Χρηματοδότηση

Η Biomatter αντλεί 18 εκατ. δολάρια σε γύρο Series A για την επέκταση του σχεδιασμού και των δοκιμών ενζύμων με τεχνητή νοημοσύνη

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η Biomatter ανακοίνωσε στις 12 Νοεμβρίου 2026 ότι ολοκλήρωσε έναν υπερκαλυφθέντα γύρο χρηματοδότησης Series A ύψους 18 εκατ. δολαρίων, με επικεφαλής την Astanor και τη συμμετοχή των υφιστάμενων επενδυτών UVC Partners, Inventure και Metaplanet. Η εταιρεία θα αξιοποιήσει τη χρηματοδότηση για να επεκτείνει τις εργασίες της στον σχεδιασμό ενζύμων με τεχνητή νοημοσύνη και τις εμπορικές δραστηριότητές της.

Κεντρικό στοιχείο αυτής της επέκτασης είναι μια εγκατάσταση σχεδιασμού και δοκιμών έκτασης 2.000 τετραγωνικών μέτρων στο Βίλνιους, την οποία η Biomatter σχεδιάζει να εγκαινιάσει το 2027. Η εγκατάσταση θα επιτρέψει στην εταιρεία να πραγματοποιεί εσωτερικά περισσότερες εργασίες εργαστηριακής ανάπτυξης και δοκιμών. Ο γύρος χρηματοδότησης θα ενισχύσει επίσης την εμπορική ομάδα και την παρουσία της εταιρείας στις ΗΠΑ, ενώ θα χρηματοδοτήσει την περαιτέρω ανάπτυξη της υπολογιστικής πλατφόρμας και του υποκείμενου συνόλου δεδομένων ενζύμων.

Συντομότεροι κύκλοι σχεδιασμού και δοκιμών

Η Biomatter αναφέρει ότι η συμβατική ανάπτυξη ενζύμων διαρκεί μήνες ή χρόνια, ενώ τα τρέχοντα προγράμματά της ολοκληρώνονται σε εβδομάδες. Η πρόσθετη εργαστηριακή δυναμικότητα αποσκοπεί στη συντόμευση αυτού του κύκλου σε ημέρες. Έτσι, η εγκατάσταση συνδέει τις υπολογιστικές εργασίες σχεδιασμού της εταιρείας με τις πειραματικές δοκιμές που απαιτούνται για να μετατραπούν τα υποψήφια ένζυμα σε προϊόντα έτοιμα προς παράδοση.

«Στόχος μας είναι να γίνει τόσο εύκολη η παραγγελία ενός εξατομικευμένου ενζύμου όσο και ενός προϊόντος από κατάλογο, ακόμη και για αντιδράσεις για τις οποίες δεν υπάρχει σήμερα τέτοιο ένζυμο», δήλωσε ο Laurynas Karpus, διευθύνων σύμβουλος και συνιδρυτής της Biomatter.

Σχεδιασμός με αφετηρία την επιθυμητή αντίδραση

Η διαδικασία της Biomatter ξεκινά από τη χημική αντίδραση που απαιτεί το προϊόν ενός πελάτη και όχι από ένα φυσικό ένζυμο και τα σχετικά με αυτό δεδομένα. Η εταιρεία αναφέρει ότι τα χρόνια συλλογής δεδομένων για ένζυμα που απέχουν πολύ από τα φυσικά παραδείγματα επιτρέπουν στα μοντέλα της να πραγματοποιούν μεγάλες αλλαγές στην αλληλουχία και τη δομή. Κάθε σχεδιασμός δοκιμάζεται στο εργαστήριο πριν από την αποστολή.

Ένα παράδειγμα προϊόντος είναι η συνεργασία της Biomatter με την Thermo Fisher Scientific για την Invitrogen SuperScript V Reverse Transcriptase, ένα ένζυμο που χρησιμοποιείται για τη μετατροπή του RNA σε DNA σε εργαστήρια μοριακής βιολογίας και στην έρευνα mRNA. Η Biomatter αναφέρει ότι η εργασία βελτίωσε την αντοχή στην οξείδωση, συμβάλλοντας στη σταθερότητα των αντιδραστηρίων και καθιστώντας δυνατή τη μεταφορά τους σε θερμοκρασία περιβάλλοντος και την αποθήκευσή τους σε θερμοκρασία δωματίου για έως και έξι μήνες.

Σε ένα άλλο πρόγραμμα, η Biomatter δημιούργησε ένα ένζυμο μεθυλάσης για την παραγωγή εμβολίων mRNA, το οποίο λειτουργεί χωρίς SAM. Η εταιρεία περιγράφει το SAM ως ένα ακριβό πρόσθετο που απαιτείται από κάθε φυσική μεθυλάση και παρουσιάζει το έργο ως την υλοποίηση μιας χημικής αντίδρασης που δεν πραγματοποιείται στη φύση.

Τα έργα πελατών διευρύνουν το σύνολο δεδομένων

Η Biomatter αναφέρει ότι έχει παραδώσει περισσότερα από 50 εξατομικευμένα ένζυμα σε πάνω από 25 εταιρικούς πελάτες στην Ευρώπη, τις Ηνωμένες Πολιτείες και την Ιαπωνία. Μεταξύ των κατονομαζόμενων πελατών είναι οι AstraZeneca, BASF, Kirin Holdings, Neogen, Sanofi και Tereos, που δραστηριοποιούνται στη βιοφαρμακευτική, τη διαγνωστική, τη γεωργία και τη βιομηχανική βιοτεχνολογία. Αρκετοί πελάτες έχουν περάσει από ένα μεμονωμένο έργο σε πολυετή προγράμματα που περιλαμβάνουν πολλά ένζυμα, ενώ περίπου οι μισοί πελάτες της εταιρείας έχουν έδρα στις Ηνωμένες Πολιτείες.

Κάθε πρόγραμμα προσθέτει πειραματικά χαρακτηρισμένα ένζυμα στο ιδιόκτητο σύνολο δεδομένων της Biomatter, το οποίο, σύμφωνα με την εταιρεία, καθιστά τα επόμενα προγράμματα ταχύτερα και ακριβέστερα. Έτσι, η νέα εργαστηριακή και εμπορική επέκταση επιτελεί έναν κοινό ρόλο: τα έργα πελατών παράγουν πειραματικά δεδομένα, ενώ η αυξημένη δυναμικότητα δοκιμών μπορεί να υποστηρίξει περαιτέρω εργασίες σχεδιασμού.

Ο Harry Briggs, εταίρος της Astanor, δήλωσε ότι η επενδυτική απόφαση βασίστηκε στη δημιουργία δεδομένων από την Biomatter πέρα από τα φυσικά παραδείγματα και στα επαναλαμβανόμενα έργα της με πελάτες από διάφορους κλάδους. Το σκεπτικό του συνδέει την τεχνική πλατφόρμα με ενδείξεις εμπορικής υιοθέτησης, αντί να αντιμετωπίζει τα έσοδα από πελάτες και την ανάπτυξη δεδομένων ως ξεχωριστές δραστηριότητες.

Ως εκ τούτου, η χρηματοδότηση καθιστά την εργαστηριακή δυναμικότητα βασικό στοιχείο της επόμενης φάσης για τη Biomatter. Η σχεδιαζόμενη εγκατάσταση θέτει ένα συγκεκριμένο επιχειρησιακό ερώτημα: αν οι περισσότερες δοκιμές εντός της εταιρείας μπορούν να συντομεύσουν τους κύκλους ανάπτυξης, υποστηρίζοντας παράλληλα τις εξατομικευμένες, εργαστηριακά επικυρωμένες εργασίες που βρίσκονται πίσω από τα διευρυνόμενα προγράμματα πελατών της.

Evan Mercer είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στο Unite.AI, καλύπτοντας startups τεχνητής νοημοσύνης, venture capital και τις δυναμικές χρηματοδότησης που διαμορφώνουν την επόμενη γενιά τεχνολογικών εταιρειών. Η αναφορά του εστιάζει στην καινοτομία πρώιμου σταδίου, τις ροές κεφαλαίου και τις στρατηγικές αποφάσεις που λαμβάνουν οι ιδρυτές και οι επενδυτές καθώς οι εταιρείες AI αναπτύσσονται από την ιδέα μέχρι την παγκόσμια επίδραση.

Με στρατηγικό και αναλυτικό πρίσμα, ο Evan εξετάζει τους γύρους χρηματοδότησης, τη θέση στην αγορά και τις αναδυόμενες τάσεις στο οικοσύστημα των AI startups. Παρακολουθεί πώς το venture capital, οι εταιρικές επενδύσεις και οι χρηματιστηριακές αγορές διασταυρώνονται με τις επαναστατικές εξελίξεις στην τεχνητή νοημοσύνη, διαχωρίζοντας τα ανθεκτικά σήματα από τη βραχυπρόθεσμη υπερβολή.

Τα άρθρα που συντάσσει ο Evan Mercer είναι δημιουργημένα από AI και ελέγχονται από την ομάδα συντακτών του Unite.AI για να διασφαλιστεί η ακρίβεια, το πλαίσιο και η υπεύθυνη κάλυψη του παγκόσμιου τοπίου επενδύσεων στην AI