Ein neues Startup, das von einem früheren gegründet wurde Google DeepMind Der Wissenschaftler verlässt mit 50 Millionen US -Dollar mit Finanzmitteln die Stealth.
Latente Labors Erstellt AI Foundation -Modelle, um „biologisch programmierbar zu machen“, und plant, mit Biotech und Pharmaunternehmen zusammenzuarbeiten, um Proteine zu generieren und zu optimieren.
Es ist unmöglich zu verstehen, was Deepmind und seine Ilk tun, ohne zuerst die Rolle zu verstehen, die Proteine in der menschlichen Biologie spielen. Proteine treiben alles in lebenden Zellen, von Enzymen und Hormonen bis zu Antikörpern. Sie bestehen aus rund 20 unterschiedlichen Aminosäuren, die sich in Strings zusammenschließen, die zu einer 3D -Struktur erzeugt werden, deren Form bestimmt, wie das Protein funktioniert.
Aber die Form jedes Proteins herauszufinden, war historisch gesehen ein sehr langsamer, arbeitsintensiver Prozess. Das war der große Durchbruch DeepMind mit Alphafold erreicht: Es packte maschinelles Lernen mit echten biologischen Daten, um die Form von rund 200 Millionen Proteinstrukturen vorherzusagen.
Mit solchen Daten bewaffnet können Wissenschaftler Krankheiten besser verstehen, neue Medikamente entwerfen und sogar Erstellen Sie synthetische Proteine Für völlig neue Anwendungsfälle. Hier tritt latente Labore mit seinem Ehrgeiz in den Kampf ein, um es Forschern zu ermöglichen, neue therapeutische Moleküle von Grund auf neu zu erstellen.
Latentes Potenzial
Simon Kohl (Bild oben) begann als Forschungswissenschaftler bei DeepMind und arbeitete mit dem Kern Alphafold2 Team vor dem Co-Leiten des Protein-Designteams und Einrichten von DeepMinds nassem Labor am Londoner Francis Crick Institute. Um diese Zeit brachte DeepMind auch eine Schwesterfirma hervor in Form von isomorphen Laborsder sich darauf konzentriert, die KI -Forschung von DeepMind anzuwenden, um die Entdeckung von Arzneimitteln zu transformieren.
Es war eine Kombination dieser Entwicklungen, die Kohl davon überzeugte, dass es an der Zeit war, sie alleine mit einem mageren Outfit zu machen, das sich speziell darauf konzentrierte, Frontier-Modelle (dh innovative) Modelle für das Proteindesign zu bauen. Also verließ Kohl am Ende von 2022 DeepMind, um die Grundlagen für latente Labors zu legen, und baute Mitte 2023 das Geschäft in London ein.
“Ich hatte eine fantastische und wirkungsvolle Zeit (bei DeepMind) und wurde von den Auswirkungen überzeugt, die generative Modellierung insbesondere in der Biologie und des Proteindesigns haben würde”, sagte Kohl diese Woche in einem Interview in einem Interview. „Gleichzeitig habe ich das mit dem Start isomorpher Labors und ihrer gesehen Pläne basierend auf Alphafold2dass sie viele Dinge gleichzeitig begannen. Ich hatte das Gefühl, dass die Gelegenheit wirklich in laserorientierter Weise über das Proteindesign ging. Das Proteindesign ist an sich ein so großes Feld und hat so viel unerforschter White -Raum, dass ich dachte, ein wirklich flinkes, fokussiertes Outfit würde diesen Einfluss übersetzen können. “
Bei der Übersetzung dieser Auswirkungen als von Venture unterstütztes Startup stellte die Einstellung von 15 Mitarbeitern, von denen zwei von Deepmind, einem leitenden Ingenieur von Microsoft, und PhDs von der University of Cambridge stammten. Heute ist Latent’s Beleccount über zwei Standorte aufgeteilt – eines in London, wo die Grenzmodellmagie und eine in San Francisco mit seinen eigenen stattfinden Nasslabor und Computational Protein Designteam.
“Dies ermöglicht es uns, unsere Modelle in der realen Welt zu testen und das Feedback zu erhalten, dass wir verstehen müssen, ob unsere Modelle so voranschreiten, wie wir es wollen”, sagte Kohl.
Während Wet Labs in Bezug auf die Validierung der Vorhersagen der Technologie von Latent in der kurzfristigen Agenda sehr stark sind, besteht das ultimative Ziel darin, die Notwendigkeit von Wet Labs zu negieren.
“Unsere Mission ist es, biologische Programmierbar zu machen und die Biologie wirklich in den Rechenbereich zu bringen, in dem die Abhängigkeit von biologischen, nassen Labor -Experimenten im Laufe der Zeit reduziert wird”, sagte Kohl.
Dies unterstreicht einen der wichtigsten Vorteile für „programmierbares Biologie“-Vorläufe eines Drogenentscheidungsprozesses, der derzeit auf unzähligen Experimenten und Iteration beruht, die Jahre dauern können.
“Es ermöglicht uns, wirklich benutzerdefinierte Moleküle zu machen, ohne sich auf das Wet Lab zu verlassen – zumindest das ist die Vision”, fuhr Kohl fort. „Stellen Sie sich eine Welt vor, in der jemand eine Hypothese hat, welches Arzneimittelziel für eine bestimmte Krankheit beantragt werden soll, und unsere Modelle könnten auf” Push-Button ” . ““
Das Geschäft der Biologie
In Bezug auf das Geschäftsmodell sieht sich Latent Labs nicht als „assistzentriert“-was bedeutet, dass es keine eigenen therapeutischen Kandidaten im eigenen Haus entwickelt. Stattdessen möchte es mit Partnern von Drittanbietern zusammenarbeiten, um die früheren F & E-Stufen zu beschleunigen und zu bestehen.
“Wir sind der Meinung, dass wir die größte Auswirkungen haben, die wir als Unternehmen haben können, indem wir anderen Biopharma, Biotechs und Life-Science-Unternehmen ermöglichen-entweder durch den direkten Zugang zu unseren Modellen oder die Unterstützung ihrer Entdeckungsprogramme über projektbasierte Partnerschaften”, sagte Kohl.
Die Bargeldeinspritzung des Unternehmens umfasst eine bisher unangemeldete Saatgut-Tranche in Höhe von 10 Millionen US-Dollar und eine runde Runde der Serie A 40 Millionen US-Dollar, die von radikalen Ventures geleitet wurde-insbesondere Partner Aaron Rosenbergder früher Leiter Strategie und Operationen bei DeepMind war.
Der andere Co-Lead-Investor ist Sofinnova Partners, ein französisches VC-Unternehmen mit einem langen Track-Rekord im Rettungswissenschaften. Weitere Teilnehmer der Runde sind Flying Fish, Isomer, 8VC, Kindred Capital, Pillar VC und bemerkenswerte Engel, wie der Chefwissenschaftler von Google, Jeff Dean, der Cohere -Gründer Aidan Gomez und die Gründerin von Elevenlabs, Mati Staniszewski,.
Während ein Teil des Geldes in die Gehälter fließt, einschließlich derjenigen von neuen maschinellen Lerneinstellungen, ist ein erheblicher Geldbetrag erforderlich, um die Infrastruktur abzudecken.
“Computer ist ein großer Preis für uns – wir bauen ziemlich große Modelle, ich denke, es ist fair zu sagen, und das erfordert eine Menge GPU -Rechen”, sagte Kohl. „Diese Finanzierung setzt uns wirklich auf, alles zu verdoppeln-erwerben Sie den Computer, um unser Modell weiter zu skalieren, die Teams zu skalieren und auch die Bandbreite und die Fähigkeit zu erstellen, diese Partnerschaften und die kommerzielle Traktion zu haben, die wir jetzt suchen . ““
Abgesehen von DeepMind gibt es mehrere störungen gestützte Startups und Scale-ups, die die Welten der Berechnung und Biologie näher zusammenbringen möchten. wie Cradle Und Biopimus. Kohl seinerseits glaubt, dass wir immer noch in einem ausreichenden frühen Stadium sind, wobei wir immer noch nicht genau wissen, was der beste Ansatz in Bezug auf Decodierung und Gestaltung biologischer Systeme sein wird.
“Es wurden einige sehr interessante Samen (zum Beispiel) mit Alphafold und einigen anderen frühen Generativmodellen aus anderen Gruppen gepflanzt”, sagte Kohl. „Dieses Feld ist jedoch nicht in Bezug auf den besten Modellansatz oder in Bezug auf das, was Geschäftsmodell hier funktionieren wird. Ich denke, wir haben die Fähigkeit, wirklich innovativ zu sein. “
Source link
