Adaptyv Bio revolutionerar proteinengineering med hjälp av generativ AI

AI-verktyg som ChatGPT förändrar dramatiskt hur text, bilder och kod genereras. På samma sätt stör maskinläringsalgoritmer och generativ AI konventionella metoder inom livsvetenskaperna och accelererar tidsplaner för läkemedelsupptäckt och materialutveckling.

DeepMinds AlphaFold är förmodligen den mest kända maskinlärningsmodellen inom detta område. Den förutsäger en proteins tredimensionella struktur från dess aminosyrasekvens och har använts av över en miljon forskare under de 18 månader som den varit offentligt tillgänglig. Många andra AI-verktyg har dykt upp sedan dess, inklusive den nyligen öppet källkods-licensierade RFDiffusion, som tillåter forskare att generera beräkningsbaserad protein-design med hjälp av bara sina bärbara datorer.

Att översätta dessa beräkningsbaserade design till fysiska, fungerande proteiner förblir dock en utmaning. Adaptyv Bio syftar till att lösa detta problem med sin nästa generations protein-fabrik. Genom att integrera avancerad robotik, mikrofluidik och syntetisk bioteknik konstruerar Adaptyv Bio en fullständig plattform för att möjliggöra för protein-ingenjörer att validera sina AI-genererade protein-design.

Julian Englert, VD och medgrundare av Adaptyv Bio, sa: “Proteiner är centrala för biorevolutionen, antingen som nya läkemedel, förbättrade enzymer för forskning och industriella tillämpningar eller som material med unika egenskaper. Som protein-designer har du nu tillgång till otroliga nya AI-verktyg som AlphaFold eller RFDiffusion. Men att validera dina protein-design i labbet för att se om de fungerar förblir en enorm utmaning.”

AI-modeller trivs på data för att träna och förbättra sina förutsägelser. Genom att förenkla processen att generera data om effektiviteten hos designade proteiner möjliggör Adaptyv Bio för protein-ingenjörer och AI-modeller att få mer feedback om sina design, vilket leder till bättre fungerande proteiner.

Englert tillade: “Tänk på AI i en självkörande bil. För att hålla bilen på vägen och nå dess destination behöver AI-modellen en tät återkopplingsloop genom att erhålla mycket högkvalitativa data från bilens kamera-sensorer. Samma princip gäller för en AI-modell som designar nya proteiner, med återkopplingsmekanismen som innefattar den faktiska skapandet av proteiner i vårt labb och testning av deras prestanda.”

Adaptyv Bio etablerades av en grupp ingenjörer från EPFL, det schweiziska federala institutet för teknologi i Lausanne, som motiverades av de tidskrävande processerna för att utföra biologiska experiment i labbet. 2022 säkrade de 2,5 miljoner dollar i för-seed-finansiering från Wingman Venture, efter att ha deltagit i Y Combinator, världens mest selektiva startup-accelerator. Teamet har sedan utvidgats till 12 ingenjörer med olika bakgrunder inom syntetisk biologi, mikroingenjörskap, programvaruutveckling och maskinlärning. Företaget är beläget på den nyligen byggda Biopole life science-campus i Lausanne, Schweiz, där de utvecklar sin teknik i toppmoderna labb-anläggningar med pittoreska vyer över Genèvesjön och de schweizisk-franska Alperna.

Adaptyv Bios fabrik kretsar kring protein-engineering-arbetsceller – anpassade, automatiserade installationer som miniaturiserar processer som vanligtvis kräver flera laboratoriemaskiner, utför dem parallellt på små mikrofluidiska chip. Användare kan skriva experimentella protokoll (eller låta AI skriva dem) och arbetscellerna utför experimenten autonomt, samtidigt som de nära kontrollerar och övervakar experimentens parametrar. Alla mätdata bearbetas automatiskt och laddas upp för att tillåta användare att förbättra sina maskinlärningsmodeller med varje experiment.

Englert sa: “Våra arbetsceller är fullständigt automatiserade, använder 1 000 gånger färre reagens än något kommersiellt tillgängligt alternativ och vi kan köra tusentals olika proteiner per dag på varje enskild installation. För att strömlinjeforma de experimentella arbetsflödena har vi utvecklat många anpassade syntetiska bioteknik- och automatiseringstekniker. Under de kommande 12 månaderna planerar vi att skala upp vårt labb ytterligare och öka antalet protein-design-applikationer vi kan stödja. Vi har också just öppnat tidig åtkomst för användare att skicka in sina protein-design-projekt till oss och vi försöker att påbörja nya projekt så snart som möjligt.”

För att ytterligare accelerera området protein-engineering har Adaptyv Bio öppet källkods-licensierat två av sina interna verktyg som redan har börjat få uppmärksamhet bland forskare och ingenjörer inom området. ProteinFlow är ett Python-bibliotek som tillåter protein-designers att enkelt skapa högkvalitativa datamängder för bättre AI-modeller. Automancer är en utökbar programvaru-plattform för att köra automatiserade experiment, som möjliggör för forskare att bygga sina egna experimentella protokoll och integrera olika laboratorie-instrument.

“Vår mission är att göra protein-engineering enklare och möjliggöra för fler forskare att designa nya proteiner. Tänk på de proteiner som utgör den otroligt kraftfulla molekylära maskineriet inuti varje enda cell i vår kropp. Föreställ er den typ av teknologisk framsteg som mänskligheten kunde göra om vi kunde börja designa nya proteiner för personliga läkemedel, industriella tillämpningar som nya enzymer eller bättre, mer hållbara material,” tillade Julian Englert.