Binibigyang-daan ka ng Startup Cradle na Magdisenyo ng Mga Custom na Protein Sa Pag-type Sa Isang Prompt

May bagong kumpanya sa block na ang misyon ay gawing madali ang programming biology. Tumawag ang European startup Cradle ay umuusbong mula sa stealth pagkatapos itayo ang kanilang plataporma. Kaka-anunsyo pa lang nito ng €5.5 million ($5.4m) seed funding round na pinangunahan ni Mga Venture sa Index, Kindred Capital, at mga anghel na mamumuhunan kabilang si John Zimmer, co-founder at presidente ng LyftLyft
, at Emily Leproust, CEO at tagapagtatag ng Baluktot na Biosensya. Sa dalawang site - isa sa Delft, The Netherlands, at isa ay Zurich, Switzerland, - Ang Cradle ay sumasaklaw sa mundo ng biology at artificial intelligence, isang malakas na pagsasanib ng mga teknolohiya na nagbabantang makagambala sa paraan ng pagdidisenyo ng mga siyentipiko ng mga protina.

Huwag magpalinlang sa tila makitid na pagtuon ng kumpanya sa mga protina. Ang mga ito ay hindi lamang isang bagay na kinakain natin - bagaman engineering karne, itlog, at pagawaan ng gatas na walang hayop Ang mga produkto ay talagang isang malaking pokus ng sintetikong biology. Ang mga protina ay isa ring maraming gamit na biological machine na sumasailalim sa bawat halos gumagana sa mga buhay na selula at may pantay na kasing dami ng gamit sa labas ng biology. Isipin ang mga enzyme na ginagamit sa mga detergent, mga pampaganda, at mga tela; o mga antibodies na gumagawa ng makapangyarihang mga panterapeutika; o, sa katunayan, anumang iba pang larangan ng biotechnology kung saan pinapagana ng mga protina ang mga reaksyon upang makagawa ng mga produkto tulad ng maramihan at espesyal na kemikal, lasa at pabango, biofuels, materyales, at higit pa. Mayroong hindi mabilang na mga gamit para sa mga biomolecule na ito, at gustong paganahin ng Cradle ang higit pang mga application na may kakayahang magdisenyo ng mga custom na protina na nagsasagawa ng maraming nalalaman na mga gawain.

Ang co-founder at CEO ng Cradle na si Stef van Grieken ay isang inilarawan sa sarili na "tagapagbigay ng pinong protina". Ginugol niya ang huling dekada sa pagtatrabaho sa Google AI nangunguna sa pagbuo ng ilang application ng machine learning, gayundin sa X, ang "moonshot factory" ng Google, tinatasa ang pagiging posible ng mga proyekto sa maagang yugto. Sa panahon ng kanyang panunungkulan sa GoogleGOOG
, nabighani siya sa wika ng mga protina - kung paano isinasalin ang mga sequence ng amino acid sa mga tiyak na pattern ng pagtitiklop at bumubuo ng mga istruktura na nagpapahintulot sa mga protina na isagawa ang kanilang mga sopistikadong function. Simula noon, siya ay nagtatrabaho sa ideya na pagsamahin ang natural na teknolohiya sa pagpoproseso ng wika sa aming pag-unawa kung paano isinasalin ang pagkakasunud-sunod ng protina sa paggana upang makagawa ng mas mahusay na mga hula para sa makatuwirang disenyo ng protina.

Ang mga protina ng taga-disenyo ay isang multibilyong dolyar na industriya: ang merkado ay inaasahang maabot $ 3.9 bilyon sa pamamagitan 2024, na hinimok sa malaking bahagi ng mga therapeutic na nakabatay sa protina. Ngunit maaaring ito ay mas malaki pa: may malaking potensyal para sa pagsanga sa iba pang mga lugar ng sintetikong biology, kung ang pagdidisenyo lamang ng mga pasadyang protina ay hindi napakahirap. Ang paraan ng kasalukuyang pag-iinhinyero ng protina ay sa pamamagitan ng pagsubok at pagkakamali sa lab, at ang karaniwang rate ng tagumpay ng pagpindot sa mga detalye ng disenyo ay mas mababa sa 1%. Upang mapataas ang mga pagkakataong magtagumpay, ang mga biologist ay maaaring gumamit ng mga tool sa software tulad ng Rosetta or AlphaFold upang mahulaan ang istraktura ng protina batay sa pagkakasunud-sunod nito. Nagsisimula ang mga protina bilang mga string lamang ng mga amino acid na nakatiklop sa mga 3D na hugis tulad ng origami. Ngunit ang paghula sa folding pattern ay isang hindi kapani-paniwalang kumplikadong problema, at ang isang programa tulad ng Rosetta ay nangangailangan ng mga taon ng pagsasanay at libu-libong mga computer upang tumakbo.

Iba ang pagharap ni Cradle sa problema: gumagamit sila ng generative model para "reverse engineer" na mga protina. Maaaring narinig mo na o gumamit ng mga generative na modelo tulad ng TILAD na maaaring lumikha ng mga bagong larawan batay sa isang mapaglarawang input. Naisip ng mga tagapagtatag ng Cradle na ilapat ang parehong prinsipyo sa disenyo ng mga bagong arkitektura ng protina. Sa halip na gumamit ng mga modelo ng pagkakasunud-sunod-istruktura, gumagamit sila ng mga algorithm ng machine learning na sinanay sa totoong data. Maaaring tukuyin ng user kung anong uri ng protina ang gusto nilang idisenyo, at ang platform ay magbibigay ng listahan ng mga posibleng pagkakasunud-sunod na maaaring lumikha ng istrukturang iyon. At ang pinakamagandang bahagi ay – hindi mo kailangang maging eksperto sa machine learning para magamit ito:

“Ang self-teaching, self-improving na generative machine learning model ni Cradle ay humahatak sa mga kamakailang pag-unlad sa 'natural na pagpoproseso ng wika' upang mahulaan kung aling mga bahagi ng genetic code ng protina ang kailangang baguhin ng isang biologist, na makabuluhang nagpapabuti sa mga pagkakataon ng isang siyentipiko na makamit ang mga positibong resulta ng eksperimentong walang need for a machine-learning background”, sabi ng CEO sa isang press release. "Sa pamamagitan ng pamamaraang ito, naniniwala si Cradle na maaari nitong bawasan ang oras at gastos ng pagkuha ng isang synthetic na produkto ng biology sa merkado sa pamamagitan ng isang order ng magnitude."

Ngayon, karamihan sa mga kumpanya ng biotech at sintetikong biology ay iniiwan sa kanilang sariling mga aparato pagdating sa mga protina ng engineering. Mga pangunahing manlalaro sa larangan ng inhinyero ng protina ay kinabibilangan ng Thermo Fischer, Danaher, Agilent TechnologiesA
, at Bio-Rad, pati na rin ang mas maliliit na kumpanya tulad ng CodexisCDXS
, Genscript, Caribou Biosciences, Arzeda, at Mga Imposibleng Pagkain. Ngunit para sa maraming kumpanya ng sintetikong biology, ang inhinyero ng protina ay isang paraan sa isang dulo, at ang talagang tinututukan nila ay ang mga downstream na aplikasyon ng mga custom na protina. Gusto ni Cradle na bigyan sila ng tool para mapahusay ang kanilang mga pagkakataong magtagumpay: "Gusto naming tulungan ang mga team na mag-engineer ng mga protina na may mas kaunti at mas matagumpay na mga eksperimento," sabi ni Stef.

Ang cradle mismo ay hindi isang synthetic na biology o isang machine learning company - pareho sila. “Hindi namin nais na maging isang machine learning company lamang; you really have to understand the biology also,” sabi ni Stef. Sa kadalubhasaan sa teknolohiya sa pag-aaral ng makina at mahusay na mga kasanayan sa lab na dinala ng mga miyembro ng kanilang koponan mula sa mga kumpanya tulad ng Google, IBMIBM
, Zymergen, at Perfect Day, ang team ni Cradle na may 13 tao lang ay nakagawa ng gumaganang platform sa loob ng wala pang isang taon. Walang maraming iba pang kumpanya sa espasyong ito. Cyrus Bio itinatag ng developer ng Rosetta na si David Baker, isang propesor sa University of Washington, ay isa pang gumagamit ng AI-aided na disenyo ng protina para sa pagbuo ng mga novel therapeutics.

Upang tumugma sa magkakaibang background ng Cradle team, ang kumpanya ay umakit ng mga mamumuhunan mula sa iba't ibang larangan ng tech, kabilang ang tagapagtatag ng kumpanya ng DNA synthesis na Twist Bioscience na si Emily Leproust at ang presidente ng Lyft na si John Zimmer. Ang interes mula sa kumpanya ng ride share ay maaaring nakakagulat sa simula; ngunit marami sa mga pagsulong sa machine learning ay nagmula sa iba pang larangan ng tech. Ang co-founder ng kumpanya na si Jelle Prins ay nagmula mismo sa UberUBER
at kasangkot sa pagdidisenyo at pagbuo ng mga unang app para sa maraming matagumpay na kumpanya tulad ng Uber at Booking.com.

At iyon ay kung ano ang mangyayari kapag iba't ibang mga lugar ng malalim na teknolohiya banggaan: isang kalawakan ng mga bagong posibilidad ay ipinanganak. Naiisip ni Stef ang kanyang kumpanya na nagbibigay-kapangyarihan sa mga inobasyon ng sintetikong biology sa espasyo ng mga kemikal at sangkap, agham at engineering ng mga materyales, at iba pang larangan: “Sana ay maging catalyzer tayo para sa marami pang kumpanyang itatayo dahil ang gastos sa pagkuha ng [mga produkto] sa dapat bumaba ang merkado. Kung maaari kang bumuo ng isang bio-based na produkto na may isang pangkat ng 15 tao sa loob ng ilang taon at ilang milyong dolyar lamang, iyon ay magiging isang tagumpay."

Ang software ng Cradle ay ginagamit na ng ilang kumpanya, at gusto nilang ipamahagi ito nang malawakan hangga't maaari. Ito ang dahilan kung bakit ang platform ay malayang gamitin para sa mga akademiko. Nag-aalok din ang Cradle ng magiliw na mga tuntunin sa IP, kung saan ang mga gumagamit ay hindi kailangang magbayad ng mga royalty sa anumang mga produkto na binuo gamit ang platform, pati na rin ang kumpletong privacy at seguridad upang maprotektahan ang mga lihim ng kalakalan. "Gusto naming gawin itong available sa lahat para i-demokratize ang protein engineering," ang pananaw ng CEO ng Cradle. Magsasalita si Stef sa kumperensya ng SynBioBeta sa susunod na taon, ang lugar kung saan nagtitipon ang mga pinuno ng synthetic biology at mga visionaries para magkaroon ng mas napapanatiling hinaharap. Tingnan natin kung anong uri ng mga bagong ideya ang magiging inspirasyon ng teknolohiya ni Cradle.

Salamat sa Katia Tarasava para sa karagdagang pananaliksik at pag-uulat sa artikulong ito. Ako ang nagtatag ng SynBioBeta, at ang ilan sa mga kumpanyang isinusulat ko, kabilang ang Twist Bioscience, ay mga sponsor ng Kumperensya ng SynBioBeta at lingguhang digest.