Adaptyv Bio revolutionerer protein-teknologi med generativ AI

AI-værktøjer som ChatGPT ændrer dramatisk måden, tekst, billeder og kode genereres på. På samme måde forstyrer maskinelæring og generativ AI konventionelle metoder i livsvidenskab og accelererer tidsplaner i lægemiddelforskning og materialeudvikling.

DeepMinds AlphaFold er sandsynligvis den mest berømte maskinelæringsmodel i dette domæne. Den forudser en proteins 3D-struktur fra dens aminosyresekvens og er blevet brugt af over en million forskere i de 18 måneder siden dens offentlige udgivelse. Mange andre AI-værktøjer er dukket op siden da, herunder det nyligt open-source RFDiffusion, som tillader forskere at generere computermæssige protein-designs ved hjælp af kun deres bærbare computere.

Men at oversætte disse computermæssige designs til fysisk, fungerende proteiner forbliver en udfordring. Adaptyv Bio har til formål at løse dette problem med sin næste generations protein-fabrik. Ved at integrere avanceret robotteknologi, mikrofluidik og syntetisk biologi-teknik bygger Adaptyv Bio en fuld-stack-platform til at aktivere protein-ingeniører til at validere deres AI-genererede protein-designs.

Julian Englert, administrerende direktør og medstifter af Adaptyv Bio, sagde: “Proteiner er centrale for biorevolutionen, enten som nye lægemidler, forbedrede enzymer til forskning og industrielle anvendelser eller som materialer med unikke egenskaber. Som protein-designer har du nu adgang til fantastiske nye AI-værktøjer som AlphaFold eller RFDiffusion. Men at validere dine protein-designs i laboratoriet for at se, om de fungerer, forbliver en enorm udfordring.”

AI-modeller trives på data til træning og forbedring af deres forudsigelser. Ved at simplificere processen med at generere data om effektiviteten af designede proteiner, giver Adaptyv Bio protein-ingeniører og AI-modeller mulighed for at modtage mere feedback om deres designs, hvilket leder dem til bedre fungerende proteiner.

Englert tilføjede: “Tænk på AI i en selvstyrende bil. For at holde bilen på vejen og nå dens destination, har AI-modellen brug for en tæt feedback-løkke ved at modtage mange højkvalitetsdata fra bilens kamera-sensorer. Samme princip gælder for en AI-model, der designer nye proteiner, med feedback-mekanismen, der indebærer den faktiske skabelse af proteiner i vores laboratorium og testning af deres præstation.”

Adaptyv Bio blev etableret af en gruppe ingeniører fra EPFL, det schweiziske føderale tekniske institut i Lausanne, motiveret af de tidskrævende processer med at udføre biologiske eksperimenter i laboratorier. I 2022 sikrede de 2,5 millioner dollars i pre-seed-finansiering fra Wingman Venture efter at have deltaget i Y Combinator, verdens mest selektive startup-accelerator. Holdet er siden udvidet til 12 ingeniører med diverse baggrunde i syntetisk biologi, mikroingeniørvidenskab, software-udvikling og maskinelæring. Selskabet er beliggende på det nyligt opførte Biopole-livsvidenskabs-campus i Lausanne, Schweiz, hvor de udvikler deres teknologi i avancerede laboratoriefaciliteter med pittoreske udsigter over Genèvesøen og de schweizisk-franske Alper.

Adaptyv Bios fabrik centerer sig omkring protein-teknologi-arbejdsceller – brugerdefinerede, automatiserede opsætninger, der miniaturiserer processer, der normalt kræver flere laboratoriemaskiner, og udfører dem parallelt på små mikrofluidik-chips. Brugere kan skrive eksperimentelle protokoller (eller have AI skrive dem) og arbejdscellerne udfører eksperimenterne autonomt, mens de nøje kontrollerer og overvåger eksperimenternes parametre. Alle måledata behandles automatisk og uploades for at tillade brugere at forfine deres maskinelæringsmodeller med hvert eksperiment.

Englert sagde: “Vore arbejdsceller er fuldstændigt automatiserede, bruger 1000 gange færre reagenser end nogen kommercielt tilgængelig alternativ, og vi kan køre tusinder af forskellige proteiner pr. dag på hver enkelt opsætning. For at strømlinje eksperimentelle arbejdsgange har vi udviklet mange brugerdefinerede syntetisk biologi- og automatiseringsteknikker. Over de næste 12 måneder planlægger vi at udvide vores laboratorium yderligere og øge antallet af protein-design-applikationer, vi kan understøtte. Vi har lige åbnet tidlig adgang for brugere til at indsende deres protein-design-projekter til os, og vi forsøger at påbegynde nye projekter så hurtigt som muligt.”

For yderligere at accelerere feltet protein-teknologi har Adaptyv Bio open-source to af deres interne værktøjer, som allerede har begyndt at få fodfæste blandt forskere og ingeniører i feltet. ProteinFlow er en Python-bibliotek, der tillader protein-designere at let oprette højkvalitets-datasæt til bedre AI-modeller. Automancer er en udvidbar software-platform til at køre automatiserede eksperimenter, der giver forskere mulighed for at bygge deres egne eksperimentelle protokoller og integrere forskellige laboratorie-instrumenter.

“Vores mission er at gøre protein-teknologi lettere og muliggøre mere forskere at designe nye proteiner. Tænk på proteinerne, der udgør den utroligt kraftfulde molekylære maskineri inde i hver enkelt celle i vores krop. Forestil dig den slags teknologiske fremskridt, menneskeheden kunne opnå, hvis vi kunne begynde at designe nye proteiner til personlige lægemidler, industrielle anvendelser som nye enzymer eller bedre, mere bæredygtige materialer,” tilføjede Julian Englert.