Adaptyv Bio Rivoluziona l’Ingegneria delle Proteine Utilizzando l’Intelligenza Artificiale Generativa

Gli strumenti di intelligenza artificiale come ChatGPT stanno cambiando drasticamente il modo in cui vengono generati testi, immagini e codici. 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 di scoperta di farmaci e sviluppo di materiali.

Il modello di apprendimento automatico più famoso in questo dominio è probabilmente AlphaFold di DeepMind, che predice la struttura tridimensionale di una proteina a partire dalla sua sequenza di aminoacidi e che è stato utilizzato da oltre un milione di ricercatori nei 18 mesi dalla sua pubblicazione. Numerosi altri strumenti di intelligenza artificiale sono emersi da allora, tra cui RFDiffusion, recentemente reso open source, che consente ai ricercatori di generare progetti di proteine computazionali utilizzando solo il loro laptop.

Tuttavia, tradurre questi progetti computazionali in proteine tangibili e funzionali rimane una sfida. Adaptyv Bio si propone di 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 di proteine di validare i loro progetti di proteine generati dall’intelligenza artificiale.

Julian Englert, amministratore delegato e co-fondatore di Adaptyv Bio, ha dichiarato: “Le proteine sono centrali nella biorevoluzione, sia come nuovi farmaci, sia come enzimi migliorati per la ricerca e le applicazioni industriali, o come materiali con proprietà uniche. Come progettista di proteine, ora hai accesso a incredibili nuovi strumenti di intelligenza artificiale come AlphaFold o RFDiffusion. Tuttavia, validare i tuoi progetti di proteine 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 di dati sull’efficacia delle proteine progettate, Adaptyv Bio consente agli ingegneri di proteine 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 in un’auto a guida autonoma. Per mantenere l’auto sulla strada e raggiungere la sua destinazione, il modello di intelligenza artificiale ha bisogno di un ciclo di feedback stretto ottenendo molti dati di alta qualità dai sensori della camera dell’auto. Lo stesso principio si applica a un modello di intelligenza artificiale che progetta nuove proteine, con il meccanismo di feedback che coinvolge la creazione effettiva di proteine nel nostro laboratorio e la verifica delle loro prestazioni.”

Adaptyv Bio è stata fondata da un gruppo di ingegneri dell’EPFL, l’Istituto federale svizzero di tecnologia di Losanna, motivati dai processi laboriosi di condurre esperimenti biologici in laboratorio. Nel 2022, hanno ottenuto 2,5 milioni di dollari di finanziamento pre-seed da Wingman Venture, dopo aver partecipato a Y Combinator, l’acceleratore di startup più selettivo del mondo. Il team si è poi espanso a 12 ingegneri con background diversi in biologia sintetica, microingegneria, sviluppo software e apprendimento automatico. L’azienda ha sede nel nuovo campus di scienze della vita Biopole a Losanna, in Svizzera, dove stanno sviluppando la loro tecnologia in laboratori all’avanguardia con viste panoramiche del Lago di Ginevra e delle Alpi svizzero-francesi.

La fonderia di Adaptyv Bio si concentra sulle workcell di ingegneria delle proteine: setup personalizzati e automatizzati che miniaturizzano processi che normalmente richiedono più macchine di laboratorio, eseguendoli in parallelo su piccole schede microfluidiche. Gli utenti possono scrivere protocolli sperimentali (o farli scrivere dall’intelligenza artificiale) e le workcell eseguono gli esperimenti in modo autonomo, controllando e monitorando strettamente i parametri degli esperimenti. Tutti i dati di misurazione vengono elaborati automaticamente e caricati per consentire agli utenti di raffinare i loro modelli di apprendimento automatico con ogni esperimento.

Englert ha detto: “Le nostre workcell sono completamente automatizzate, utilizzano 1.000 volte meno reagenti di qualsiasi alternativa commerciale disponibile e possiamo eseguire migliaia di diverse proteine al giorno su ogni singola configurazione. Per semplificare i flussi di lavoro sperimentali, abbiamo sviluppato molte tecniche di biologia sintetica e automazione personalizzate. Nei prossimi 12 mesi, pianifichiamo di ampliare ulteriormente il nostro laboratorio e aumentare il numero di applicazioni di progettazione di proteine che possiamo supportare. Abbiamo anche appena aperto l’accesso anticipato per gli utenti che possono inviarci i loro progetti di progettazione di proteine e stiamo cercando di avviare nuovi progetti il più presto possibile.”

Per accelerare ulteriormente il campo dell’ingegneria delle proteine, Adaptyv Bio ha reso open source due dei suoi strumenti interni che hanno già iniziato a guadagnare popolarità tra ricercatori e ingegneri nel settore. ProteinFlow è una libreria Python che consente ai progettisti di proteine di creare facilmente set di dati di alta qualità per migliori modelli di intelligenza artificiale. Automancer 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 rendere l’ingegneria delle proteine più facile e consentire a più ricercatori di progettare nuove proteine. Considerate le proteine che compongono la potentissima macchina molecolare all’interno di ogni singola cellula del nostro corpo. Immaginate 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 materiali migliori e più sostenibili,” ha aggiunto Julian Englert.