten mit Berechnungswerkzeugen kombiniert, um Wirkstoffziele mit höherer klinischer Übertragbarkeit vorherzusagen.

• Integrierte Zielvalidierung

  Verbindet computergestützte Vorhersagen mit experimenteller Validierung unter Verwendung von patientenabgeleiteten Zellen und fortschrittlichen biologischen Assays, um Kausalität und therapeutisches Potenzial zu etablieren.

• Fokus auf neurodegenerative Erkrankungen

  Widmet sich der Entwicklung von Behandlungen für anspruchsvolle Erkrankungen wie ALS, Parkinson und frontotemporale Demenz mit hohem ungedecktem medizinischem Bedarf.

• Kollaborative Arzneimittelentwicklung

  Geht strategische Partnerschaften ein, um vielversprechende Ziele in klinische Studien zu überführen, beispielhaft durch eine mehrjährige Zusammenarbeit mit Eli Lilly.

Anwendungsfälle

• Zielentdeckung für Neurodegeneration : Identifizierung neuartiger Genziele und Signalwege, die an Erkrankungen wie ALS und Parkinson beteiligt sind, direkt aus Patientendaten.
• Entwicklung von Wirkstoffkandidaten : Design und Optimierung therapeutischer Verbindungen auf Basis validierter Ziele zur Wiederherstellung gesunder Gennetzwerkfunktionen.
• Identifizierung klinischer Biomarker : Verknüpfung von Genexpression und klinischen Patientendaten zur Auffindung von Biomarkern, die den Krankheitsverlauf und das Therapieansprechen verfolgen.
• Beschleunigung der translationalen Forschung : Nutzung menschenzentrierter Daten und maschinellen Lernens zur Verbesserung der Vorhersage klinischer Ergebnisse und Reduzierung von Misserfolgen in der Arzneimittelentwicklung.

Häufig gestellte Fragen