Biostate AI tar in 12 miljoner dollar i serie A-finansiering för att träna ChatGPT för molekylär medicin

Biostate AI, ett molekylärdiagnostikföretag som kombinerar nästa generations RNA-sekvensering (RNAseq) med generativ AI, meddelade idag att de har tagit in 12 miljoner dollar i en serie A-finansieringsrunda ledd av Accel. Rundan såg också deltagande från Gaingels, Mana Ventures, InfoEdge Ventures, och återvändande investerare Matter Venture Partners, Vision Plus Capital, och Catapult Ventures. Högt uppsatta änglar som Anthropic VD Dario Amodei, 10x Genomics (TXG ) CTO Mike Schnall-Levin, och Twist Bioscience (TWST ) VD Emily Leproust stödde också företaget.

Den nya finansieringen driver Biostates ambitiösa mål: att göra biologi förutsägbar och låsa upp precisionsmedicin i stor skala. Liksom hur OpenAI tränade ChatGPT på triljoner ord för att förstå mänskligt språk, tränar Biostate grundmodeller på miljarder RNA-uttrycksprofiler för att lära sig “molekylärt språk” för mänsklig sjukdom.

En Netflix-modell för molekylär medicin

Företaget, grundat av MIT- och Rice-professorerna Ashwin Gopinath och David Zhang, ser en ny paradigm för diagnostik. Istället för att erbjuda isolerade sekvenseringstjänster använder Biostate en Netflix (NFLX ) -inspirerad självförsörjande affärsmodell: företaget bearbetar tusentals RNA-prover till ultra-låg kostnad, matar in data i ett proprietärt generativt AI-system och förbättrar modellerna med varje experiment. Resultatet är en dygdig cirkel – billig sekvensering ger bättre modeller, och bättre modeller ger djupare klinisk insikt.

“Varje diagnostik jag har byggt handlade om att flytta svaret närmare patienten,” sa Zhang, VD för Biostate AI. “Biostate tar det största steget hittills genom att göra hela transkriptomet affördbart.”

Transkriptomet – den fullständiga uppsättningen RNA-molekyler i en cell – ger realtidsögonblick av mänsklig hälsa och sjukdom. Men historiskt sett har fullständig transkriptomsekvensering varit förbjudande dyrt och svårt att tolka. Biostate hanterar båda problemen med en dubbel strategi: radikal kostnadsreduktion och toppmodernt AI.

Tekniska innovationer: BIRT, PERD och generativ AI

I kärnan av Biostates erbjudande finns två patenterade teknologier: BIRT (Biostate Integrated RNAseq Technology) och PERD (Probabilistic Expression Reduction Deconvolution). BIRT är en multiplexningsprotokoll som tillåter samtidig RNA-extraktion och sekvensering från flera prover, vilket minskar kostnaden nästan tiofaldigt. PERD tillämpar nya algoritmer för att filtrera bort “batch-effekter” – variationer som introduceras av skillnader i laboratorieförhållanden eller provhantering – som ofta skymmer den biologiska signalen i multisajtstudier.

Denna högt standardiserade RNAseq-pipeline matas in i Biostates proprietära grundmodell, Biobase, som fungerar mycket som GPT-modeller i naturligt språkbehandling. Tränad på hundratusentals transkriptomprofiler över vävnadstyper, sjukdomstillstånd och arter, fångar Biobase “biologins grammatik” – de underliggande mönstren av genuttryck som definierar hälsa och sjukdom.

Liksom GPT kan finjusteras för att skriva essäer eller sammanfatta juridiska dokument kan Biobase anpassas för att upptäcka tidig canceråterfall, förutsäga läkemedelsrespons i autoimmuna sjukdomar eller stratifiera patienter i kardiovaskulära studier. Biostates Prognosis AI, byggd på Biobase, visar redan löfte i att förutsäga leukemiåterfall och testas för multipel skleros med Accelerated Cure Project.

“Liksom ChatGPT förvandlade språkförståelse genom att lära sig från triljoner ord, lär vi oss det molekylära språket för mänsklig sjukdom från miljarder RNA-uttryck,” sa Gopinath, företagets CTO. “Vi gör för molekylär medicin vad stora språkmodeller gjorde för text – skala den råa datan så att algoritmerna kan lysa.”

Att bygga världens största RNAseq-databas

Hittills har Biostate sekvenserat över 10 000 prover för 150+ samarbetspartner, inklusive Cornell och andra stora institutioner. Målet är att skala upp det antalet till hundratusentals prover per år. Denna exponentiella tillväxt möjliggörs av deras lågkostnads-RNAseq-process och strömlinjeformad datainmatningspipeline, OmicsWeb, som standardiserar, märker och lagrar transkriptomdata på ett säkert sätt över jurisdiktioner.

Företagets molninfrastruktur inkluderar flera nya GenAI-verktyg, som:

• OmicsWeb Copilot – Ett naturligt språkgränssnitt för att analysera RNAseq-data utan kod.

• QuantaQuill – En AI-assistent som genererar publikationsklara vetenskapliga manuskript, komplett med figurer och citat.

• Embedding Surfer – Ett visualiseringsverktyg som avslöjar dolda biologiska relationer inom genuttrycksdata.

Med kontor i Houston, Palo Alto, Bangalore och Shanghai, utvidgar Biostate globalt för att stödja ett växande nätverk av kliniska och akademiska partner. Företaget bearbetar redan både färska och decennier gamla vävnadsprover – och hjälper laboratorier att extrahera insikter från tidigare oanvändbara prover.

Mot allmänna AI för alla sjukdomar

Biostates slutmål är djärvt: att skapa en allmän AI som kan förstå och vägleda behandling över alla mänskliga sjukdomar. Denna enhetliga strategi står i kontrast till dagens fragmenterade biotekniklandskap, där varje tillstånd ofta kräver sitt eget isolerade diagnostikverktyg och terapeutisk väg.

“Istället för att lösa diagnostik och terapi som separata, isolerade problem för varje sjukdom, tror vi att modern och framtida AI kan vara allmänna för att förstå och hjälpa till att bota varje sjukdom,” sa Zhang.

Genom att behandla biologi som ett generativt system – där dagens molekylära tillstånd bestämmer morgondagens resultat – tror Biostate att de kan förutsäga inte bara nuvarande hälsostatus, utan också framtida sjukdomsbanor och optimala ingrepp.

Vad händer härnäst?

Med mer än 20 miljoner dollar insamlade hittills och en snabbt växande kundbas, accelererar Biostate kliniska samarbeten inom onkologi, kardiovaskulär sjukdom och immunologi. Företagets nästa milstolpar inkluderar regulatorisk validering av deras prediktiva modeller och kommersiell skala av deras AI-drivna diagnostikverktyg.

Som Gopinath säger: “Vi tolkar inte bara biologi. Vi bygger den biologiska motsvarigheten till den stora språkmodellen – den här gången tränad på den mänskliga kroppen.”

Om Biostate AI lyckas, kan den nästa vågen av precisionsmedicin inte bara vara reaktiv – den kommer att vara prediktiv, personlig och driven av generativ AI.