PITTSBURGH, July 08, 2025 (GLOBE NEWSWIRE) -- Predictive Oncology Inc. (NASDAQ: POAI), a leader in AI-driven drug discovery, announced today that it has entered into a standby equity purchase agreement (“SEPA”) with YA II PN, LTD, an investment fund managed by Yorkville Advisors Global, LP (“Yorkville”). Predictive Oncology expects the partnership to provide an efficient and flexible source of funding, enabling the company to progress its ongoing drug discovery, biomarker discovery and drug repurposing init ...

文章核心观点 - 预测肿瘤公司就与Renovaro公司的纠纷发表声明，法院驳回Renovaro公司7月进行为期两天快速审判的请求，审判定于11月12 - 13日进行，公司将维护自身权利 [1][2] 公司情况 - 预测肿瘤公司是人工智能驱动药物发现领域的领导者，利用人工智能和机器学习加速早期药物发现，助力全球癌症患者的药物开发 [3] - 公司的AI平台PEDAL能以92%的准确率预测肿瘤样本对特定药物化合物的反应，结合超15万个可检测的异质人类肿瘤样本生物库，为学术和行业伙伴提供广泛的基于AI的药物发现解决方案，还有全资CLIA实验室设施 [3] - 公司总部位于宾夕法尼亚州匹兹堡 [3] 投资者关系 - 投资者关系联系人是Mike Moyer，所属公司为LifeSci Advisors, LLC，邮箱为mmoyer@lifesciadvisors.com [4]

文章核心观点 行业正朝着数据驱动的药物发现方向转变，Regeneron收购23andMe及Predictive Oncology利用AI和机器学习进行药物研发体现了这一趋势，即整合基因组学、机器学习和真实世界生物数据推动精准医学发展 [2][10] 行业趋势 - 行业正朝着数据驱动的药物发现方向转变，体现为人工智能、真实世界数据和预测分析的融合以改善治疗效果 [2][5] - 整合基因组学、机器学习和真实世界生物数据成为推动精准医学未来发展的基础力量 [10] Regeneron收购23andMe - Regeneron以2.56亿美元收购23andMe，凸显23andMe庞大基因组数据库和治疗开发合作记录的持久价值 [2] - 23andMe拥有世界上最大、最全面的纵向基因组数据集之一，其真实世界健康数据对精准药物开发极具价值 [3] - 2018年23andMe与葛兰素史克达成3亿美元合作并后续以全现金交易延长合作，显示对其数据用于药物发现和临床决策的信心 [4] - 收购后Regeneron预计将整合23andMe数据到自身研发管道，加强靶点识别、生物标志物发现和临床试验优化等能力 [5] Predictive Oncology药物研发进展 - 公司利用超15万个异质活细胞肿瘤样本生物库和药物反应数据，借助AI和机器学习积极开展新药发现、生物标志物发现和药物再利用 [1] - 公司在人工智能驱动的癌症药物发现上取得重大里程碑，利用密歇根大学天然产物发现核心的化合物，为21种未测试分子开发预测肿瘤反应模型，针对常见癌症类型 [7] - 公司专有的主动机器学习平台能利用超15万个肿瘤样本生物库的见解，对不同癌症类型的肿瘤反应进行建模 [8] - 公司结合人工智能、机器学习和实证验证，可在计算机上测试药物反应，再在CLIA实验室体外确认，加速药物开发时间表并提高技术成功概率 [8] Predictive Oncology公司优势 - 公司处于利用人工智能和机器学习加速早期药物发现和癌症药物开发的前沿 [11] - 公司经科学验证的AI平台PEDAL能以92%的准确率预测肿瘤样本对药物化合物的反应，便于选择药物/肿瘤类型组合进行体外测试 [11] - 公司拥有超15万个可检测的异质人类肿瘤样本生物库和全资拥有的CLIA实验室设施，为学术和行业合作伙伴提供广泛的基于AI的药物发现解决方案 [12]

文章核心观点 公司在AI驱动的生物标志物和药物发现领域取得进展，凭借独特资产和能力有望引领精准肿瘤学创新，2024年的成果为未来增长奠定基础 [1][15] 各方面进展总结 生存预测模型 - 与UPMC Magee - Womens医院合作开发AI驱动的多组学机器学习模型，预测卵巢癌患者短长期生存结果，优于仅基于临床数据的模型，成果于2024年6月美国临床肿瘤学会年会上展示 [3] - 模型可改善早期药物发现和临床决策，有望提高患者监测、管理和治疗效果，尤其针对高等级浆液性卵巢癌，公司正完善模型以应用于全球领先癌症中心临床实践 [4][5] 生物标志物发现 - 基于Magee研究成功，用先进深度学习方法从现有数据集和工具中识别与卵巢癌患者生存和药物反应相关的新型生物标志物 [6] - 生物标志物发现市场2024年达145亿美元，预计2030年前复合年增长率19.4%，公司认为这对AI平台是变革性机遇，正探索与生物制药公司和医疗网络的战略合作伙伴关系 [7] 药物发现 - 解决肿瘤学临床试验失败率高、患者异质性引入晚的行业挑战，通过整合137种癌症类型的15万个肿瘤样本生物库数据，在早期用湿实验室测试验证AI药物反应预测，提高技术成功概率，优化决策 [8][9] - 该能力可加速合作伙伴项目进度、降低风险、优化研发投资，是业务发展讨论的核心内容 [10] 药物再利用 - 平台能对先前弃用的肿瘤药物进行再利用，用主动机器学习筛选化合物，确定3个卵巢癌和结肠癌再评估候选药物 [11] - 此能力可挖掘搁置资产潜力，使其重新用于临床，公司正将该方法应用于更多公开可用化合物 [12] 平台拓展 - 1月宣布将旗舰检测方法ChemoFx拓展至欧洲并扩大在美国的可用性，该检测方法使用患者自身细胞体外测量化疗反应，为个性化治疗选择提供指导 [13] - 与BioSpeciFx分子生物标志物组合配合，帮助肿瘤学家确定最适合患者的化疗方案，最初聚焦妇科癌症，计划扩展到其他肿瘤类型，为AI驱动的药物发现计划提供高质量数据 [14]

合作募资活动 - 白血病与淋巴瘤协会(LLS)与Kroger达拉斯分部合作 在德克萨斯州北部和路易斯安那州发起募资活动 支持Dare to Dream项目[1] - 募资时间为2025年5月14日至6月3日 在Kroger110家门店的收银处接受捐赠[2] - 所有募得资金将专门用于Dare to Dream项目 目标是改善儿童血癌患者的治疗和护理[1] Dare to Dream项目 - 该项目是1.75亿美元的全球性计划 专注于儿童血癌研究 政策倡导和患者家庭支持服务[8] - 目前仅5%的癌症药物首次获批可用于儿童 80%的儿童癌症幸存者因治疗出现慢性健康问题[3] - 项目已建立首个儿科AML数据共享平台 并启动LLS PedAL主临床试验 根据肿瘤生物学特征匹配治疗方案[4] 研究进展 - 公司正在改变儿童血癌的治疗方式 取得显著进展[9] - 通过该项目 公司资助建立了首个全球儿科AML数据报告标准化平台[4] - 开展了首个急性白血病LLS PedAL主临床试验 实现个性化治疗匹配[4] 公司背景 - Kroger达拉斯分部拥有110家门店 13,000名员工 服务范围从北德州到西路易斯安那州[5] - LLS是全球血癌研究领域的领导者 拥有75年历史 致力于消除血癌并提高患者生活质量[6] - LLS通过加速研究 提供免费支持服务和政策倡导来实现其使命[6]

文章核心观点 Predictive Oncology在生物标志物发现、药物发现和药物再利用方面取得重大进展，其利用主动机器学习和生物样本库识别临床可行的废弃药物的新方法成果显著，未来可应用于其他废弃药物并利于与药企合作 [1][3] 分组1：公司进展 - 公司结合内部生物标志物识别平台与AI筛选能力，在生物标志物发现、药物发现和药物再利用方面取得显著进展 [1] - 运用主动机器学习和患者来源的解离肿瘤细胞生物样本库识别新适应症，是再利用废弃肿瘤药物的新且具商业可持续性的方法 [2] 分组2：药物筛选成果 - 对一小部分精选的废弃药物进行高效筛选，确定三种化合物值得在肿瘤适应症中进一步探索，公司利用主动机器学习和肿瘤样本生物样本库在不到12周内捕捉患者反应异质性的能力得到成功验证 [3] - 三种药物在卵巢和结肠肿瘤中效果显著，Afuresertib、Alisertib和Entinostat在这两种肿瘤类型中命中率最高，Alisertib和Entinostat在结肠肿瘤中表现优于奥沙利铂，Alisertib在乳腺癌中表现优于瑞博西尼 [4] 分组3：三种药物情况 - Afuresertib是一种Akt抑制剂，曾用于食管癌、多发性骨髓瘤研究，近期尝试与紫杉醇联合用于铂耐药卵巢癌 [5] - Alisertib是一种选择性Aurora A抑制剂，曾用于EGFR突变非小细胞肺癌和转移性乳腺癌研究，在卵巢和结肠肿瘤中基于湿实验室测试和AI模型显示出强烈肿瘤药物反应，目前正在复发性/转移性乳腺癌和肺癌临床试验中评估 [6] - Entinostat是一种HDAC1/3抑制剂，曾用于乳腺癌和胰腺癌等实体瘤类型研究，在公司结肠样本模型中有强烈肿瘤药物反应，目前正在非小细胞肺癌联合治疗和生物标志物开发临床试验中 [7] 分组4：药物研究方向 - 该药物类别曾被证明可诱导结直肠癌线粒体功能障碍，公司可结合高内涵成像（HCI）分析和专有HCI分析流程进一步探索 [8] 分组5：公司展望 - 公司下一步将把该方法应用于其他公开可用的废弃药物，且该方法有利于与药企合作，使废弃药物高效重返临床试验 [9] 分组6：公司简介 - 公司处于利用人工智能和机器学习加速早期药物发现和推动药物开发前沿，其AI平台PEDAL能92%准确预测肿瘤样本对药物化合物反应，拥有超15万个可检测的异质人类肿瘤样本生物样本库，提供广泛的基于AI的药物发现解决方案，并拥有全资CLIA实验室设施 [9][10]