Profluent, stimulat de cercetarea Salesforce și susținut de Jeff Dean, folosește AI pentru a descoperi medicamente

Salesforce a condus un proiect numit ProGen pentru a proiecta proteine ​​folosind AI generativă anul trecut. Cercetările s-au finalizat cu publicarea unor rezultate promițătoare în revista Nature Biotech. Cercetătorii din spatele proiectului au lansat o companie numită Profluent, care speră să aducă tehnologia generatoare de proteine ​​în mâinile companiilor farmaceutice pentru a dezvolta tratamente personalizate. Startup-ul intenționează să colaboreze cu parteneri externi pentru a produce „medicamente genetice”. Profluent, susținut de investitori puternici, se concentrează pe modernizarea modelelor sale de inteligență artificială și pe atragerea de clienți și parteneri pentru a rămâne competitiv pe piață.

Anul trecut, Salesforce, compania cea mai cunoscută pentru software-ul său de sprijin pentru vânzări în cloud (și Slack), a condus un proiect numit ProGen pentru a proiecta proteine ​​folosind AI generativă. O imagine lunară de cercetare, ProGen ar putea – dacă este adus pe piață – să ajute la descoperirea tratamentelor medicale mai rentabil decât metodele tradiționale, cercetătorii din spatele acesteia pretins într-o postare pe blog din ianuarie 2023.

ProGen a culminat cu cercetările publicate în revista Nature Biotech care arată că AI ar putea crea cu succes structurile 3D ale proteinelor artificiale. Dar, dincolo de hârtie, proiectul nu a reprezentat prea mult la Salesforce sau oriunde altundeva – cel puțin nu în sensul comercial.

Adică până de curând.

Unul dintre cercetătorii responsabili de ProGen, Ali Madani, a lansat o companie, Profluent, care speră că va aduce tehnologie similară generatoare de proteine ​​din laborator și în mâinile companiilor farmaceutice. Într-un interviu acordat TechCrunch, Madani descrie misiunea lui Profluent ca „inversarea paradigmei de dezvoltare a medicamentelor”, începând cu nevoile pacientului și terapeutice și lucrând înapoi pentru a crea o soluție de tratament „personalizată”.

„Multe medicamente – enzime și anticorpi, de exemplu – constau din proteine”, a spus Madani. „Deci, în cele din urmă, acest lucru este pentru pacienții care ar primi o proteină concepută de IA ca medicament.”

În timpul diviziei de cercetare Salesforce, Madani a fost atras de paralelele dintre limbajul natural (de exemplu, engleza) și „limbajul” proteinelor. Proteinele – lanțuri de aminoacizi legați între ei pe care organismul le folosește în diverse scopuri, de la producerea de hormoni până la repararea țesutului osos și muscular – pot fi tratate ca cuvintele dintr-un paragraf, a descoperit Madani. Introduse într-un model AI generativ, datele despre proteine ​​pot fi utilizate pentru a prezice proteine ​​complet noi cu funcții noi.

Împreună cu Profluent, Madani și co-fondatorul Alexander Meeske, profesor asistent de microbiologie la Universitatea din Washington, își propun să ducă conceptul cu un pas mai departe, aplicându-l la editarea genelor.

„Multe boli genetice nu pot fi reparate prin (proteine ​​sau enzime) ridicate direct din natură”, a spus Madani. „În plus, sistemele de editare genetică amestecate și adaptate pentru noi capabilități suferă de compromisuri funcționale care le limitează în mod semnificativ acoperirea. În schimb, Profluent poate optimiza mai multe atribute simultan pentru a obține un editor (gen) personalizat, care se potrivește perfect pentru fiecare pacient.”

Nu este în afara câmpului stâng. Alte companii și grupuri de cercetare au demonstrat modalități viabile în care IA generativă poate fi utilizată pentru a prezice proteinele.

Nvidia a lansat în 2022 un model AI generativ, MegaMolBART, care a fost instruit pe un set de date de milioane de molecule pentru a căuta potențiale ținte de medicamente și pentru a prognoza reacții chimice. Meta antrenat un model numit ESM-2 pe secvențe de proteine, o abordare pe care compania susținea că i-a permis să prezică secvențe pentru mai mult de 600 de milioane de proteine ​​în doar două săptămâni. Și DeepMind, laboratorul de cercetare AI al Google, are un sistem numit AlphaFold care prezice structuri complete de proteine, obținând viteză și precizie depășind cu mult metodele algoritmice mai vechi și mai puțin complexe.

Profluent antrenează modele de inteligență artificială pe seturi masive de date – seturi de date cu peste 40 de miliarde de secvențe de proteine ​​- pentru a crea noi, precum și pentru a ajusta sistemele existente de editare a genelor și producătoare de proteine. În loc să dezvolte tratamente în sine, startup-ul intenționează să colaboreze cu parteneri externi pentru a produce „medicamente genetice” cu cele mai promițătoare căi de aprobare.

Madani susține că această abordare ar putea reduce drastic timpul – și capitalul – necesar de obicei pentru a dezvolta un tratament. Potrivit grupului industrial PhRMA, este nevoie în medie de 10-15 ani pentru a dezvolta un medicament nou de la descoperirea inițială până la aprobarea de reglementare. Recent estimări costul dezvoltării unui nou medicament este între câteva sute de milioane și 2,8 miliarde de dolari, între timp.

„Multe medicamente cu impact au fost de fapt descoperite accidental, mai degrabă decât concepute intenționat”, a spus Madani. „Capacitatea (Profluent) oferă omenirii șansa de a trece de la descoperirea accidentală la proiectarea intenționată a soluțiilor noastre cele mai necesare în biologie.”

Profluent, cu sediul în Berkeley, cu 20 de angajați, este susținut de VC jucători puternici, inclusiv Spark Capital (care a condus recenta rundă de finanțare a companiei de 35 de milioane de dolari), Insight Partners, Air Street Capital, AIX Ventures și Convergent Ventures. Omul de știință șef Google, Jeff Dean, a contribuit și el, dând credibilitate suplimentară platformei.

În următoarele câteva luni, Profluent se va concentra pe modernizarea modelelor sale de inteligență artificială, în parte prin extinderea setului de date de instruire, spune Madani, și prin achiziționarea de clienți și parteneri. Va trebui să se miște agresiv; rivalii, inclusiv EvolutionaryScale și Basecamp Research, își antrenează rapid propriile modele generatoare de proteine ​​și strâng sume vaste de VC bani gheata.

„Am dezvoltat platforma noastră inițială și am arătat progrese științifice în editarea genelor”, a spus Madani. „Acum este momentul să ne extindem și să începem să oferim soluții cu parteneri care se potrivesc ambițiilor noastre pentru viitor.”

Va invit sa cititi si articolele de mai jos pe langa acestea care sunt cele mai recente
Profluent, spurred by Salesforce research and backed by Jeff Dean, uses AI to discover medicines

Lasa un comentariu