Brooklyn Evolution Startup Melonfrost samlar in 7 miljoner dollar för att göra fler mikrober

Sam Levins farfar var en femte generationens potatisodlare i västra Massachusetts, som kämpade för att konkurrera med sänkta potatispriser från industrigårdar i Mellanvästern. Efter att ha försökt odla ett antal andra grödor verkade en uppsättning melonfrön som smugglats från Puerto Rico göra susen och frodas i regionens sandiga lerjord. Dessa meloner var nästan mogna för skörd, tills en frost satte in och dödade skörden - så säger familjelegenden.

Levin är nu VD och medgrundare av Melonfrost, en Brooklyn-baserad evolution-start-up som kombinerar sin proprietära mjukvara och hårdvara för att styra utvecklingen i en automatiserad sluten slinga. Tekniken syftar till att tillhandahålla en ny metod för att designa och producera nya mikrober i stor skala för allt från mat och energi till terapeutika och syntetiska material - allt en del av att inte konstruera eller konstruera framtiden, utan snarare, växande den. "För oss handlar det om att inte längre vara helt på infalla av sådana katastrofer som frost, utan bildligt talat kunna göra frosttåliga meloner för vilken användning som helst", förklarar han.

Olika verktyg för att odla mikrober med specifika egenskaper för önskad användning har historiskt sett begränsats av förmågan att skala – skapa en flaskhals för att gå från en redigerad stam till en kommersialiserad – med många metoder för att göra det beroende på relativt dyra och något brute force gissningar -och-kontroll-metoder som vanligtvis baseras på mutationer i en genetisk sekvens. Istället stöder Melonfrosts senaste $7 miljoner seed-runda, som leds av Refactor Capital och Alexandria Venture Investments, en tes om att "evolutionen är och kommer fortfarande att vara, under lång tid, den bästa formgivaren av organismer", som Levin uttrycker det.

Kärnan i detta fokus på att välja fenotyp är Melonfrosts Evolution Reactor-hårdvara och Maia, dess egenutvecklade mjukvaruplattform. Maia är en svit av maskininlärningsalgoritmer som lär sig hur organismer utvecklas – med avseende på olika urvalstryck och miljöförhållanden när de relaterar till uppmätta fenotyper – och som iterativt returnerar en uppsättning instruktioner i form av ytterligare urvalstryck för att fortsätta att utveckla ett önskat uppsättning egenskaper, oavsett om det är skörd eller frostbeständighet. Dessa in- och utdata kopplar Maia till Evolution Reactor, apparaten för individuell kontroll, mätning och tillämpning av dessa kodade urvalstryck för att odla tusentals oberoende mikrobiella populationer på parallella evolutionära banor.

Att styra evolution i skala är möjlig genom en serie hårdvaruinnovationer inkapslade i en rad modulära enheter i Evolution Reactor, som var och en rymmer cirka 250 individuella mikrobiella populationer. De två plattformarna, virtuella och mekaniska, vävs samman av molnmjukvara som stänger slingan av den automatiserade evolution-styrplattformen - data mätt av hårdvara som matas in i programvaran, instruktioner som levereras tillbaka till hårdvaran genom uppdateringar av modellprogramvara - som itererar tills den önskade fenotypiska målet är uppnått eller slingan stängs av. För närvarande passar nästan hela systemet i Melonfrosts Brooklyn-labbutrymme, men Levin formulerar visionen för detta hårdvaru-mjukvarugränssnitt som ett "biologiskt datacenter" i form av ett Evolution Reactor-lager.

Denna såddrunda är nästa steg mot den fullständiga formen av detta evolutionära styrsystem – finansiering av nästa fas av att bygga ut Evolution Reactor-hårdvaran och flytta Melonfrost mot sin första kund i matsektorns ätliga fetter. "Att mata världen utan att förstöra den i processen är särskilt ett område inom syntetisk biologi där det finns många flaskhalsar i att ta sig från den första uppbyggnaden till produktionen", betonar Levin. Detta fokus på att bygga en hälsosammare värld genom mat är inte nytt för Levin och hans medgrundare, Head of Engineering & Design, och barndomsvän Loren Amdahl-Culleton. På gymnasiet startade duon en gård för sin cafeteria för att öka elevernas investeringar i lärandegemenskapen och driva mot hållbarhet. Trots att de tillbringade grund- och forskarskolan åtskilda av ett hav och ett helt land, höll de två kontakten från Oxford till Stanford när de studerade evolutionär dynamik respektive förstärkningsinlärning, och började märka potentialen för att fylla luckor i evolutionära modeller med maskin lärandeverktyg ges likheter i deras underliggande matematik. Med två andra barndomsvänner föddes Melonfrost – driven av att göra positiva effekter genom att syntetisera över olika områden, från banbrytande maskininlärning och maskinvaruteknik till syntetisk biologi och precisionsanpassade mjukvaruverktyg.

"Varje som helst av dessa ansträngningar skulle kräva mycket expertis, misslyckande och innovation, så det är något ovanligt att göra alla dessa samtidigt," medger Levin, "men de här utmaningarna är så stora att du måste förnya dig på flera fronter samtidigt och integrera väldigt olika typer av vetenskapsmän och ingenjörer för att verkligen utveckla framtiden. Det handlar inte bara om att försöka få ut nya molekyler eller kemikalier på marknaden; snarare måste vi i grunden förändra hur världens resurser blir till och förflyttas runt.” För Melonfrost är målet inte att så småningom bygga in stora fabriker och frakta i lastcontainrar. Istället är visionen att snabbt, billigt och robust tillverka och optimera nya stammar – som sträcker sig in i produktionen i stort för att översätta från att lära sig evolutionens språk till pålitliga biologiska utdata i stor skala – oavsett när den metaforiska frosten kan komma.

Tack till Aishani Aatresh för ytterligare forskning och rapportering om denna artikel. Jag är grundaren av SynBioBeta och några av företagen jag skriver om är sponsorer av SynBioBeta-konferens och veckans smälta.