Новый стартап, основанный бывшим ученым Google DeepMind, выходит из скрытности с финансированием 50 миллионов долларов.
Latent Labs создает модели Фонда ИИ, чтобы «сделать биологические программы», и планирует сотрудничать с биотехнологическими и фармацевтическими компаниями для создания и оптимизации белков.
Невозможно понять, что DeepMind и его ILK делают, не понимая, как белки играют в биологии человека. Белки проводят все в живых клетках, от ферментов и гормонов до антител. Они состоят из примерно 20 различных аминокислот, которые связываются вместе в струнах, которые складываются для создания трехмерной структуры, чья форма определяет, как функционирует белок.
Но выяснение формы каждого белка было исторически очень медленным, трудоемким процессом. Это был большой прорыв, который DeepMind достиг с помощью Alphafold: он сшивал машинное обучение с реальными биологическими данными для прогнозирования формы около 200 миллионов белковых структур.
Вооруженные такими данными, ученые могут лучше понять заболевания, проектировать новые лекарства и даже создавать синтетические белки для совершенно новых случаев использования. Именно здесь Litent Labs входит в драку с его амбициями, чтобы исследователи были «вычислительно создавать» новые терапевтические молекулы с нуля.
Скрытый потенциал
Саймон Кол (на фото выше) начинал как научный сотрудник в DeepMind, работая с основной командой AlphaFold2, прежде чем совместно свести команду по разработке белков и создать влажную лабораторию DeepMind в Лондонском институте Фрэнсиса Крика. Примерно в это же время DeepMind также породила дочернюю компанию в форме изоморфных лабораторий, которая сосредоточена на применении исследований AI DeepMind для преобразования обнаружения наркотиков.
Это была комбинация этих событий, которые убедили Коля, что пришло время идти наедине с более стройной одеждой, сфокусированной специально на построении пограничных (т.е., передовых) моделей для дизайна белка. Таким образом, в конце 2022 года Кол отправился в DeepMind, чтобы заложить основы для скрытых лабораторий, и включил бизнес в Лондоне в середине 2023 года.
«У меня было фантастическое и впечатляющее время [at DeepMind]и стал убежден в влиянии, которое будет оказать генеративное моделирование на биологию и дизайн белка », — сказал Кол в интервью TechCrunch в интервью на этой неделе. «В то же время я видел, что с запуском изоморфных лабораторий и их планов, основанных на AlphaFold2, они начинали много вещей одновременно. Я чувствовал, что такая возможность действительно была в лазерной, ориентированной на дизайн белка. Дизайн белка сама по себе является таким обширным полем и имеет столько неисследованного белого пространства, что я думал, что действительно ловкий, сфокусированный наряд сможет перевести это воздействие ».
Перевод этого воздействия в качестве стартапа, поддерживаемого предприятием, включало в себя наем около 15 сотрудников, два из которых были из DeepMind, старшего инженера из Microsoft, и докторскую степень из Кембриджского университета. Сегодня частная численность Headent разделена на два сайта — один в Лондоне, где происходит магия пограничной модели, а другой — в Сан -Франциско, со своей собственной командой по проектированию Wet Lab и вычислительной конструкции белков.
«Это позволяет нам проверить наши модели в реальном мире и получить отзывы, которые нам нужно понять, продвигаются ли наши модели так, как мы хотим», — сказал Кол.
В то время как Weet Labs во многом находится в ближайшей повестке дня с точки зрения проверки прогнозов Lotent’s Technology, конечная цель состоит в том, чтобы отрицать необходимость во влажных лабораториях.
«Наша миссия состоит в том, чтобы сделать биологический программируемый, действительно привнесенный биологии в вычислительную сферу, где зависимость от биологических, влажных лабораторных экспериментов со временем будет уменьшена», — сказал Коль.
Это подчеркивает одно из ключевых преимуществ для «создания программируемого биологии»-обновления процесса раскрытия наркотиков, который в настоящее время опирается на бесчисленные эксперименты и итерацию, которые могут занять годы.
«Это позволяет нам создавать действительно пользовательские молекулы, не полагаясь на влажную лабораторию — по крайней мере, это видение», — продолжил Кол. «Представьте себе мир, в котором кто-то приходит с гипотезой о том, какую цель лекарств следует за конкретным заболеванием, и наши модели могут, в« пушконе », сделать белковый препарат, который поставляется со всеми желаемыми свойствами, запеченными в .
Бизнес биологии
С точки зрения бизнес-модели, Latent Labs не считает себя «ориентированным на активы», что означает, что она не будет развивать собственных терапевтических кандидатов. Вместо этого он хочет поработать со сторонними партнерами, чтобы ускорить и DEPRIST на более ранних этапах исследований и разработок.
«Мы считаем наибольшим влиянием, которое мы можем оказать в качестве компании,-это обеспечение других биофармы, биотехнологических и научных компаний, либо давая им прямой доступ к нашим моделям, либо поддерживая свои программы обнаружения через партнерские отношения на основе проектов»,-сказал Коль.
Инъекция денежных средств компании в размере 50 миллионов долларов включает в себя ранее необъявленную семян-транш в 10 миллионов долларов и свежий раунд серии A 40 миллионов долларов сша, под руководством Radical Ventures-в частности, партнера Аарона Розенберга, который ранее был руководителем отдела стратегии и операций в DeepMind.
Другим соавтором инвестором является Sofinnova Partners, французская венчурная фирма с длинным рекордом в области наук о жизни. Другими участниками раунда включают летающую рыбу, изомер, 8VC, родственную столицу, Pillar VC и известные ангелы, такие как главный ученый Google Джефф Дин, основатель Cohere Эйдан Гомес и основатель ElevenLabs Мати Станишевский.
В то время как кусок денежных средств пойдет на заработную плату, в том числе зарплату на найме нового машинного обучения, для покрытия инфраструктуры потребуется значительная сумма денег.
«Compute — это большая стоимость и для нас — мы строим довольно большие модели, я думаю, что это справедливо, и это требует большого количества вычислителей графических процессоров», — сказал Кол. «Это финансирование действительно подчеркивает нас на все-приобретать Compute, чтобы продолжить масштабирование нашей модели, масштабировать команды, а также начать создавать пропускную способность и способность иметь эти партнерские отношения и коммерческую тягу, которую мы сейчас ищем .
Помимо DeepMind, есть несколько стартапов и масштаб, поддерживаемых предприятием, стремящиеся сблизить миры вычислений и биологии, такие как колыбель и биоптимус. Кол, со своей стороны, думает, что мы все еще находимся на достаточной ранней стадии, в результате чего мы до сих пор не знаем, каким будет лучший подход с точки зрения декодирования и проектирования биологических систем.
«Были посажены очень интересные семена, [for example] С помощью алфалолда и некоторых других ранних генеративных моделей из других групп », — сказал Кол. «Но это поле не сходилось с точки зрения того, что является лучшим модельным подходом, или с точки зрения того, какой бизнес -модель будет работать здесь. Я думаю, что у нас есть возможность по -настоящему вводить новшества ».
