Warp Sciences treedt uit de stealthmodus met 215 miljoen dollar voor AI-gestuurde chemielabs

Een veelbelovend molecuul ontwerpen is nog maar het begin van geneesmiddelenonderzoek. Iemand moet het nog maken, testen en de resultaten gebruiken om een beter volgend experiment op te zetten. Warp Sciences gokt erop dat AI juist op dit fysieke knelpunt een belangrijk nieuw voordeel kan opleveren.

Warp Sciences is uit de stealthmodus gekomen met 215 miljoen dollar aan financiering voor de oprichting van een in de VS gevestigde contractonderzoeksorganisatie (CRO) voor chemie, waarin ervaren chemici, AI en robotica worden gecombineerd. Het bedrijf staat onder leiding van voormalig Chief Product Officer van OpenAI Kevin Weil en wil onderzoeksverbindingen leveren aan klanten in de biotech- en farmaceutische sector, terwijl het laboratoria bouwt die leren van de experimenten die ze uitvoeren.

Lightspeed leidde de financieringsronde, waaraan onder meer IVP, Mayfield, Lux, Premji Invest en Menlo Ventures deelnamen. Tot de angelinvesteerders behoren Brian Armstrong, Mike Krieger, Dylan Field en OpenAI’s Mark Chen en Sarah Friar.

Een chemiedienstverlener gebouwd rond AI

Warp begint met de synthese van analogen voor de optimalisatie van leadverbindingen: varianten van moleculen maken zodat onderzoekers die met elkaar kunnen vergelijken terwijl ze toewerken naar een kandidaat-geneesmiddel. Het gaat om een concrete dienst met een tastbaar resultaat, niet om de belofte dat een AI-model zelfstandig een geneesmiddel zal uitvinden.

Volgens de pagina met klantdiensten richt Warp zich op preklinische programma’s met kleine moleculen en produceert het verbindingen op een schaal van milligrammen tot meerdere grammen. Het bedrijf omschrijft zijn gebruikelijke werkzaamheden als de synthese van verder uitgewerkte moleculen waarvoor vijf tot 15 synthetische stappen nodig zijn. Daarmee bevindt Warp zich midden in de herhaalde cyclus van verbindingen maken en evalueren die onderzoeksteams nodig hebben om een programma te verfijnen.

Warp maakt ook duidelijk wie de onderzoeksagenda bepaalt. Klanten kiezen welke moleculen ze willen onderzoeken en behouden de controle over hun geneesmiddelenprogramma’s. Warp heeft zelf geen eigen geneesmiddelenpijplijn. Het bedrijf levert de chemische en experimentele infrastructuur die die teams gebruiken.

Dat is commercieel van belang. Een CRO moet bruikbare verbindingen leveren, de kwaliteit waarborgen en effectief samenwerken met de wetenschappers van de klant. Die vereisten stellen Warps automatiseringsinspanningen meteen op de proef: maken ze de dienstverlening productiever en betrouwbaarder?

Van laboratoriumresultaten naar betere modellen

De technologische langetermijnvisie draait om een terugkoppellus tussen experimenten en machine learning. Fysieke experimenten leveren bewijs op over wat werkt. AI-systemen leren van dat bewijs, helpen bij het sturen van volgende experimenten en ondersteunen steeds verder geautomatiseerd laboratoriumwerk. Beter toegeruste laboratoria kunnen vervolgens bruikbaarder bewijs opleveren.

In het manifest van de oprichters zegt Warp zowel geslaagde experimenten als mislukkingen te willen vastleggen. Naast het werk voor klanten wil het bedrijf specifieke experimentele campagnes uitvoeren om gegevens voor zijn modellen te genereren. Ervaren chemici zullen de laboratoria leiden naarmate een groter deel van het werkproces wordt geautomatiseerd.

Ook mislukkingen meenemen is een belangrijk onderdeel van de aanpak. Weten dat een experiment niet het gewenste resultaat heeft opgeleverd, kan helpen de grenzen van een methode vast te stellen en richting te geven aan wat vervolgens moet worden geprobeerd. Om een model met die informatie te verbeteren, moet deze met voldoende experimentele context worden vastgelegd, zodat een onproductief idee kan worden onderscheiden van een probleem bij de uitvoering.

Robotica levert de fysieke kant van de terugkoppellus, terwijl software de planning, uitvoering en vastgelegde resultaten met elkaar verbindt. Doordat Warp deze systemen tegelijk met het laboratorium bouwt, kan het de automatisering afstemmen op het werk dat chemici daadwerkelijk uitvoeren. Het beoogde voordeel komt voort uit verbetering van het volledige experimentele proces, in plaats van moleculen sneller te ontwerpen terwijl de wachtrij in het laboratorium onveranderd blijft.

Warps bredere ambitie is wetenschappelijke AI die wetenschappers kan helpen redeneren over de fysieke wereld en informatieve experimenten kan ontwerpen. De aangekondigde commerciële start is vooralsnog beperkter: onderzoeksverbindingen leveren en het werk dat nodig is om die te produceren stapsgewijs automatiseren.

Vier oprichters die chemie, AI en bedrijfsvoering samenbrengen

Kevin Weil, medeoprichter en CEO, was tot voor kort Chief Product Officer en Vice President of Science bij OpenAI. In die functie deed hij ervaring op met het vertalen van AI-ontwikkelingen naar producten en de systemen die daarvoor nodig zijn.

Medeoprichter en COO DJ Patil was de eerste Chief Data Scientist van de VS en een van de oprichters van Devoted Health. Medeoprichter en Chief Scientific Officer Sol Reisberg bekleedde eerder leidinggevende functies op het gebied van medicinale chemie bij Terremoto Biosciences. Medeoprichter en CTO Mano Paluri was vicepresident bij Meta Superintelligence Labs en een van de oprichters van FAIR.

Deze combinatie weerspiegelt het werk dat voor ons ligt: AI-systemen bouwen, wetenschappelijke activiteiten uitvoeren en chemische producten leveren die klanten kunnen gebruiken. Volgens Warp heeft het vroege team ook ervaring met robotica bij Genesis, Skild AI en 1X, naast wetenschappelijke expertise van Genentech en Lawrence Livermore National Labs.

Betalen voor geleverde verbindingen

De prijsaanpak van Warp voegt een extra dimensie toe aan het financieringsverhaal. Op de website staat dat het bedrijf per geleverd chemisch bestanddeel rekent, waarbij de prijs in overleg met de klant wordt afgesproken. Wordt een bestanddeel niet geproduceerd, dan hoeft de klant er niet voor te betalen. Warp zet deze regeling af tegen contracten met CRO’s die zijn gebaseerd op personeelsinzet in voltijdequivalenten.

Dit model koppelt de omzet aan het werk dat daadwerkelijk wordt afgerond. Als automatisering de inspanning vermindert die nodig is om een chemisch bestanddeel betrouwbaar te maken, kan Warp zijn eigen bedrijfseconomie verbeteren en klanten tegelijk een directer verband bieden tussen uitgaven en resultaten. Het bedrijf positioneert zijn dienst als een combinatie van binnenlandse samenwerking en regie tegen offshoretarieven, hoewel het geen algemene prijslijst of vergelijkende kostencijfers heeft gepubliceerd.

Warp zegt momenteel met een klein aantal ontwerppartners samen te werken. Die samenwerkingen omvatten wekelijks overleg tussen de chemici van de klant en het team van Warp, waardoor de startup zijn dienst en systemen kan verfijnen op basis van actieve onderzoeksbehoeften.

De uitvoeringsuitdaging achter de 215 miljoen dollar

De financiering geeft Warp aanzienlijke financiële steun voor een bedrijf dat zowel fysieke capaciteit als software moet opbouwen. De kans ligt erin chemiediensten om te vormen tot een lerend systeem: chemische bestanddelen leveren, experimenteel bewijs verzamelen, de modellen verbeteren en die verbeteringen benutten om daaropvolgend werk efficiënter uit te voeren.

In de aankondiging worden geen gemeten verbeteringen van de doorlooptijd, modelbenchmarks of aanwijzingen gegeven dat er al een volledig autonoom laboratorium operationeel is. Dat zijn afzonderlijke mijlpalen, los van het samenstellen van het team en het aantrekken van kapitaal. De praktische toets zal zijn of Warp herhaaldelijk de kwaliteit, snelheid en kostenefficiëntie kan leveren die het klanten belooft.

Voorlopig is de belangrijkste keuze van het bedrijf waar het begint. Door te starten met chemieprogramma’s die door klanten worden aangestuurd, koppelt Warp zijn AI-ambities aan een terugkerende wetenschappelijke behoefte. Elk geleverd chemisch bestanddeel biedt de kans om inkomsten te genereren en het laboratoriumsysteem achter het volgende bestanddeel te verbeteren.