Latent Labs wurde von DeepMind Alumnus gegründet und wird mit 50 Millionen US -Dollar gestartet, um die Biologie programmierbar zu machen

Ein neues Startup, das von einem alten gegründet wurde Google DeepMind Der Wissenschaftler kommt mit einer Finanzierung von 50 Millionen US -Dollar aus der Stealth.

Latente Labors Es baut AI Foundation -Modelle auf, um „programmierbare Biologie herzustellen“ und plant, mit Biotechnologie und Pharmaunternehmen zusammenzuarbeiten, um Proteine ​​zu generieren und zu optimieren.

Es ist unmöglich zu verstehen, was DeepMind und seine Ilk spielen, ohne zuerst die Rolle zu verstehen, die Proteine ​​in der menschlichen Biologie spielen. Proteine ​​auslösen alles in lebendigen Zellen, von Enzymen und Hormonen bis zu Antikörpern. Sie bestehen aus etwa 20 verschiedenen Aminosäuren, die an Seile binden, die sich biegen, um eine 3D -Struktur zu erzeugen, deren Form bestimmt, wie das Protein funktioniert.

Das Entdecken der Form jedes Proteins war jedoch historisch gesehen ein sehr langsamer und intensiver Arbeitsprozess. Das war der große Fortschritt, das DeepMind erreichte mit Alfafold: Es kombinierte maschinelles Lernen mit echten biologischen Daten, um die Form von etwa 200 Millionen Proteinstrukturen vorherzusagen.

Mit diesen Daten bewaffnet können Wissenschaftler Krankheiten besser verstehen, neue Medikamente projizieren und sogar Erstellen Sie synthetische Proteine Für völlig neue Anwendungsfälle. Hier kommen latente Laboratorien mit ihrem Ehrgeiz in den Kampf, es den Forschern zu ermöglichen, „rechnerisch“ neue therapeutische Moleküle von Grund auf neu zu erstellen.

Latentes Potenzial

Simon Kohl (Bild oben) begann als Forschungswissenschaftler in DeepMind und arbeitete mit dem Kern Alphafold2 Team vor dem Co-Lid des Protein-Designteams und Konfigurieren von DeepMinds Wet Laboratory am Francis Crick Institute in London. Zu dieser Zeit erzeugte DeepMind auch eine Schwesterfirma in Form von isomorphen LaborsDies konzentriert sich auf die Anwendung von DeepMind AI -Forschung, um die Entdeckung von Arzneimitteln zu verändern.

Es war eine Kombination dieser Entwicklungen, die Kohl davon überzeugte, dass es der richtige Zeitpunkt war, mit einem dünneren Outfit alleine zu gehen, das sich speziell auf die Konstruktion von Grenzmodellen (dh Tipp) für das Proteindesign konzentrierte. So reiste Kohl Ende 2022 von DeepMind ab, um die Fundamente für latente Labors zu starten, und nahm Mitte -2023 das Geschäft in London ein.

„Ich hatte eine fantastische und wirkungsvolle Zeit (bei DeepMind) und war von den Auswirkungen überzeugt, die die generative Modellierung auf bestimmte Biologie und Proteindesign haben würde“, sagte Kohl in einem Interview in dieser Woche gegenüber TechCrunch. „Gleichzeitig habe ich dies mit dem Start isomorpher Laboratorien und ihrer gesehen Alphafold2 -basierte Plänedass sie viele Dinge gleichzeitig anfingen. Ich hatte das Gefühl, dass die Gelegenheit wirklich in einer laserfokussierten Art und Weise über das Proteindesign gezogen wurde. Das Proteindesign an sich ist ein so großes Feld und hat so viel unerforschter White -Raum, dass ich dachte, dass ein sehr agiles und fokussiertes Outfit diese Wirkung übersetzen könnte. ”

Durch die Übersetzung dieser Auswirkungen als Startup, das von Unternehmen unterstützt wurde, wurden rund 15 Mitarbeiter eingestellt, von denen zwei von DeepMind, einem leitenden Ingenieur bei Microsoft, und an der Universität Cambridge stammten. Heute ist die Anzahl der latenten Mitarbeiter in zwei Standorte unterteilt – eines in London, wo das Grenzmodell stattfindet, und ein anderer in San Francisco mit seinen eigenen nasses Labor und Computational Protein Designteam.

„Dies ermöglicht es uns, unsere Modelle in der realen Welt zu testen und das Feedback zu erhalten, das wir benötigen, um zu verstehen, ob unsere Modelle so voranschreiten, wie wir es wollen“, sagte Kohl.

Obwohl Wet Laboratories in Bezug auf die Validierung von latenten Technologieprognosen sehr stark auf der kurzfristigen Agenda stehen, ist es das letztendliche Ziel, die Notwendigkeit von Nasslabors zu verweigern.

„Unsere Mission ist es, biologische programmierbare zu gestalten und die Biologie wirklich in den Computerbereich zu bringen, in dem die Abhängigkeit von feuchten Laborversuche im Laufe der Zeit reduziert wird“, sagte Kohl.

Dies unterstreicht einen der Hauptvorteile für die „programmierbare Biologie“-verbessert einen Drogenentdeckungsprozess, der derzeit auf zahlreichen Erfahrungen und Iteration beruht, die Jahre dauern können.

„Dies ermöglicht es uns, wirklich benutzerdefinierte Moleküle herzustellen, ohne dem nassen Labor zu vertrauen – zumindest ist das die Vision“, fuhr Kohl fort. „Stellen Sie sich eine Welt vor, in der jemand eine Hypothese über das Arzneimittelziel für eine bestimmte Krankheit sucht, und unsere Modelle könnten auf dem Weg zum“ Knopf „ein Proteinmedizin erstellen, das mit all den gewünschten Eigenschaften einhergeht. ”

Das Biologiegeschäft

In Bezug auf das Geschäftsmodell ist Latent Labs nicht wie „aktiv zentriert“-was bedeutet, dass es nicht intern seine eigenen therapeutischen Kandidaten entwickelt wird. Stattdessen möchte er mit Partnern Dritter zusammenarbeiten, um frühere F & E -Phasen zu beschleunigen und zu organisieren.

„Wir sind der Ansicht, dass der größte Einfluss, den wir als Unternehmen haben können, darin besteht, anderen Unternehmen mit Biopharma, Biotechnologie und Biowissenschaften, die direkt zu unseren Modellen zugreifen oder ihre Entdeckungsprogramme durch projektbasierte Partnerschaften zu unterstützen, zu ermöglichen“, sagte Kohl.

Die 50-Millionen-Dollar-Injektion des Unternehmens des Unternehmens umfasst zuvor eine Saatgut-Tranche in Höhe von 10 Millionen US-Dollar ohne Vorankündigung und eine neue Serie von 40 Millionen US Aaron Rosenbergder zuvor Chef der Strategie und Operationen von DeepMind war.

Der andere Co-Leader-Investor ist Softinnova Partners, eine französische Gesellschaft von Ihnen mit einer langen Geschichte im Raum der Biowissenschaften. Weitere Teilnehmer der Runde sind Flying, Isomer, 8VC, Capital, Pilar VC und bemerkenswerte Engel, wie der Google -Wissenschaftler Jeff Dean, der Gründer von Coere Aidan Gomez und die Gründerin von ElevenLabs Mati Staniszewski.

Obwohl ein Geld in Gehälter, einschließlich neuer maschineller Lerneinstellungen, geht, ist ein erheblicher Geldbetrag erforderlich, um die Infrastruktur abzudecken.

„Berechnung ist auch für uns große Kosten – wir bauen sehr große Modelle, ich denke, es ist fair zu sagen, und das erfordert eine Menge GPU -Computing“, sagte Kohl. „Diese Finanzierung führt uns wirklich dazu, sich in alles zu beugen und es zu berechnen, um unser Modell weiter zu besteigen, die Teams zu besteigen und die Bandbreite und die Fähigkeit, diese Partnerschaften und die kommerzielle Traktion zu erstellen, die wir jetzt suchen, aufzubauen. ”

Abgesehen von DeepMind gibt es mehrere Startups und Skalen, die von Unternehmen unterstützt werden, die die Welten näher an Computer und Biologie bringen möchten, mehr zusammen, Krippe Und Biopimus. Kohl wiederum glaubt, dass wir uns immer noch in einer ausreichend anfänglichen Phase befinden, wobei wir immer noch nicht wissen, was der beste Ansatz in Bezug auf Decodierung und Schaffung biologischer Systeme sein wird.

„Es gab einige sehr interessante Samen (zum Beispiel) mit Alphafold und anderen anfänglichen allgemeinen Generativmodellen aus anderen Gruppen“, sagte Kohl. „Dieses Feld ist jedoch nicht in Bezug auf den besten Modellansatz oder in Bezug auf welches Geschäftsmodell hier konvergiert. Ich denke, wir haben die Fähigkeit, wirklich innovativ zu sein. ”