Startup Cradle låter dig designa anpassade proteiner genom att bara skriva in en uppmaning

Det finns ett nytt företag på kvarteret vars uppdrag är att göra programmering av biologi enkelt. Den europeiska startupen ringde Vagga kommer från smyg efter att ha byggt ut sin plattform. Det har precis meddelat en startfinansieringsrunda på 5.5 miljoner euro (5.4 miljoner dollar) ledd av Indexera företag, Släkt kapital, och ängelinvesterare inklusive John Zimmer, medgrundare och VD för LyftLYFT
, och Emily Leproust, VD och grundare av Twist Bioscience. Med två anläggningar – en i Delft, Nederländerna, och en är Zürich, Schweiz – ligger Cradle på en gränsöverskridande värld av biologi och artificiell intelligens, en kraftfull fusion av teknologier som hotar att störa hur forskare designar proteiner.

Låt dig inte luras av företagets till synes snäva fokus på proteiner. De är inte bara något vi äter – även om de är tekniska djurfritt kött, ägg och mejeriprodukter produkter är verkligen ett stort fokus för syntetisk biologi. Proteiner är också mångsidiga biologiska maskiner som stöder nästan alla funktioner i levande celler och har lika många användningsområden utanför biologin. Tänk på enzymerna som används i tvättmedel, kosmetika och textilier; eller antikroppar som gör kraftfulla läkemedel; eller i själva verket något annat område inom bioteknik där proteiner katalyserar reaktioner för att tillverka produkter som bulk- och specialkemikalier, smaker och dofter, biobränslen, material och mer. Det finns otaliga användningsområden för dessa biomolekyler, och Cradle vill möjliggöra ännu fler applikationer med möjligheten att designa anpassade proteiner som utför mångsidiga uppgifter.

Cradles medgrundare och VD Stef van Grieken är en självbeskriven "leverantör av fint protein". Det senaste decenniet arbetade han på Google AI leda utvecklingen av flera maskininlärningsapplikationer, samt vid X, Googles "moonshot factory", bedömning av genomförbarheten av projekt i tidiga skeden. Under sin tid på GoogleGOOG
, blev han fascinerad av proteinernas språk – hur aminosyrasekvenserna översätts till specifika veckningsmönster och bildar strukturer som tillåter proteiner att utföra sina sofistikerade funktioner. Sedan dess har han arbetat på idén att kombinera naturlig språkbehandlingsteknologi med vår förståelse för hur proteinsekvenser översätts till funktion för att göra bättre förutsägelser för rationell proteindesign.

Designerproteiner är en mångmiljardindustri: marknaden förväntas nå $ 3.9 miljard vid 2024, till stor del driven av proteinbaserade terapier. Men det kan vara ännu större: det finns en enorm potential att förgrena sig till andra områden inom syntetisk biologi, om det bara inte var så svårt att designa anpassade proteiner. Det sätt på vilket proteinteknik för närvarande görs är genom försök och fel i labbet, och den typiska framgångsgraden för att nå designspecifikationerna är mindre än 1 %. För att öka chanserna till framgång kan biologer använda mjukvaruverktyg som Rosetta or AlphaFold att förutsäga proteinstruktur baserat på dess sekvens. Proteiner börjar som bara strängar av aminosyror som viker sig till 3D-former som origami. Men att förutsäga vikmönstret är ett otroligt komplext problem, och ett program som Rosetta kräver år av träning och tusentals datorer att köra.

Cradle närmar sig problemet annorlunda: de använder en generativ modell för att "reverse engineering" av proteiner. Du kanske har hört talas om eller till och med använt generativa modeller som DALL-E som kan skapa nya bilder baserat på en beskrivande input. Cradles grundare tänkte tillämpa samma princip för att designa nya proteinarkitekturer. Istället för att använda sekvensstrukturmodeller använder de maskininlärningsalgoritmer tränade på verklig data. Användaren kan specificera vilken typ av protein de vill designa, och plattformen kommer att tillhandahålla en lista över möjliga sekvenser som kan skapa den strukturen. Och det bästa är – du behöver inte vara en maskininlärningsexpert för att använda den:

"Cradles självlärande, självförbättrande generativa maskininlärningsmodeller bygger på de senaste framstegen inom "naturligt språkbearbetning" för att förutsäga vilka delar av ett proteins genetiska kod en biolog kommer att behöva ändra, vilket avsevärt förbättrar en vetenskapsmans chanser att uppnå positiva experimentella resultat utan behov av en maskinlärande bakgrund”, säger vd:n i ett pressmeddelande. "Genom denna metod tror Cradle att det kan minska tiden och kostnaderna för att få ut en syntetisk biologisk produkt på marknaden med en storleksordning."

Idag är de flesta bioteknik- och syntetiska biologiföretag utlämnade åt sig själva när det kommer till ingenjörsproteiner. Stora spelare inom proteinteknikområdet inkluderar Thermo Fischer, Danaher, Agilent TechnologiesA
, och Bio-Rad, såväl som mindre företag som CodexisCDXS
, Genskrift, Caribou Biosciences, Arzeda, och omöjlig mat. Men för många syntetiska biologiföretag är proteinteknik ett sätt att nå ett mål, och vad de verkligen fokuserar på är nedströmsapplikationerna av anpassade proteiner. Cradle vill ge dem ett verktyg för att förbättra deras chanser att lyckas: "Vi vill hjälpa team att konstruera proteiner med färre och mer framgångsrika experiment", säger Stef.

Cradle i sig är varken ett syntetiskt biologi- eller ett maskininlärningsföretag – de är båda. "Vi ville inte bara vara ett maskininlärningsföretag; man måste verkligen förstå biologin också”, sa Stef. Med expertis inom maskininlärningsteknik och överlägsna labbkunskaper som deras teammedlemmar tog med sig från företag som Google, IBMIBM
, Zymergen och Perfect Day, Cradles team på bara 13 personer har byggt en arbetsplattform på mindre än ett år. Det finns inte många andra företag i detta utrymme. Cyrus Bio grundad av Rosettas utvecklare David Baker, professor vid University of Washington, är en annan som använder AI-stödd proteindesign för att utveckla nya terapier.

För att matcha Cradle-teamets olika bakgrunder har företaget lockat investerare från olika teknikområden, inklusive grundaren av DNA-syntesföretaget Twist Bioscience Emily Leproust och Lyfts president John Zimmer. Intresset från åkbolagsbolaget kan vara överraskande till en början; men många av framstegen inom maskininlärning har kommit från andra tekniska områden. Bolagets medgrundare Jelle Prins kom själv från UberUBER
och var involverad i att designa och bygga de första apparna för många framgångsrika företag som Uber och Booking.com.

Och det är vad som händer när olika områden av djup teknik kollidera: en galax av nya möjligheter föds. Stef föreställer sig att hans företag stärker syntetisk biologi innovationer inom kemikalier och ingredienser rymden, materialvetenskap och ingenjörskonst och andra områden: "Förhoppningsvis kommer vi att vara en katalysator för många fler företag som ska byggas eftersom kostnaden för att få [produkter] till marknaden borde gå ner. Om du kan bygga en biobaserad produkt med ett team på 15 personer på ett par år och bara några miljoner dollar, skulle det vara en framgång.”

Cradles mjukvara används redan av flera företag och de vill distribuera den så mycket som möjligt. Det är därför plattformen är gratis att använda för akademiker. Cradle erbjuder också vänliga IP-villkor, där användarna inte behöver betala royalties på några produkter som utvecklats med plattformen, samt fullständig integritet och säkerhet för att skydda affärshemligheter. "Vi vill göra det tillgängligt för alla att demokratisera proteinteknik", är Cradles VDs vision. Stef kommer att tala på SynBioBeta-konferensen nästa år, platsen där ledare för syntetisk biologi och visionärer samlas för att skapa en mer hållbar framtid. Låt oss se vilken typ av nya idéer Cradles teknologi kommer att inspirera.

Tack till Katia Tarasava för ytterligare forskning och rapportering om den här artikeln. Jag är grundaren av SynBioBeta, och några av företagen som jag skriver om, inklusive Twist Bioscience, är sponsorer av SynBioBeta-konferens och veckans smälta.