Biostate AI samler inn 12 millioner dollar i serie A-finansiering for å trene ChatGPT for molekylær medisin

Biostate AI, et molekylærdiagnostikk-selskap som kombinerer neste-generasjons RNA-sekvensering (RNAseq) med generativ AI, annonserte i dag at de har samlet inn 12 millioner dollar i en serie A-finansieringsrunde ledet av Accel. Runden så også deltakelse fra Gaingels, Mana Ventures, InfoEdge Ventures, og returnerende investorer Matter Venture Partners, Vision Plus Capital, og Catapult Ventures. Høyprofilerte engler som Anthropic CEO Dario Amodei, 10x Genomics (TXG ) CTO Mike Schnall-Levin, og Twist Bioscience (TWST ) CEO Emily Leproust støttet også selskapet.

Den nye finansieringen driver Biostates ambisiøse mål: å gjøre biologi forutsigbar og låse opp presisjonsmedisin i stor skala. Liksom OpenAI trente ChatGPT på billioner av ord for å forstå menneskelig språk, trener Biostate grunnmodeller på billioner av RNA-uttrykksprofiler for å lære “molekylærspråket” til menneskelig sykdom.

En Netflix-modell for molekylær medisin

Selskapet, grunnlagt av MIT- og Rice-professorer som ble entreprenører Ashwin Gopinath og David Zhang, ser for seg en ny paradigme for diagnostikk. I stedet for å tilby isolerte sekvenseringstjenester, bruker Biostate en Netflix (NFLX ) -inspirert selvholdende forretningsmodell: selskapet prosesserer tusenvis av RNA-prøver til ultra-lav kostnad, fôrer denne dataen inn i et proprietært generativt AI-system, og forbedrer modellene med hver eksperiment. Resultatet er en dydig syklus – rimelig sekvensering gir bedre modeller, og bedre modeller gir dypere klinisk innsikt.

“Hver diagnostikk jeg har bygget var om å flytte svaret nærmere pasienten,” sa Zhang, CEO i Biostate AI. “Biostate tar det største skrittet så langt ved å gjøre hele transkriptomet rimelig.”

Transkriptomet – det komplette sett av RNA-molekyler i en celle – gir sanntidsbilder av menneskelig helse og sykdom. Likevel har fullt transkriptom-sekvensering historisk sett vært forbudt dyrt og vanskelig å tolke. Biostate adresserer begge problemene med en dobbelt tilnærming: radikal kostnadsreduksjon og banebrytende AI.

Teknologiske innovasjoner: BIRT, PERD og generativ AI

I kjernen av Biostates tilbud er to patenterede teknologier: BIRT (Biostate Integrert RNA-sekvenseringsteknologi) og PERD (Probabilistisk Uttrykksreduksjon Dekonvolusjon). BIRT er en multiplexingsprotokoll som tillater samtidig RNA-ekstraksjon og sekvensering fra flere prøver, reduserer kostnaden nesten ti ganger. PERD, derimot, anvender nye algoritmer for å filtere ut “batch-effekter” – variasjoner introdusert av forskjeller i laboratorieforhold eller prøvehåndtering – som ofte skjuler den biologiske signalen i multi-studiene.

Dette høyt standardiserte RNA-sekvenseringsrørledning går inn i Biostates proprietære grunnmodell, Biobase, som fungerer mye som GPT-modeller i naturlig språkbehandling. Trenet på hundretusener av transkriptomprofiler over vevtyper, sykdomstilstander og arter, fanger Biobase “grammatikken til biologi” – de underliggende mønstrene av genuttrykk som definerer helse og sykdom.

Akkurat som GPT kan bli finjustert for å skrive essayer eller sammenfatte juridiske dokumenter, kan Biobase tilpasses for å detektere tidlig kreftrekurrans, forutsi legemiddelrespons i autoimmun sykdom eller stratifisere pasienter i kardiovaskulære studier. Biostates Prognose AI, bygget på toppen av Biobase, viser allerede løfte i å forutsi leukemirekurrans og testes for multiple sklerose med Accelerated Cure Project.

“Akkuat som ChatGPT transformerte språkforståelse ved å lære fra billioner av ord, lærer vi molekylærspråket til menneskelig sykdom fra billioner av RNA-uttrykk,” sa Gopinath, selskapets CTO. “Vi gjør for molekylær medisin det store språkmodellene gjorde for tekst – skalerer rådata så algoritmene kan til slutt skinne.”

Bygging av verdens største RNA-sekvenseringsdatasett

Hittil har Biostate sekvensert over 10 000 prøver for 150+ samarbeidspartnere, inkludert Cornell og andre større institusjoner. Målet er å skalerer dette tallet til hundretusener av prøver årlig. Denne eksponentielle veksten muliggjøres av deres lavkostnads RNA-sekvenseringsprosess og strømlinjeformet datainntaksrørledning, OmicsWeb, som standardiserer, merker og lagrer transkriptomdata på tvers av jurisdiksjoner.

Selskapets sky-infrastruktur inkluderer flere nye GenAI-verktøy, som:

• OmicsWeb Copilot – En naturlig språk-grensesnitt for å analysere RNA-sekvenseringsdata uten kode.

• QuantaQuill – En AI-assistent som genererer publikasjonsgodkjenning vitenskapelige manuskripter, komplett med figurer og sitater.

• Embedding Surfer – En visualiseringsverktøy som avdekker skjulte biologiske relasjoner innen genuttrykksdata.

Med kontorer i Houston, Palo Alto, Bangalore og Shanghai, utvider Biostate globalt for å støtte en voksende nettverk av kliniske og akademiske partnere. Selskapet prosesserer allerede både ferske og tiår gamle vevprøver – og hjelper laboratorier med å trekke ut innsikt fra tidligere ubrukelige prøver.

Mot generell formål AI for alle sykdommer

Biostates sluttspill er ambisiøst: å skape en generell formål AI i stand til å forstå og veilede behandling over alle menneskelige sykdommer. Denne enhetlige tilnærmingen står i kontrast til dagens fragmenterte bioteknologiske landskap, hvor hver tilstand ofte krever sin egen isolerte diagnostiske verktøy og terapeutisk vei.

“I stedet for å løse diagnostikk og terapi som separate, isolerte problemer for hver sykdom, tror vi at moderne og fremtidig AI kan være generell formål for å forstå og hjelpe med å kurere hver sykdom,” sa Zhang.

Ved å behandle biologi som et generativt system – hvor dagens molekylær tilstand bestemmer morgendagens resultater – tror Biostate at de kan forutsi ikke bare nåværende helsestatus, men også fremtidige sykdomsbaner og optimale intervensjoner.

Hva kommer neste?

Med over 20 millioner dollar samlet inn hittil og en raskt voksende kundebase, akselerer Biostate kliniske samarbeid i onkologi, kardiovaskulær sykdom og immunologi. Selskapets neste milepæler inkluderer regulatorisk validering av deres prediktive modeller og kommersiell skaleringsgrad av deres AI-drevne diagnostiske verktøy.

Som Gopinath sier: “Vi tolker ikke bare biologi. Vi bygger den biologiske ekvivalenten til det store språkmodellen – bare denne gangen er det trenet på menneskekroppen.”

Hvis Biostate AI lykkes, kan den neste bølgen av presisjonsmedisin ikke bare være reaktiv – den vil være prediktiv, personlig og drevet av generativ AI.