生物状态AI获得1200万美元A轮融资，训练分子医学的ChatGPT

生物状态AI，一家将下一代RNA测序（RNAseq）与生成式AI相结合的分子诊断初创公司，今日宣布已完成1200万美元A轮融资，由Accel领投。该轮融资还得到了Gaingels、Mana Ventures、InfoEdge Ventures以及回归投资者Matter Venture Partners、Vision Plus Capital和Catapult Ventures的参与。著名天使投资者，如Anthropic CEO Dario Amodei、10x Genomics CTO Mike Schnall-Levin和Twist Bioscience CEO Emily Leproust，也支持了该公司。

新融资将推动Biostate雄心勃勃的目标：使生物学可预测，并在规模上解锁精准医学。就像OpenAI在数万亿个单词上训练ChatGPT以理解人类语言一样，Biostate正在训练基础模型在数十亿个RNA表达谱上，以学习人类疾病的“分子语言”。

分子医学的Netflix模式

该初创公司由麻省理工学院和莱斯大学的教授转型企业家Ashwin Gopinath和David Zhang创立，设想了一种新的诊断范式。与提供孤立的测序服务不同，Biostate使用一个受Netflix启发的自我维持的商业模式：该公司以超低成本处理数千个RNA样本，将这些数据输入到专有的生成式AI系统中，并通过每个实验改进其模型。结果是一个美德循环——廉价的测序使得更好的模型成为可能，而更好的模型则提供更深入的临床洞察。

“我建造的每个诊断都是为了将答案更接近患者，” Biostate AI的CEO Zhang说。“Biostate迈出了最大的步伐，使整个转录组变得廉价。”

转录组是细胞中所有RNA分子的完整集合，提供了人类健康和疾病的实时快照。然而，历史上，完整的转录组测序既昂贵又难以解释。Biostate通过双重方法解决了这两个问题：成本的激进降低和最先进的AI。

技术创新：BIRT、PERD和生成式AI

Biostate的核心产品包括两项专利技术：BIRT（Biostate集成RNAseq技术）和PERD（概率表达减少去卷积）。BIRT是一种多重PCR协议，允许同时从多个样本中提取和测序RNA，成本几乎降低了十倍。PERD应用了新算法来过滤掉“批次效应”——实验室条件或样本处理差异引入的可变性——这通常会遮蔽多站点研究中的生物信号。

这种高度标准化的RNAseq流水线输入到Biostate的专有基础模型中，Biobase，它的功能类似于自然语言处理中的GPT模型。在成千上万个转录组特征-profiles跨组织类型、疾病状态和物种训练后，Biobase捕获了“生物学的语法”——定义健康和疾病的基因表达的潜在模式。

就像GPT可以微调来撰写文章或总结法律文件一样，Biobase可以适应检测早期癌症复发、预测自身免疫疾病中的药物反应或在心血管试验中分层患者。Biostate的预后AI建立在Biobase之上，已经在预测白血病复发中显示出希望，并正在与加速治愈项目合作用于多发性硬化症。

“就像ChatGPT通过学习数万亿个单词来改变语言理解一样，我们正在通过学习数十亿个RNA表达来学习人类疾病的分子语言，”公司CTO Gopinath说。“我们正在做与大型语言模型为文本所做的事情一样——扩大原始数据，以便算法最终能够发挥作用。”

建立世界上最大的RNAseq数据集

到目前为止，Biostate已经为150多个合作伙伴（包括康奈尔大学和其他主要机构）测序了超过10,000个样本。其目标是将该数字每年扩大到数十万个样本。这种指数级增长是由其低成本的RNAseq流程和流畅的数据摄取管道OmicsWeb实现的，OmicsWeb标准化、标记和安全存储跨管辖区的转录组数据。

该公司的云基础设施包括几个新型GenAI工具，例如：

• OmicsWeb Copilot – 一个用于分析RNAseq数据的自然语言界面，无需编码。

• QuantaQuill – 一个AI助手，生成包含图表和引用在内的出版物级科学稿件。

• Embedding Surfer – 一个可视化工具，揭示基因表达数据中的隐藏生物关系。

在休斯顿、帕洛阿尔托、班加罗尔和上海设有办事处，Biostate正在全球范围内扩张，以支持日益增长的临床和学术合作伙伴网络。该初创公司正在处理新鲜和几十年前的组织样本——帮助实验室从以前无法使用的样本中提取见解。

通向所有疾病的一般-purpose AI

Biostate的最终目标是大胆的：创建一种能够理解和指导治疗所有人类疾病的通用AI。这一统一方法与当前的分散的生物技术格局形成对比，在这种格局中，每种情况通常需要自己的隔离诊断工具和治疗路径。

“我们不再将诊断和治疗作为每种疾病单独的、隔离的问题来解决，我们相信现代和未来的AI可以是通用目的的，以了解和帮助治愈每种疾病，” Zhang说。

通过将生物学视为一个生成系统——今天的分子状态决定了明天的结果——Biostate认为它可以预测不仅当前的健康状态，还有未来的疾病轨迹和最佳干预措施。

接下来是什么？

拥有超过2000万美元的融资和迅速增长的客户群，Biostate正在加速其在肿瘤学、心血管疾病和免疫学领域的临床合作。该公司的下一个里程碑包括其预测模型的监管验证和其AI驱动的诊断工具的商业扩展。

正如 Gopinath所说：“我们不仅仅是在解释生物学，我们正在建立生物学的等价物——大型语言模型，只不过这次它是训练在人体上的。”

如果 Biostate AI 成功，精准医学的下一个浪潮可能不仅仅是反应性的——它将是预测性的、个性化的，并由生成式AI驱动的。