Adaptyv Bio revolutioniert die Proteintechnik mit generativer KI

KI-Tools wie ChatGPT verändern dramatisch die Art und Weise, wie Texte, Bilder und Code generiert werden. Ähnlich verändern maschinelle Lernalgorithmen und generative KI herkömmliche Methoden in den Lebenswissenschaften und beschleunigen die Entwicklungszeiten bei der Arzneimittelentdeckung und der Materialentwicklung.

DeepMinds AlphaFold ist wahrscheinlich das bekannteste maschinelle Lernalgorithmus-Modell in diesem Bereich. Es prognostiziert die 3D-Struktur eines Proteins aus seiner Aminosäuresequenz und wurde von über einer Million Forschern in den 18 Monaten seit seiner öffentlichen Veröffentlichung genutzt. Zahlreiche andere KI-Tools sind seitdem entstanden, darunter das kürzlich open-source bereitgestellte RFDiffusion, das es Forschern ermöglicht, computergestützte Proteindesigns mithilfe nur eines Laptops zu generieren.

Die Umsetzung dieser computergestützten Designs in greifbare, funktionale Proteine bleibt jedoch eine Herausforderung. Adaptyv Bio möchte dieses Problem mit seiner nächsten Generation von Proteinfabriken angehen. Durch die Integration von fortschrittlicher Robotik, Mikrofluidik und synthetischer Biologie konstruiert Adaptyv Bio eine vollständige Plattform, um es Proteintechnikern zu ermöglichen, ihre KI-generierten Proteindesigns zu validieren.

Julian Englert, CEO und Mitgründer von Adaptyv Bio, sagte: “Proteine sind zentral 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 Zugang zu unglaublichen neuen KI-Tools wie AlphaFold oder RFDiffusion. Die Validierung Ihrer Proteindesigns im Labor, um zu sehen, ob sie funktionieren, bleibt jedoch eine enorme Herausforderung.”

KI-Modelle gedeihen bei der Ausbildung und Verbesserung ihrer Vorhersagen auf Daten. Indem Adaptyv Bio den Prozess der Generierung von Daten über die Wirksamkeit von entworfenen Proteinen vereinfacht, ermöglicht es Proteintechnikern und KI-Modellen, mehr Feedback über ihre Designs zu erhalten, um sie zu besseren Proteinen zu führen.

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. Das gleiche Prinzip gilt für ein KI-Modell, das neue Proteine entwirft, wobei der Rückkopplungsmechanismus die tatsächliche Erstellung von Proteinen in unserem Labor und die Überprüfung ihrer Leistung umfasst.”

Adaptyv Bio wurde von einer Gruppe von Ingenieuren der EPFL, dem Schweizerischen Bundesinstitut für Technologie in Lausanne, gegründet, die von den zeitaufwändigen Prozessen der Durchführung biologischer Experimente in Labors motiviert waren. Im Jahr 2022 sicherten sie 2,5 Millionen Dollar an Pre-Seed-Finanzierung von Wingman Venture, nachdem sie am Y Combinator, dem weltweit selektivsten Startup-Accelerator, teilgenommen hatten. Das Team hat sich seitdem auf 12 Ingenieure mit unterschiedlichem Hintergrund in synthetischer Biologie, Mikroengineering, Softwareentwicklung und maschinellem Lernen erweitert. Das Unternehmen ist auf dem neu errichteten Biopole-Life-Science-Campus in Lausanne, Schweiz, ansässig, wo sie ihre Technologie in hochmodernen Laboreinrichtungen mit malerischer Aussicht auf den Genfersee und die Schweizer-Französischen Alpen entwickeln.

Die Foundry von Adaptyv Bio konzentriert sich auf Proteintechnik-Arbeitszellen – benutzerdefinierte, automatisierte Einrichtungen, die Prozesse, die normalerweise mehrere Laborgeräte erfordern, miniaturisieren und auf winzigen mikrofluidischen Chips durchführen. Benutzer können experimentelle Protokolle 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, um es Benutzern zu ermöglichen, ihre maschinellen Lernalgorithmen mit jedem Experiment zu verfeinern.

Englert sagte: “Unsere Arbeitszellen sind vollständig automatisiert, verwenden 1.000 Mal weniger Reagenzien als jede kommerziell verfügbare Alternative und wir können Tausende von verschiedenen Proteinen pro Tag auf jedem einzelnen Setup durchführen. Um die experimentellen Workflows zu rationalisieren, haben wir viele benutzerdefinierte synthetische Biologie- und Automatisierungstechniken entwickelt. In den nächsten 12 Monaten planen wir, unser Labor weiter auszubauen und die Anzahl der Proteindesign-Anwendungen, die wir unterstützen können, zu erhöhen. Wir haben auch gerade den frühen Zugang für Benutzer geöffnet, um ihre Proteindesign-Projekte bei uns einzureichen, und wir versuchen, neue Projekte so schnell wie möglich aufzunehmen.”

Um das Feld der Proteintechnik weiter zu beschleunigen, hat Adaptyv Bio zwei interne Tools open-source bereitgestellt, die bereits bei Forschern und Ingenieuren in diesem Bereich Anklang finden. ProteinFlow ist eine Python-Bibliothek, die es Proteindesignern ermöglicht, leicht hochwertige Datensätze für bessere KI-Modelle zu erstellen. Automancer ist eine erweiterbare Softwareplattform, um automatisierte Experimente durchzuführen, wodurch Forscher ihre eigenen experimentellen Protokolle erstellen und verschiedene Laborgeräte integrieren können.

“Unsere Mission ist es, die Proteintechnik einfacher zu machen und es mehr Forschern zu ermöglichen, neue Proteine zu entwerfen. Denken Sie an die Proteine, die die unglaublich leistungsfähige molekulare Maschinerie in jeder einzelnen Zelle unseres Körpers ausmachen. Stellen Sie sich die Art von technologischem Fortschritt vor, den die Menschheit machen könnte, wenn wir beginnen könnten, neue Proteine für personalisierte Medikamente, industrielle Anwendungen wie neue Enzyme oder bessere, nachhaltigere Materialien zu entwerfen,” fügte Julian Englert hinzu.