Adaptyv Bio rivoluziona l'ingegneria delle proteine ​​utilizzando l'IA generativa

Gli strumenti di intelligenza artificiale come ChatGPT stanno cambiando radicalmente il modo in cui vengono generati testo, immagini e codice. Allo stesso modo, gli algoritmi di apprendimento automatico e l’intelligenza artificiale generativa stanno rivoluzionando i metodi convenzionali nelle scienze della vita e accelerando i tempi nella scoperta di farmaci e nello sviluppo di materiali.

DeepMind's AlphaFold è probabilmente il modello di apprendimento automatico più rinomato in questo ambito. Prevede la struttura tridimensionale di una proteina a partire dalla sua sequenza amminoacidica ed è stato utilizzato da oltre un milione di ricercatori nei 3 mesi successivi alla sua pubblicazione. Da allora sono emersi numerosi altri strumenti di intelligenza artificiale, tra cui RFDiffusion, recentemente reso open source, che consente ai ricercatori di generare progetti proteici computazionali utilizzando solo i loro laptop.

Tuttavia, la traduzione di questi progetti computazionali in proteine ​​tangibili e funzionali rimane una sfida. Adaptyv Bio mira ad affrontare questo problema con la sua fonderia di proteine ​​di nuova generazione. Integrando robotica avanzata, microfluidica e tecniche di biologia sintetica, Adaptyv Bio sta costruendo una piattaforma full-stack per consentire agli ingegneri proteici di convalidare i loro progetti proteici generati dall'intelligenza artificiale.

Julian Englert, CEO e co-fondatore di Adaptyv Bio, ha dichiarato: “Le proteine ​​sono fondamentali per la biorivoluzione, sia come nuove medicine, enzimi migliorati per la ricerca e applicazioni industriali, sia come materiali con proprietà uniche. In qualità di progettista di proteine, ora hai accesso a nuovi incredibili strumenti di intelligenza artificiale come AlphaFold o RFDiffusion. Tuttavia, convalidare i tuoi progetti proteici in laboratorio per vedere se funzionano rimane una grande sfida.

I modelli di intelligenza artificiale prosperano sui dati per l'addestramento e il miglioramento delle loro previsioni. Semplificando il processo di generazione dei dati sull'efficacia delle proteine ​​progettate, Adaptyv Bio consente agli ingegneri proteici e ai modelli di intelligenza artificiale di ricevere più feedback sui loro progetti, guidandoli verso proteine ​​con prestazioni migliori.

Englert ha aggiunto, “Pensate all'intelligenza artificiale di un'auto a guida autonoma. Per mantenere l'auto sulla strada e raggiungere la destinazione, il modello di intelligenza artificiale necessita di un ciclo di feedback serrato, basato sull'acquisizione di numerosi dati di alta qualità dai sensori della telecamera dell'auto. Lo stesso principio si applica a un modello di intelligenza artificiale che progetta nuove proteine, con il meccanismo di feedback che prevede la creazione effettiva di proteine ​​nel nostro laboratorio e il test delle loro prestazioni.”

Adaptyv Bio è stato fondato da un gruppo di ingegneri di EPFL, l'Istituto federale svizzero di tecnologia di Losanna, motivato dai lunghi processi di conduzione di esperimenti biologici nei laboratori. Nel 2022, si sono assicurati $ 2.5 milioni in finanziamenti pre-seed da Wingman Venture, dopo aver partecipato a Y Combinator, l'acceleratore di startup più selettivo al mondo. Da allora, il team si è ampliato fino a comprendere 12 ingegneri con background diversificati in biologia sintetica, microingegneria, sviluppo software e apprendimento automatico. L'azienda ha sede presso il nuovo edificio Biopolo campus di scienze della vita a Losanna, in Svizzera, dove stanno sviluppando la loro tecnologia in strutture di laboratorio all'avanguardia con viste pittoresche sul Lago di Ginevra e sulle Alpi franco-svizzere.

La fonderia di Adaptyv Bio si concentra sulle workcell di ingegneria proteica: configurazioni personalizzate e automatizzate che miniaturizzano processi che in genere richiedono più macchine da laboratorio, eseguendoli in parallelo su minuscoli chip microfluidici. Gli utenti possono scrivere protocolli sperimentali (o farli scrivere dall'intelligenza artificiale) e le workcell eseguono gli esperimenti in modo autonomo, controllando e monitorando attentamente i parametri degli esperimenti. Tutti i dati di misurazione vengono elaborati e caricati automaticamente per consentire agli utenti di perfezionare i propri modelli di apprendimento automatico con ogni esperimento.

Engelt ha detto, "Le nostre celle di lavoro sono completamente automatizzate, utilizzano 1,000 volte meno reagenti rispetto a qualsiasi alternativa disponibile in commercio e possiamo analizzare migliaia di proteine ​​diverse al giorno su ogni singola configurazione. Per semplificare i flussi di lavoro sperimentali, abbiamo sviluppato numerose tecniche personalizzate di biologia sintetica e automazione. Nei prossimi 12 mesi, prevediamo di ampliare ulteriormente il nostro laboratorio e aumentare il numero di applicazioni di progettazione proteica che possiamo supportare. Abbiamo anche appena aperto l'accesso anticipato agli utenti per inviarci i loro progetti di progettazione proteica e stiamo cercando di integrare nuovi progetti il ​​prima possibile".

Per accelerare ulteriormente il campo dell'ingegneria proteica, Adaptyv Bio ha reso open source due dei suoi strumenti interni che hanno già iniziato a guadagnare terreno tra ricercatori e ingegneri del settore. Flusso proteico è una libreria Python che consente ai progettisti di proteine ​​di creare facilmente set di dati di alta qualità per modelli di intelligenza artificiale migliori. Automante è una piattaforma software estensibile per eseguire esperimenti automatizzati, consentendo ai ricercatori di costruire i propri protocolli sperimentali e integrare diversi strumenti di laboratorio.

“La nostra missione è semplificare l'ingegneria delle proteine ​​e consentire a più ricercatori di progettare nuove proteine. Consideriamo le proteine ​​che compongono il meccanismo molecolare incredibilmente potente all'interno di ogni singola cellula del nostro corpo. Immagina il tipo di progresso tecnologico che l'umanità potrebbe fare se potessimo iniziare a progettare nuove proteine ​​per medicine personalizzate, applicazioni industriali come nuovi enzimi o, meglio, materiali più sostenibili". ha aggiunto Julian Englert.