Biostate AI raccoglie 12 milioni di dollari nella serie A per addestrare il ChatGPT della medicina molecolare

Biostate AI, una startup di diagnostica molecolare che combina la sequenza di RNA di nuova generazione (RNAseq) con l’intelligenza artificiale generativa, ha annunciato oggi di aver raccolto 12 milioni di dollari in una serie di finanziamenti A guidata da Accel. Il round ha visto anche la partecipazione di Gaingels, Mana Ventures, InfoEdge Ventures e degli investitori di ritorno Matter Venture Partners, Vision Plus Capital e Catapult Ventures. Anche angeli di alto profilo come il CEO di Anthropic Dario Amodei, il CTO di 10x Genomics (TXG ) Mike Schnall-Levin e la CEO di Twist Bioscience (TWST ) Emily Leproust hanno sostenuto l’azienda.

I nuovi finanziamenti alimentano l’obiettivo ambizioso di Biostate: rendere la biologia prevedibile e sbloccare la medicina di precisione su larga scala. Allo stesso modo in cui OpenAI ha addestrato ChatGPT su trilioni di parole per comprendere il linguaggio umano, Biostate sta addestrando modelli di base su miliardi di profili di espressione di RNA per imparare il “linguaggio molecolare” della malattia umana.

Un modello Netflix per la medicina molecolare

La startup, fondata dai professori del MIT e di Rice diventati imprenditori Ashwin Gopinath e David Zhang, immagina un nuovo paradigma per la diagnostica. Invece di offrire servizi di sequenziamento isolati, Biostate utilizza un modello di business autosufficiente ispirato a Netflix (NFLX ): l’azienda elabora migliaia di campioni di RNA a costo ultra-basso, alimenta quei dati in un sistema di intelligenza artificiale generativa proprietario e migliora i suoi modelli con ogni esperimento. Il risultato è un ciclo virtuoso: la sequenza a basso costo alimenta modelli migliori, e modelli migliori forniscono una maggiore comprensione clinica.

“Ogni diagnostico che ho costruito era sulla strada per avvicinare la risposta al paziente,” ha detto Zhang, CEO di Biostate AI. “Biostate compie il più grande passo fino ad ora, rendendo l’intero trascrittoma accessibile.”

Il trascrittoma, l’insieme completo di molecole di RNA in una cellula, fornisce istantanee in tempo reale della salute e della malattia umana. Tuttavia, storicamente, la sequenza del trascrittoma completo è stata proibitivamente costosa e difficile da interpretare. Biostate sta affrontando entrambi i problemi con un approccio duplice: riduzione radicale dei costi e intelligenza artificiale all’avanguardia.

Innovazioni tecniche: BIRT, PERD e intelligenza artificiale generativa

Al centro dell’offerta di Biostate ci sono due tecnologie brevettate: BIRT (Biostate Integrated RNAseq Technology) e PERD (Probabilistic Expression Reduction Deconvolution). BIRT è un protocollo di multiplexing che consente l’estrazione e la sequenza di RNA simultanee da più campioni, riducendo i costi di quasi dieci volte. PERD, invece, applica algoritmi innovativi per filtrare gli “effetti del lotto” – la variabilità introdotta dalle differenze nelle condizioni di laboratorio o nella gestione dei campioni – che spesso oscura il segnale biologico negli studi multi-sito.

Questo flusso di lavoro di RNAseq altamente standardizzato alimenta il modello di base proprietario di Biostate, Biobase, che funziona molto come i modelli GPT nell’elaborazione del linguaggio naturale. Addestrato su centinaia di migliaia di profili trascrittomici attraverso tipi di tessuto, stati di malattia e specie, Biobase cattura la “grammatica della biologia” – i modelli sottostanti di espressione genica che definiscono salute e malattia.

Allo stesso modo in cui GPT può essere ottimizzato per scrivere saggi o riassumere documenti legali, Biobase può essere adattato per rilevare la recidiva precoce del cancro, prevedere la risposta ai farmaci nella malattia autoimmune o stratificare i pazienti nei trial cardiovascolari. Il Prognosis AI di Biostate, costruito su Biobase, mostra già promesse nella previsione della recidiva della leucemia e viene testato per la sclerosi multipla con il Progetto di cura accelerata.

“Allo stesso modo in cui ChatGPT ha trasformato la comprensione del linguaggio imparando da trilioni di parole, stiamo imparando il linguaggio molecolare della malattia umana da miliardi di espressioni di RNA,” ha detto Gopinath, il CTO dell’azienda. “Stiamo facendo per la medicina molecolare ciò che i grandi modelli linguistici hanno fatto per il testo – scalare i dati grezzi in modo che gli algoritmi possano finalmente brillare.”

Costruire il più grande set di dati RNAseq del mondo

Finora, Biostate ha già sequenziato oltre 10.000 campioni per 150+ collaboratori, tra cui Cornell e altre istituzioni importanti. L’obiettivo è di scalare quel numero a centinaia di migliaia di campioni all’anno. Questa crescita esponenziale è resa possibile dal processo di sequenziamento di RNA a basso costo e dal flusso di lavoro di ingestione dei dati standardizzato, OmicsWeb, che standardizza, etichetta e archivia in modo sicuro i dati trascrittomici attraverso le giurisdizioni.

L’infrastruttura cloud dell’azienda include diversi strumenti GenAI innovativi, come:

• OmicsWeb Copilot – Un’interfaccia a linguaggio naturale per analizzare i dati RNAseq senza codice.

• QuantaQuill – Un assistente AI che genera manoscritti scientifici pronti per la pubblicazione, completi di figure e citazioni.

• Embedding Surfer – Uno strumento di visualizzazione che scopre relazioni biologiche nascoste all’interno dei dati di espressione genica.

Con uffici a Houston, Palo Alto, Bangalore e Shanghai, Biostate sta espandendosi a livello globale per supportare una rete in crescita di partner clinici e accademici. La startup sta già elaborando sia campioni di tessuto freschi che decennali – aiutando i laboratori a estrarre informazioni da campioni precedentemente inutilizzabili.

Verso un’intelligenza artificiale generale per tutte le malattie

L’obiettivo finale di Biostate è ambizioso: creare un’intelligenza artificiale generale in grado di comprendere e guidare il trattamento attraverso tutte le malattie umane. Questo approccio unificante si contrappone al paesaggio biotecnologico frammentato di oggi, in cui ogni condizione richiede spesso uno strumento di diagnostica e un percorso terapeutico isolati.

“Invece di risolvere la diagnostica e la terapia come problemi separati e isolati per ogni malattia, crediamo che l’intelligenza artificiale moderna e futura possa essere generale per comprendere e aiutare a curare ogni malattia,” ha detto Zhang.

Trattando la biologia come un sistema generativo – in cui lo stato molecolare odierno determina gli esiti di domani – Biostate ritiene di poter prevedere non solo lo stato di salute attuale, ma anche le traiettorie future della malattia e gli interventi ottimali.

Cosa c’è dopo?

Con oltre 20 milioni di dollari raccolti finora e una base clienti in rapida crescita, Biostate sta accelerando le collaborazioni cliniche in oncologia, malattie cardiovascolari e immunologia. I prossimi obiettivi dell’azienda includono la convalida regolatoria dei suoi modelli predittivi e la scalabilità commerciale dei suoi strumenti di diagnostica guidati dall’intelligenza artificiale.

Come Gopinath afferma: “Non stiamo solo interpretando la biologia. Stiamo costruendo l’equivalente biologico del Large Language Model – solo che questa volta è addestrato sul corpo umano.”

Se Biostate AI avrà successo, la prossima ondata di medicina di precisione potrebbe non essere solo reattiva – sarà predittiva, personalizzata e alimentata dall’intelligenza artificiale generativa.