오퍼 하비브 에보진의 CEO이자 사장이다. 이 직책을 맡기 전에 그는 2002년부터 2004년까지 회사의 COO 및 CFO를 역임했으며 2002년 Evogene이 Compugen에서 분사하는 데 핵심적인 역할을 했습니다. Compugen에서 그는 4년 동안 재무 및 재무 담당 이사직을 역임했습니다. 이때 회사는 나스닥에서 두 번의 사모와 IPO를 완료했습니다.
이 답변에 대한 일부 기여는 다음과 같습니다.
에보진 (나스닥:EVGNTASE: EVGN.TA)는 인간 건강 및 농업을 포함한 다양한 생명 과학 산업 전반에 걸쳐 제품 발견 및 개발을 혁신하는 데 특화된 컴퓨터 생물학 회사입니다. 이 회사는 다목적 CPB(Computational Predictive Biology) 플랫폼을 활용하여 이러한 분야의 혁신을 주도하고 있습니다.
2004년 CEO로 합류한 이후 당신은 Evogene이 분사에서 컴퓨터 생물학 분야의 나스닥 상장 리더로 변모하는 과정을 감독해 오셨습니다. 회사의 현재 방향을 형성하는 가장 중추적인 순간이나 결정은 언제였습니까?
오늘날의 Evogene을 만든 세 가지 전략적 결정은 다음과 같습니다.
- 2013년 나스닥 상장 결정.
- 2016년 농업 산업의 유전적 요소를 기반으로 한 제품 개발을 주로 지원했던 단일 전산 시스템(CPB)에서 고유한 데이터, 전산 시스템 및 생명 과학에 대한 깊은 이해를 결합하는 세 가지 별도의 기술 엔진으로 진화하기로 한 결정 :
- 발전기: 유전체학에 대한 깊은 이해를 바탕으로 제품 분야에서 에보진의 독창적인 활동을 지원합니다.
- 마이크로부스트: 미생물 기반 제품 개발을 지휘하고 가속화합니다.
- 켐패스: 화학 기반 제품 개발을 지휘하고 가속화합니다.
- 다양한 분야의 제품을 개발하기 위해 Evogene의 자체 연구진과 함께 이러한 독특한 기술 엔진을 사용하기로 결정했습니다. 회사 내 여러 부서로 시작된 이 활동은 나중에 다음을 포함하여 Evogene 자회사를 설립하는 기반이 되었습니다.
- 바이오미카: MicroBoost 기술 엔진을 활용하여 인간 마이크로바이옴 기반 약물을 개발합니다.
- 라비바이오: MicroBoost를 활용하여 농업용 미생물 기반의 생물학적 제품을 개발하고 해충으로부터 식물을 보호하며 수확량을 향상시킵니다.
- AgPlenus: ChemPass 기술 엔진을 사용하여 해충으로부터 작물을 보호하기 위한 화학 제품을 개발합니다.
- 카스테라: GeneRator를 사용하여 성장하는 생물학적 제품 및 대체 연료 산업을 위한 오일을 생산하기 위한 피마자 식물 재배용 고유한 피마자 품종을 개발합니다.
계산 생물학에는 생물학, AI 및 데이터 과학 분야의 최고 수준의 인재가 필요합니다. Evogene은 이러한 분야의 전문가를 어떻게 유치하고 유지하며, 어떤 기술이나 배경을 우선시합니까?
Evogene에서는 생물학, 인공 지능, 컴퓨터 전문 지식을 통합하는 협업 환경을 조성하여 최고의 인재를 유치합니다. 우리는 다양한 분야의 경험을 가진 개인, 특히 다양한 분야에서 일해 왔으며 ‘실제’ 통찰력을 제공하는 개인을 소중히 여깁니다. 창의성과 문제 해결은 우리가 추구하는 것의 핵심이며, 우리 팀이 혁신적인 솔루션으로 복잡한 과제를 해결할 수 있도록 해줍니다.
민첩성과 미래 지향적인 사고를 육성하는 생태계를 갖춘 하이테크 혁신의 글로벌 리더인 이스라엘에 본사를 두고 있어 뛰어난 인재를 끌어들이는 능력이 향상됩니다.
Evogene은 Weizmann Institute와 같은 세계적 수준의 교육 기관과 근접해 있어 생물학, AI 및 데이터 과학 분야의 숙련된 전문가를 유치하는 데 중요한 역할을 합니다.
Evogene은 기술 분야의 전문가들에게 삶의 질과 우리가 먹는 음식에 중대한 영향을 미치는 생명 과학 분야의 제품 개발에 자신의 전문 지식을 적용할 수 있는 독특한 기회를 제공합니다. 기술과 생명과학의 이러한 교차점은 전통적인 하이테크 산업에서 볼 수 있는 것과는 다릅니다. 생물학자들을 위해 우리는 다른 어느 곳과도 비교할 수 없는 수준으로 제품 비전을 실현할 수 있는 고급 기술 도구를 제공합니다.
AI 기술 엔진을 갖춘 Evogene의 CPB(계산 예측 생물학) 플랫폼의 핵심 원리와 이것이 생명 과학 분야의 다른 예측 AI 모델과 어떻게 다른지 자세히 설명해 주시겠습니까?
Evogene의 CPB(Computational Predictive Biology) 플랫폼은 생물학 및 화학에 대한 깊은 이해를 AI, 기계 학습, 계산 모델 및 생물학적 데이터와 통합하여 수백만 개의 데이터 포인트에 대한 분석을 수행합니다. 이러한 확립된 AI 기술 엔진은 연구원의 제품 발견을 지원하고 신제품 개발을 간소화하며 우리의 많은 협업의 원동력이 되었습니다.
우리의 독창성은 세 가지 매개변수로 특징지어질 수 있습니다:
- 응용 프로그램 자체의 개발 과정에서 생물학과 화학에 대한 깊은 지식과 계산 세계 간의 강력한 연결뿐만 아니라 다양한 제품의 정의에 적응할 수 있는 응용 프로그램의 유연성도 있습니다.
- 발견 단계부터 후보가 상용 제품 기준(일반적으로 제품 개발의 훨씬 후반 단계에서 검토되는 기준)을 성공적으로 충족할 가능성을 예측하려는 우리의 노력.
- Evogene은 유전체학, 화학, 미생물의 세 가지 영역에서 동시에 운영되어 개발 프로세스에 대한 보다 포괄적인 이해를 제공합니다.
건강, 농업 및 산업 응용 분야 전반에 걸쳐 제품 발견을 혁신하는 데 회사가 중점을 두고 있는 상황에서 Evogene이 이러한 분야에 영향력을 확대하기 위한 장기 목표는 무엇입니까?
우리의 장기 목표는 세 가지로 나눌 수 있습니다.
- 기존 파트너의 이익을 위해 기술 엔진에 투자하면 올바른 검증 후보를 더 잘 예측하고 초기에 제품 개발에 대한 추가 기준을 더 잘 포함할 수 있습니다. 즉, 엔진의 지속적인 개선입니다.
- ChemPass-AI 엔진을 통한 약물 발견에 대한 현재의 전략적 초점과 같이 Evogene의 기존 자회사가 현재 다루지 않는 추가 부문으로 엔진의 다양한 용도를 확장합니다.
- 보유 지분 일부를 매각하거나 배당금을 받아 자회사의 가치를 높이고 주주로서 이익을 얻기 위해.
CPB 플랫폼은 창립 이후 어떻게 발전해 왔으며, ChemPass AI 및 MicroBoost AI와 같은 새로운 기술 엔진을 개발하면서 최근에 겪은 발전이나 과제는 무엇입니까?
CPB(Computational Predictive Biology) 플랫폼은 처음에 모놀리식 아키텍처를 사용하여 개발되었으며 주로 식물 유전체학에 초점을 맞춘 일련의 생물정보학 애플리케이션을 통합했습니다. 더 큰 유연성과 확장성에 대한 필요성을 인식하여 플랫폼은 마이크로서비스 아키텍처로 전환되어 사용자 인터페이스(UI)와 사용자 경험(UX) 모두가 크게 향상되었습니다. 이러한 아키텍처 발전은 미생물학 및 화학을 포함한 유전체학을 넘어 생명 과학 내에서 새로운 영역으로의 플랫폼 확장을 지원하여 소분자 발견을 위한 ChemPass AI 및 미생물군집 기반 애플리케이션을 위한 MicroBoost AI와 같은 혁신적인 기술 엔진의 개발로 이어졌습니다. 이러한 기술을 확장하는 데 어려움이 있었지만 플랫폼의 다학문적 접근 방식은 다양한 과학 분야에 걸쳐 지속적인 발전과 영향력 있는 발전을 보장합니다.
Google Cloud와의 협력은 어떻게 이루어졌으며, Google Cloud가 Evogene의 선호 파트너가 된 주요 요인은 무엇이었나요?
Google Cloud와의 협력은 고급 AI 기술을 활용하여 소분자 약물 발견 및 개발을 혁신한다는 공유된 비전에 의해 추진되었습니다. Google Cloud의 강력한 Vertex AI 플랫폼, 최첨단 GPU, 방대한 스토리지 기능은 최대 400억 분자 구조에서 기초 모델을 학습시키는 데 필요한 컴퓨팅 성능을 제공합니다. AI 및 기계 학습에 대한 전문 지식과 Evogene의 계산 화학 분야 강점이 결합되어 분자 설계에서 신속한 혁신, 확장성 및 전례 없는 다양성을 가능하게 하는 시너지 효과를 창출합니다. 이번 협력을 통해 신약 발견과 잠재적으로 다른 생명과학 제품에 대한 혁신적인 솔루션을 제공하는 우리의 능력이 가속화되고 있습니다.
기초 모델은 새로운 작은 분자를 생성하고 평가하는 것을 목표로 합니다. 이것이 의약품 및 제품 개발의 속도와 정확성에 어떤 즉각적이고 장기적인 영향을 미칠 것으로 예상하시나요?
기초 모델 접근 방식은 의약품 및 제품 개발의 최첨단 혁신을 나타내며 기존 AI 방법보다 훨씬 더 큰 데이터 세트에 대한 사전 교육을 가능하게 합니다. 이 기능을 통해 더 깊은 통찰력과 향상된 정밀도를 얻을 수 있으며, 이는 약물 발견 및 개발에 획기적인 변화를 가져옵니다. 단기적으로 이 모델은 원하는 사전 정의된 특성을 가진 새로운 소분자를 신속하게 생성하고, 탐구된 매우 좁은 화학적 공간을 돌파하여 화학적 다양성을 넓히고, 새로운 잠재력이 높은 화합물을 발견함으로써 발견 단계에 혁명을 일으킬 것입니다. 장기적으로 발견 단계에 AI를 통합하면 약물 개발의 후반 단계, 잠재적으로 임상 개발 단계까지 상당한 이점을 얻을 수 있습니다.
이 기술이 제약 R&D에 어떤 영향을 미칠 것으로 예상하시나요? 이 모델이 해결하는 데 도움이 될 수 있다고 생각하는 이 분야의 가장 시급한 과제는 무엇입니까?
저분자 약물 발견을 위한 기초 모델은 개발 시간과 비용을 크게 줄이고 성공 확률을 높임으로써 제약 R&D에 혁명을 일으킬 수 있는 엄청난 가능성을 가지고 있습니다. 이 기술을 사용하면 유망한 약물 후보를 신속하고 정확하게 생성할 수 있어 잠재적으로 12~15년의 개발 일정과 약물당 20억 달러를 초과하는 엄청난 비용을 줄일 수 있습니다. 프로세스를 간소화하고 제품 상용화 단계에 도달할 수 있는 성공 확률을 높임으로써 기초 모델은 미래의 혁신적인 치료법을 촉진하고 생명을 위협하는 질병을 앓고 있는 환자에게 더 나은 치료 옵션을 제공할 수 있습니다.
생명 과학을 위한 AI 경쟁이 치열해지는 가운데 Evogene은 어떻게 계산 생물학 및 분자 설계 분야에서 경쟁 우위를 유지할 계획입니까?
Evogene의 경쟁 우위는 다양한 분야의 팀(알고리즘 개발자, 소프트웨어 엔지니어, 화학자 및 생물학자)의 전문 지식, 스크리닝 및 최적화를 향상시키는 독점 알고리즘의 통합, 시장 요구에 맞게 솔루션을 맞춤화하는 민첩성에서 비롯됩니다. Google Cloud와의 협력은 최첨단 AI 도구를 활용하여 새로운 소분자 설계를 개선하고 가속화함으로써 역량을 발전시키는 데 중추적인 역할을 합니다. 유연한 협업 모델은 당사의 독점 기술이 영향력 있고 시장에 맞는 솔루션을 제공하도록 보장합니다.
앞으로 계산 생물학의 미래를 형성하는 Evogene의 역할에 대한 장기적인 비전은 무엇이며, 회사가 향후 10년 동안 생명과학 산업에 어떤 영향을 미칠 것이라고 보시나요?
Evogene의 비전은 계속해서 전산 생물학 및 화학의 최전선에 서서 생명 과학 제품 개발의 미래를 형성하는 것입니다. 향후 10년 동안 우리는 전략적 파트너십을 통해 기술 범위를 확장하고 인류 건강, 농업 및 지속 가능성의 발전을 추진하여 중요한 글로벌 과제를 해결하는 것을 계획하고 있습니다. 우리의 궁극적인 목표는 이러한 발전을 획기적인 치료법, 지속 가능한 농업 솔루션 및 친환경 기술과 같은 혁신적인 제품으로 전환하는 것입니다.
게시물 Ofer Haviv, Evogene의 사장 겸 CEO – 인터뷰 시리즈 처음 등장한 Unite.AI.
