Стартап из Бостона и Тель-Авива, помогающий фармацевтическим и биотехнологическим компаниям ускорять разработку лекарств с помощью генеративного искусственного интеллекта, обученного на молекулярных данных, привлек раунд финансирования Серии А в размере $25 миллионов, который был переподписан. Лидером раунда выступил фонд Bessemer Venture Partners. В раунде также приняли участие TLV Partners и Vintage Investment Partners, а также дополнительные инвестиции от неназванных руководителей компаний *Meta, OpenAI и Wiz.
На практике компания Converge обучает генеративные модели на последовательностях ДНК, РНК и белков, а затем интегрирует их в рабочие процессы фармацевтики и биотехнологий для ускорения разработки лекарств.
«Жизненный цикл разработки лекарств имеет четко определенные этапы — от идентификации и открытия мишени до производства, клинических испытаний и далее — и в каждом из них мы можем оказать поддержку с помощью экспериментов, — сказал в эксклюзивном интервью TechCrunch Дов Герц, генеральный директор и соучредитель Converge Bio. — Наша платформа продолжает расширяться, охватывая эти этапы, помогая быстрее выводить новые препараты на рынок».
К настоящему моменту Converge внедрила системы, ориентированные на клиентов. Стартап уже представил три отдельные системы на базе ИИ: одна предназначена для дизайна антител, вторая — для оптимизации выхода белка, а третья — для открытия биомаркеров и мишеней.
«Возьмем для примера нашу систему дизайна антител. Это не просто одна модель. Она состоит из трех интегрированных компонентов. Во-первых, генеративная модель создает новые антитела. Затем предиктивные модели фильтруют эти антитела на основе их молекулярных свойств. Наконец, система докинга, использующая модель, основанную на физике, симулирует трехмерное взаимодействие между антителом и его мишенью», — продолжил Герц. По словам генерального директора, ценность заключается в системе в целом, а не в какой-либо одной модели. «Нашим клиентам не нужно самостоятельно собирать модели. Они получают готовые к использованию системы, которые напрямую интегрируются в их рабочие процессы».
Новое финансирование последовало примерно через полтора года после того, как компания привлекла посевной раунд в размере $5,5 миллиона в 2024 году.
С тех пор двухлетний стартап быстро масштабировался. Converge подписала 40 партнерских соглашений с фармацевтическими и биотехнологическими компаниями и в настоящее время реализует около 40 программ на своей платформе, сообщил Герц. Компания работает с клиентами из США, Канады, Европы и Израиля, а теперь выходит на рынки Азии.
Команда также быстро выросла: с девяти сотрудников в ноябре 2024 года до 34 на данный момент. Параллельно Converge начала публиковать открытые тематические исследования. В одном из них стартап помог партнеру увеличить выход белка в 4–4,5 раза за одну вычислительную итерацию. В другом случае платформа сгенерировала антитела с чрезвычайно высокой аффинностью связывания, достигнув диапазона единиц наномолей, отметил Герц.
Открытие лекарств с помощью ИИ переживает всплеск интереса. В прошлом году компания Eli Lilly объединилась с Nvidia для создания того, что компании назвали самым мощным суперкомпьютером в фармацевтической отрасли для поиска лекарств. А в октябре 2024 года разработчики проекта AlphaFold от Google DeepMind получили Нобелевскую премию по химии за создание AlphaFold — системы ИИ, способной предсказывать структуру белков.
На вопрос о текущей динамике и о том, как она влияет на рост Converge Bio, Герц ответил, что компания наблюдает самую крупную финансовую возможность в истории наук о жизни, и отрасль переходит от подходов «проб и ошибок» к молекулярному дизайну, основанному на данных.
«Мы глубоко ощущаем эту динамику, особенно в наших почтовых ящиках. Полтора года назад, когда мы основывали компанию, было много скептицизма», — рассказал Герц TechCrunch. По его словам, этот скептицизм исчез на удивление быстро благодаря успешным примерам от таких компаний, как Converge, и академических кругов.
Большие языковые модели (LLM) привлекают внимание в сфере открытия лекарств благодаря их способности анализировать биологические последовательности и предлагать новые молекулы, однако сохраняются проблемы, такие как галлюцинации и точность. «В тексте галлюцинации обычно легко заметить», — отметил генеральный директор. «В молекулах проверка нового соединения может занять недели, поэтому стоимость гораздо выше». Чтобы решить эту проблему, Converge объединяет генеративные модели с предиктивными, фильтруя новые молекулы для снижения рисков и улучшения результатов для своих партнеров. «Эта фильтрация не идеальна, но она значительно снижает риск и обеспечивает лучшие результаты для наших клиентов», — добавил Герц.
TechCrunch также спросил о скептицизме таких экспертов, как Ян ЛеКун, которые по-прежнему скептически относятся к использованию LLM. «Я большой поклонник Яна ЛеКуна и полностью с ним согласен. Мы не полагаемся на текстовые модели для основного научного понимания. Чтобы по-настоящему понимать биологию, модели должны обучаться на ДНК, РНК, белках и малых молекулах», — пояснил Герц.
Текстовые LLM используются только в качестве вспомогательных инструментов, например, чтобы помочь клиентам ориентироваться в литературе по сгенерированным молекулам. «Это не наша основная технология», — сказал Герц. «Мы не привязаны к одной архитектуре. Мы используем LLM, диффузионные модели, традиционное машинное обучение и статистические методы, когда это уместно».
«Наше видение состоит в том, что каждая организация, занимающаяся науками о жизни, будет использовать Converge Bio в качестве своей генеративной ИИ-лаборатории. Мокрые лаборатории всегда будут существовать, но они будут дополнены генеративными лабораториями, которые создают гипотезы и молекулы вычислительным путем. Мы хотим стать такой генеративной лабораторией для всей отрасли», — подытожил Герц.
*Facebook и *Instagram принадлежит компании Meta Platforms Inc., деятельность которой запрещена на территории Российской Федерации.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Kate Park
