Adaptyv Bio révolutionne l’ingénierie des protéines à l’aide de l’IA générative

Les outils d’IA tels que ChatGPT changent dramatiquement la façon dont le texte, les images et le code sont générés. De même, les algorithmes d’apprentissage automatique et l’IA générative perturbent les méthodes conventionnelles dans les sciences de la vie et accélèrent les délais de découverte de médicaments et de développement de matériaux.

Le modèle d’apprentissage automatique le plus renommé dans ce domaine est probablement AlphaFold de DeepMind. Il prédit la structure 3D d’une protéine à partir de sa séquence d’acides aminés et a été utilisé par plus d’un million de chercheurs au cours des 18 mois suivant sa sortie publique. D’autres outils d’IA ont émergé depuis, notamment RFDiffusion, qui a été récemment open-sourcé et permet aux chercheurs de générer des conceptions de protéines computationnelles à l’aide de leur ordinateur portable.

Cependant, la traduction de ces conceptions computationnelles en protéines tangibles et fonctionnelles reste un défi. Adaptyv Bio vise à résoudre ce problème avec sa fonderie de protéines de nouvelle génération. En intégrant des techniques de robotique avancée, de microfluidique et de biologie synthétique, Adaptyv Bio construit une plate-forme complète pour permettre aux ingénieurs en protéines de valider leurs conceptions de protéines générées par l’IA.

Julian Englert, PDG et co-fondateur d’Adaptyv Bio, a déclaré : “Les protéines sont au cœur de la biorevolution, qu’il s’agisse de nouveaux médicaments, d’enzymes améliorées pour la recherche et les applications industrielles, ou de matériaux dotés de propriétés uniques. En tant que concepteur de protéines, vous avez maintenant accès à des outils d’IA incroyables comme AlphaFold ou RFDiffusion. Cependant, valider vos conceptions de protéines en laboratoire pour voir si elles fonctionnent reste un énorme défi.”

Les modèles d’IA prospèrent sur les données pour former et améliorer leurs prédictions. En simplifiant le processus de génération de données sur l’efficacité des protéines conçues, Adaptyv Bio permet aux ingénieurs en protéines et aux modèles d’IA de recevoir plus de rétroactions sur leurs conceptions, les guidant vers des protéines à meilleure performance.

Englert a ajouté : “Pensez à l’IA dans une voiture autonome. Pour garder la voiture sur la route et atteindre sa destination, le modèle d’IA nécessite une boucle de rétroaction serrée en obtenant de nombreuses données de haute qualité à partir des capteurs de caméra de la voiture. Le même principe s’applique à un modèle d’IA conçu pour de nouvelles protéines, avec un mécanisme de rétroaction impliquant la création réelle de protéines dans notre laboratoire et le test de leurs performances.”

Adaptyv Bio a été fondé par un groupe d’ingénieurs de l’EPFL, l’Institut fédéral suisse de technologie à Lausanne, motivés par les processus chronophages de réalisation d’expériences biologiques en laboratoire. En 2022, ils ont obtenu 2,5 millions de dollars de financement en amont de Wingman Venture, après avoir participé à Y Combinator, l’accélérateur de startups le plus sélectif au monde. L’équipe s’est depuis élargie à 12 ingénieurs aux backgrounds divers en biologie synthétique, micro-ingénierie, développement de logiciels et apprentissage automatique. La société est située sur le campus des sciences de la vie Biopole à Lausanne, en Suisse, où ils développent leur technologie dans des installations de laboratoire de pointe avec des vues pittoresques sur le lac Léman et les Alpes suisses-françaises.

La fonderie d’Adaptyv Bio est centrée sur les cellules de travail d’ingénierie des protéines – des ensembles personnalisés et automatisés qui miniaturisent les processus qui nécessitent généralement plusieurs machines de laboratoire, les effectuant en parallèle sur de minuscules puces microfluidiques. Les utilisateurs peuvent écrire des protocoles expérimentaux (ou les faire écrire par l’IA) et les cellules de travail exécutent les expériences de manière autonome, tout en contrôlant et en surveillant étroitement les paramètres des expériences. Toutes les données de mesure sont traitées automatiquement et téléchargées pour permettre aux utilisateurs d’affiner leurs modèles d’apprentissage automatique à chaque expérience.

Englert a déclaré : “Nos cellules de travail sont entièrement automatisées, utilisent 1 000 fois moins de réactifs que les alternatives commerciales disponibles et nous pouvons exécuter des milliers de protéines différentes par jour sur chaque installation individuelle. Pour rationaliser les flux de travail expérimentaux, nous avons développé de nombreuses techniques de biologie synthétique et d’automatisation personnalisées. Au cours des 12 prochains mois, nous prévoyons d’agrandir notre laboratoire et d’augmenter le nombre d’applications de conception de protéines que nous pouvons prendre en charge. Nous venons également d’ouvrir l’accès anticipé pour que les utilisateurs soumettent leurs projets de conception de protéines à notre équipe, et nous essayons d’intégrer de nouveaux projets dès que possible.”

Pour accélérer encore le domaine de l’ingénierie des protéines, Adaptyv Bio a open-sourcé deux de ses outils internes qui ont déjà commencé à gagner en popularité parmi les chercheurs et les ingénieurs dans le domaine. ProteinFlow est une bibliothèque Python qui permet aux concepteurs de protéines de créer facilement des ensembles de données de haute qualité pour de meilleurs modèles d’IA. Automancer est une plate-forme logicielle extensible pour exécuter des expériences automatisées, permettant aux chercheurs de créer leurs propres protocoles expérimentaux et d’intégrer différents instruments de laboratoire.

“Notre mission est de rendre l’ingénierie des protéines plus facile et de permettre à davantage de chercheurs de concevoir de nouvelles protéines. Considérez les protéines qui composent la machinerie moléculaire incroyablement puissante à l’intérieur de chaque cellule de notre corps. Imaginez le type de progrès technologique que l’humanité pourrait réaliser si nous pouvions commencer à concevoir de nouvelles protéines pour des médicaments personnalisés, des applications industrielles comme de nouvelles enzymes, ou de meilleurs matériaux plus durables,” a ajouté Julian Englert.