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 maskinlärningsalgoritmer och generativ AI konventionella metoder inom life sciences och accelererar tidsramar för läkemedelsupptäckt och materialutveckling.

DeepMinds AlphaFold är förmodligen den mest kända maskinlärningsmodellen inom detta område. Den förutsäger en proteins 3D-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 det nyligen öppet källkods-RFDiffusion, som tillåter forskare att generera datorbaserad protein-design med hjälp av endast sina bärbara datorer.

Men att översätta dessa datorbaserade design till fysiska, fungerande proteiner förblir 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 full-stack-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 kvarstår som en enorm utmaning.”

AI-modeller trivs på data för utbildning och förbättring av 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 dem till bättre fungerande proteiner.