Adaptyv Bio revolutioniert Protein-Engineering mithilfe generativer KI

KI-Tools wie ChatGPT verändern die Art und Weise, wie Text, Bilder und Code generiert werden, dramatisch. In ähnlicher Weise verändern maschinelle Lernalgorithmen und generative KI herkömmliche Methoden in den Biowissenschaften und beschleunigen die Zeitpläne bei der Arzneimittelforschung und Materialentwicklung.

DeepMinds AlphaFold ist wohl das bekannteste Modell für maschinelles Lernen in diesem Bereich. Es sagt die 3D-Struktur eines Proteins anhand seiner Aminosäuresequenz voraus und wurde in den 18 Monaten seit seiner Veröffentlichung von über einer Million Forschern genutzt. Seitdem sind zahlreiche weitere KI-Tools entstanden, darunter das kürzlich als Open Source freigegebene RFDiffusion, mit dem Forscher rechnergestützte Proteindesigns nur mit ihren Laptops erstellen können.

Die Umsetzung dieser rechnerischen Entwürfe in greifbare, funktionelle Proteine ​​bleibt jedoch eine Herausforderung. Adaptyv Bio möchte dieses Problem mit seiner Proteingießerei der nächsten Generation angehen. Durch die Integration fortschrittlicher Robotik-, Mikrofluidik- und synthetischer Biologietechniken baut Adaptyv Bio eine Full-Stack-Plattform auf, die es Proteiningenieuren ermöglicht, ihre KI-generierten Proteindesigns zu validieren.

Julian Englert, CEO und Mitbegründer von Adaptyv Bio, sagte: „Proteine ​​sind von zentraler Bedeutung für die Biorevolution, sei es als neue Medikamente, verbesserte Enzyme für Forschung und industrielle Anwendungen oder als Materialien mit einzigartigen Eigenschaften. Als Proteindesigner haben Sie jetzt Zugriff auf unglaubliche neue KI-Tools wie AlphaFold oder RFDiffusion. Die Validierung Ihrer Proteindesigns im Labor, um zu sehen, ob sie funktionieren, bleibt jedoch eine große Herausforderung.“

KI-Modelle nutzen Daten für das Training und die Verbesserung ihrer Vorhersagen. Durch die Vereinfachung des Prozesses der Generierung von Daten über die Wirksamkeit entworfener Proteine ​​ermöglicht Adaptyv Bio Proteiningenieuren und KI-Modellen, mehr Feedback zu ihren Designs zu erhalten, was sie zu leistungsstärkeren Proteinen führt.

Englert fügte hinzu: Denken Sie an die KI in einem selbstfahrenden Auto. Um das Auto auf der Straße zu halten und sein Ziel zu erreichen, benötigt das KI-Modell eine enge Rückkopplungsschleife, indem es viele hochwertige Daten von den Kamerasensoren des Autos erhält. Dasselbe Prinzip gilt für ein KI-Modell, das neue Proteine ​​entwickelt. Der Rückkopplungsmechanismus umfasst die tatsächliche Herstellung von Proteinen in unserem Labor und die Prüfung ihrer Leistungsfähigkeit.

Adaptyv Bio wurde von einer Gruppe von Ingenieuren aus gegründet EPFL, der Eidgenössischen Technischen Hochschule in Lausanne, motiviert durch die zeitaufwändigen Prozesse der Durchführung biologischer Experimente in Laboren. Im Jahr 2022 sicherten sie sich nach ihrer Teilnahme eine Pre-Seed-Finanzierung in Höhe von 2.5 Millionen US-Dollar von Wingman Venture Y Kombinator, dem weltweit selektivsten Startup-Accelerator. Das Team ist seitdem auf 12 Ingenieure mit unterschiedlichem Hintergrund in synthetischer Biologie, Mikrotechnik, Softwareentwicklung und maschinellem Lernen angewachsen. Das Unternehmen befindet sich im neu errichteten Biopol Life-Science-Campus in Lausanne, Schweiz, wo sie ihre Technologie in hochmodernen Laboreinrichtungen mit malerischem Blick auf den Genfersee und die schweizerisch-französischen Alpen entwickeln.

Im Mittelpunkt der Foundry von Adaptyv Bio stehen Protein-Engineering-Arbeitszellen – maßgeschneiderte, automatisierte Systeme, die Prozesse, die normalerweise mehrere Laborgeräte erfordern, miniaturisieren und parallel auf winzigen Mikrofluidik-Chips durchführen. Benutzer können Versuchsprotokolle schreiben (oder von KI schreiben lassen), und die Arbeitszellen führen die Experimente autonom durch, während sie die Parameter der Experimente genau kontrollieren und überwachen. Alle Messdaten werden automatisch verarbeitet und hochgeladen, sodass Benutzer ihre Machine-Learning-Modelle mit jedem Experiment verfeinern können.

Englert sagte: „Unsere Arbeitszellen sind vollautomatisch, verbrauchen 1,000-mal weniger Reagenzien als jede kommerziell erhältliche Alternative, und wir können täglich Tausende verschiedener Proteine ​​in jedem einzelnen Aufbau testen. Um die experimentellen Arbeitsabläufe zu optimieren, haben wir zahlreiche maßgeschneiderte synthetische Biologie- und Automatisierungstechniken entwickelt. In den nächsten zwölf Monaten planen wir, unser Labor weiter auszubauen und die Anzahl der von uns unterstützten Proteindesign-Anwendungen zu erhöhen. Wir haben außerdem kürzlich einen Early Access für Nutzer eröffnet, die ihre Proteindesign-Projekte einreichen möchten, und wir versuchen, neue Projekte so schnell wie möglich zu integrieren.“

Um den Bereich des Protein-Engineerings weiter voranzutreiben, hat Adaptyv Bio zwei seiner internen Tools als Open-Source-Lösung bereitgestellt, die bei Forschern und Ingenieuren auf diesem Gebiet bereits Anklang gefunden haben. ProteinFlow ist eine Python-Bibliothek, die es Proteindesignern ermöglicht, auf einfache Weise hochwertige Datensätze für bessere KI-Modelle zu erstellen. Automant ist eine erweiterbare Softwareplattform zur Durchführung automatisierter Experimente, die es Forschern ermöglicht, ihre eigenen experimentellen Protokolle zu erstellen und verschiedene Laborinstrumente zu integrieren.

„Unsere Mission ist es, das Protein-Engineering einfacher zu machen und mehr Forschern die Entwicklung neuer Proteine ​​zu ermöglichen. Denken Sie an die Proteine, aus denen die unglaublich leistungsstarke molekulare Maschinerie in jeder einzelnen Zelle unseres Körpers besteht. Stellen Sie sich vor, welche Art von technologischem Fortschritt die Menschheit machen könnte, wenn wir beginnen könnten, neuartige Proteine ​​für personalisierte Medikamente, industrielle Anwendungen wie neue Enzyme oder besser noch nachhaltigere Materialien zu entwickeln.“ fügte Julian Englert hinzu.