Uma nova startup fundada por um antigo Google DeepMind O cientista está saindo da furtividade com US $ 50 milhões em financiamento.
Laboratórios latentes está construindo modelos de fundação de IA para “tornar a biologia programável” e planeja fazer parceria com empresas de biotecnologia e farmacêutica para gerar e otimizar proteínas.
É impossível entender o que o DeepMind e seu Ilk estão fazendo sem primeiro entender o papel que as proteínas desempenham na biologia humana. As proteínas acionam tudo em células vivas, de enzimas e hormônios a anticorpos. Eles são compostos por cerca de 20 aminoácidos distintos, que se ligam em cordas que se dobram para criar uma estrutura 3D, cuja forma determina como a proteína funciona.
Mas descobrir a forma de cada proteína era historicamente um processo muito lento e intensivo em mão-de-obra. Esse foi o grande avanço que DeepMind alcançado com alfafold: Ele combinou o aprendizado de máquina com dados biológicos reais para prever a forma de cerca de 200 milhões de estruturas de proteínas.
Armado com esses dados, os cientistas podem entender melhor doenças, projetar novos medicamentos e até Crie proteínas sintéticas Para casos de uso totalmente novos. É aí que os laboratórios latentes entram na briga com sua ambição de permitir que os pesquisadores “criem computacionalmente” novas moléculas terapêuticas do zero.
Potencial latente
Simon Kohl (foto acima) começou como cientista de pesquisa em DeepMind, trabalhando com o núcleo Alphafold2 equipe antes de co-liderar a equipe de design de proteínas e Configurando o laboratório molhado de DeepMind no Francis Crick Institute, em Londres. Nessa época, o DeepMind também gerou uma empresa irmã na forma de laboratórios isomórficosque se concentra na aplicação da pesquisa de IA da DeepMind para transformar a descoberta de medicamentos.
Foi uma combinação desses desenvolvimentos que convenceu Kohl de que era a hora certa de ir sozinha com uma roupa mais magra focada especificamente na construção de modelos de fronteira (ou seja, ponta) para o design de proteínas. Assim, no final de 2022, Kohl partiu de Deepmind para lançar as fundações para os laboratórios latentes e incorporou o negócio em Londres em meados de 2023.
“Eu tive um tempo fantástico e impactante (na DeepMind) e me convenci do impacto que a modelagem generativa teria no design de biologia e proteínas em particular”, disse Kohl ao TechCrunch em uma entrevista nesta semana. “Ao mesmo tempo, vi isso com o lançamento de laboratórios isomórficos e seus planos baseados em alphafold2que eles estavam começando muitas coisas ao mesmo tempo. Eu senti que a oportunidade estava realmente indo de uma maneira focada em laser sobre o design de proteínas. O design de proteínas, por si só, é um campo tão vasto e tem tanto espaço em branco inexplorado que eu pensei que uma roupa muito ágil e focada seria capaz de traduzir esse impacto. ”
Traduzir esse impacto como uma startup apoiada por empreendimentos envolveu a contratação de cerca de 15 funcionários, dois dos quais eram de DeepMind, engenheiro sênior da Microsoft e doutorado da Universidade de Cambridge. Hoje, o número de funcionários da Latent está dividido em dois locais – um em Londres, onde o modelo de fronteira acontece, e outro em São Francisco, com seu próprio laboratório molhado e equipe de design de proteínas computacional.
“Isso nos permite testar nossos modelos no mundo real e obter o feedback que precisamos entender se nossos modelos estão progredindo da maneira que queremos”, disse Kohl.
Embora os laboratórios molhados estejam muito na agenda de curto prazo em termos de validar as previsões da tecnologia da Latent, o objetivo final é negar a necessidade de laboratórios molhados.
“Nossa missão é tornar a biologia programável, realmente trazendo biologia para o domínio computacional, onde a dependência de experimentos biológicos de laboratório úmida será reduzida ao longo do tempo”, disse Kohl.
Isso destaca um dos principais benefícios para “tornar a biologia programável”-a melhorar um processo de descoberta de medicamentos que atualmente se baseia em inúmeras experiências e iteração que podem levar anos.
“Isso nos permite fazer moléculas realmente personalizadas sem confiar no laboratório molhado – pelo menos, essa é a visão”, continuou Kohl. “Imagine um mundo em que alguém vem com uma hipótese sobre qual alvo de drogas buscar para uma doença específica, e nossos modelos poderiam, no caminho do” botão “, fazer um medicamento de proteína que vem com todas as propriedades desejadas assadas em . ”
O negócio da biologia
Em termos de modelo de negócios, o Latent Labs não se vê como “centrado em ativos”-o que significa que não estará desenvolvendo seus próprios candidatos terapêuticos internamente. Em vez disso, ele quer trabalhar com parceiros de terceiros para agilizar e desorganizar os estágios anteriores de P&D.
“Sentimos o maior impacto que podemos ter como empresa é permitir outras empresas de biopharma, biotecnologia e ciências da vida-dando-lhes acesso direto aos nossos modelos ou apoiando seus programas de descoberta por meio de parcerias baseadas em projetos”, disse Kohl.
A injeção em dinheiro de US $ 50 milhões da empresa inclui uma tranche de sementes de US $ 10 milhões anteriormente sem aviso prévio e uma nova série de US $ 40 milhões A, co-liderada pela Radical Ventures-especificamente, parceiro Aaron Rosenbergque anteriormente era chefe de estratégia e operações da DeepMind.
O outro investidor co-líder é a Sofinnova Partners, uma empresa francesa de VC com um longo histórico no espaço das ciências da vida. Outros participantes da rodada incluem peixes voadores, isômero, 8VC, capital afim, pilar VC e anjos notáveis, como o cientista -chefe do Google, Jeff Dean, o fundador da Coere, Aidan Gomez e o fundador da Elevenlabs, Mati Staniszewski.
Embora um pedaço do dinheiro vá para os salários, incluindo os de novas contratações de aprendizado de máquina, será necessária uma quantia significativa de dinheiro para cobrir a infraestrutura.
“O Compute é um grande custo para nós também – estamos construindo modelos bastante grandes, acho justo dizer, e isso requer muita computação de GPU”, disse Kohl. “Esse financiamento realmente nos leva a dobrar em tudo-adquirir computação para continuar escalando nosso modelo, escalando as equipes e também começando a construir a largura de banda e a capacidade de ter essas parcerias e a tração comercial que agora estamos procurando . ”
DeepMind à parte, existem várias startups e escalas apoiadas por empreendimentos que desejam aproximar os mundos da computação e da biologia, mais juntos, como berço e Bioptimus. Kohl, por sua vez, pensa que ainda estamos em um estágio suficientemente inicial, pelo qual ainda não sabemos bem qual será a melhor abordagem em termos de decodificação e criação de sistemas biológicos.
“Houve algumas sementes muito interessantes plantadas (por exemplo) com Alphafold e outros modelos generativos iniciais de outros grupos”, disse Kohl. “Mas esse campo não convergiu em termos de qual é a melhor abordagem de modelo ou em termos de qual modelo de negócios funcionará aqui. Acho que temos a capacidade de realmente inovar. ”
