Modulus Therapeutics Säkrar Finansiering, Vill Utöka Plattformen För Cellterapi Design

Seattle-baserade AI-drivna cellterapi designföretaget Modulus Therapeutics har meddelat att de har slutfört en överskriven seedrunda på 3,5 miljoner dollar. Ledande investerare var Madrona Venture Group, och även KdT Ventures och Allen Institute for AI (AI2) deltog.

Den nya finansieringen kommer att användas för att utöka företagets Modulus Convergent Design-plattform. I samband med finansieringsmeddelandet har företaget också bildat sin vetenskapliga rådgivande styrelse, som grundades av Alana Welm och Raphael Gottardo.

Utveckling Av Systemet

Max Darnell, Ph.D, grundade Modulus 2020 tillsammans med bioinformatikern Bryce Daines, Ph.D. De båda var en del av Allen Institute of Artificial Intelligence (AI2), som är ett forskningsinstitut etablerat av Paul Allen, medgrundare av Microsoft. Enligt grundarna ville de uppfinna en plattform för systematisk och upprepad upptäckt av nästa generations cellterapier, som kunde användas för att förbättra immunsystemets kamp mot solida tumörer.

Bryan Hale är verkställande direktör för AI2 Incubator.

“AI2 Incubators mål är att hjälpa grundare att lansera AI-företag som har potentialen att förändra världen”, sa Hale. “Genom att utnyttja den senaste AI-tekniken för att söka efter livräddande behandlingar för solida tumörer har Modulus potentialen för en verkligt stor inverkan.”

Chris Picardo är investerare vid Madrona Venture Group.

“Modulus har ett ambitiöst mål och en innovativ plattform som kombinerar modern maskinlärande, syntetisk biologi och avancerad labbautomatisering för att bekämpa tumörer och utrota cancer”, sa Picardo. “Deras metod låser upp en verkligt hög genomströmningsskärmning för cancercellsbekämpande NK-celler och skapar en enorm ny dataset som är perfekt anpassad för AI. Vi är glada att arbeta med dem när de bygger ut sitt team och kapacitet.”

Utveckling Av Terapier

Företagets främsta prioritet är att utveckla terapier baserade på naturliga mördarceller för behandling av metastatisk bröstcancer, och de bygger på den senaste framgången i att distribuera dem mot solida tumörer.

Alana Welm är en vetenskaplig rådgivare.

“Höggenomströmningsskärmningsmetoder för celltyper som naturliga mördarceller har legat efter andra celltyper”, sa Welm. “Vi är väldigt entusiastiska över de terapeutiska perspektiven på att utforska de olika sätten som dessa celler kan utformas på.”

Designprocessen för dessa celler är fortfarande en komplex process som begränsas av människors förståelse av biologi, så Modulus utvecklar sin Convergent Design-plattform för att kombinera nyckelteknikkomponenter, såsom geneditering, maskinlärande, multi-omik och höggenomströmningsskärmning i vivo. Detta kommer att bidra till att bringa en intelligent och obiased tillvägagångssätt för cellterapi design.

Max Darnell, Ph.D är medgrundare av Modulus.

“När dessa tekniker kombineras, ger de en väg för att upptäcka de förbättringar som cellerna behöver för att utföra en komplex terapeutisk uppgift, som att bekämpa en solid tumör”, sa Darnell. “Nuvarande cellterapi design är som att försöka hitta vägen ut ur skogen utan GPS. Denna plattform ger oss verktygen för att navigera cellens designutrymme systematiskt och effektivt.”

I stället för att fokusera på en enda funktion som riktning, fungerar Convergent Design för att “möjliggöra samtidig förbättring längs flera axlar av terapeutisk betydelse som konvergerar mot optimerad celldesign”, enligt meddelandet.

“Modulus är det enda företag vi har sett som fokuserar på att utforma chassit för dessa celler”, sa Rima Chakrabarti, MD, Principal vid KdT Ventures. “Genom att modifiera den medfödda cellulära maskineriet kan Modulus optimera inte bara för terapeutisk effektivitet utan också för förbättrad tillverkning och lagring, vilket bringar oss närmare kurativa, färdiga immuncellsterapier.”

I stället för att lära sig om effekten av ett enda gen, är en av Modulus nycklar att de kan lära sig hur hela nätverk av gener påverkar en cells funktion.

Bryce Daines, Ph.D, är medgrundare av Modulus.

“Genom att kombinera höggenomströmningsskärmning med maskinlärande för att tolka och förutsäga genetiska interaktioner, får vi en multiplikator på vår experimentella genomströmning som överträffar tidigare tillvägagångssätt, upprepad över celltyper och sjukdomar; resultatet är en upptäcktsmotor”, säger Daines.