News

Allozymes đưa công nghệ enzyme tăng tốc vào công việc với dữ liệu và AI, huy động 15 triệu đô la

Phương pháp tinh mỹ của Allozymes trong việc nhanh chóng kiểm tra hàng triệu phản ứng hóa học dựa trên sinh học không chỉ là dịch vụ hữu ích, mà còn là cơ sở của một bộ dữ liệu độc đáo và có giá trị. Và nơi có dữ liệu, có AI — và nơi có AI, có các nhà đầu tư. Công ty vừa huy động 15 triệu đô la trong Series A để phát triển doanh nghiệp từ một dịch vụ hữu ích thành một nguồn tài nguyên hàng đầu thế giới.

Chúng tôi đã đề cập đến công ty khởi nghiệp sinh học năm 2021, khi họ đang bước đầu tiên của mình: “Khi đó chúng tôi chưa đến năm người và ở phòng thí nghiệm đầu tiên của mình — một ngàn feet vuông,” CEO và người sáng lập Peyman Salehian nhớ lại.

Công ty đã phát triển thành 32 người tại Mỹ, châu Âu và Singapore, và có tới 15 lần diện tích phòng thí nghiệm, mà họ đã sử dụng để tăng tốc phương pháp sàng lọc enzyme nhanh chóng hơn theo cấp số nhân.

Công nghệ cốt lõi của công ty không thay đổi từ năm 2021, và bạn có thể đọc mô tả chi tiết về nó trong bài viết gốc của chúng tôi. Nhưng điểm quan trọng là enzyme, chuỗi axit amin thực hiện các nhiệm vụ cụ thể trong các hệ thống sinh học, cho đến nay đã khá khó để tìm ra hoặc phát minh. Điều đó là vì số lượng biến thể: Một phân tử có thể dài hàng trăm axit, với 20 lựa chọn cho mỗi vị trí, và mỗi hoán vị có thể có một hiệu ứng hoàn toàn khác biệt. Bạn sẽ nhanh chóng đạt đến hàng tỷ khả năng!

Sử dụng phương pháp truyền thống, những biến thể này có thể được kiểm tra với tốc độ vài trăm mỗi ngày trong một khoảng không gian phòng thí nghiệm hợp lý, nhưng Allozymes sử dụng một phương pháp mà hàng triệu enzyme có thể được kiểm tra mỗi ngày bằng cách đóng gói chúng vào những giọt nhỏ và đẩy chúng qua hệ thống microfluidics đặc biệt. Bạn có thể nghĩ về nó như một băng chuyền với một máy ảnh ở phía trên, quét qua từng mục mà đang di chuyển và tự động phân loại chúng vào các ngăn khác nhau.

Giọt chứa các biến thể enzyme được đánh giá và nếu cần thiết được chuyển hướng trong hệ thống microfluidic. Ảnh: Allozymes

Các enzyme này có thể là bất cứ điều gì cần thiết trong ngành công nghiệp sinh học và hóa học: Nếu bạn cần chuyển đổi nguyên liệu thành các phân tử mong muốn, hoặc ngược lại, hoặc thực hiện nhiều quy trình cơ bản khác, enzyme là cách bạn thực hiện điều đó. Tìm ra một enzyme rẻ và hiệu quả hiếm khi dễ dàng, và cho đến gần đây nguyên cả ngành công nghiệp chỉ thử nghiệm khoảng một triệu khả năng mỗi năm — con số mà Allozymes nhắm đến nhân lên nghìn lần, mục tiêu 7 tỉ biến thể vào năm 2024.

“[Năm 2021] chúng tôi chỉ đang xây dựng các máy, nhưng bây giờ chúng đang hoạt động rất tốt và chúng tôi đang sàng lọc lên đến 20 triệu biến thể enzyme mỗi ngày,” Salehian nói.

Quy trình đã thu hút khách hàng trên nhiều ngành công nghiệp, một số trong số đó Allozymes không thể tiết lộ do NDA, nhưng một số khác đã được ghi lại trong các trường hợp nghiên cứu:

  • Phytoene là một enzyme được tìm thấy tự nhiên trong cà chua và thường được thu hoạch trong lượng rất ít từ vỏ của hàng triệu cà chua. Allozymes đã tìm ra một con đường để tạo ra cùng một hợp chất trong một bể cấy, sử dụng 99% lượng nước ít hơn (và có lẽ là diện tích).
  • Bisabolol là một chất hóa học hữu ích khác được tìm thấy tự nhiên trong cây candeia, một loại cây bản địa của Amazon đã trở thành loài có nguy cơ tuyệt chủng. Bây giờ bisabolol giống với tự nhiên có thể được sản xuất ở bất kỳ lượng nào bằng cách sử dụng bể cấy và con đường enzyme của công ty.
  • Sợi của các loại cây và trái cây như chuối có thể được chuyển đổi thành chất gọi là “sợi ngọt hòa tan,” một lựa chọn thay thế cho đường và chất làm ngọt khác; Allozymes đã nhận được một hỗ trợ triệu đô la để tăng tốc quá trình không dễ này. Salehian cho biết họ đã làm bánh quy và một số ly trà bọt với kết quả này.

Tôi đã hỏi về khả năng enzyme phân hủy microplastics, mà đã là mục tiêu của nhiều nghiên cứu và cũng xuất hiện trong tư liệu quảng cáo của Allozymes. Salehian nói rằng trong khi điều đó có thể là khả thi, hiện tại nó không kinh tế dưới mô hình kinh doanh hiện tại của họ — cơ bản, một khách hàng sẽ cần tiếp cận công ty nói: “Tôi muốn trả tiền để phát triển cái này.” Nhưng nó đang thu hút sự quan tâm của họ, và họ có thể sẽ làm việc trong việc tái chế và xử lý nhựa sớm.

Đến nay tất cả đã thuộc dạng mô hình kinh doanh ban đầu của công ty, nghĩa là tối ưu hóa enzyme như một dịch vụ. Nhưng lộ trình bao gồm mở rộng vào công việc tạo ra sẽ nhiều hơn, như tìm ra một phân tử phù hợp với nhu cầu thay vì cải thiện một quy trình hiện có.

Dịch vụ điều chỉnh enzyme Allozymes đã thực hiện sẽ được gọi là SingZyme (như một enzyme duy nhất), và sẽ tiếp tục là một tùy chọn cấp vào, lấp đầy trường hợp sử dụng “chúng tôi muốn thực hiện điều này nhanh gấp 100 lần hoặc rẻ hơn.” Một dịch vụ mở rộng hơn gọi là MultiZyme sẽ tiếp cận ở cấp độ cao hơn, tìm ra hoặc làm rõ nhiều enzyme để thực hiện một nhu cầu khái quát hơn “chúng tôi cần một thứ làm điều này.”

Chúng tôi thu thập hàng tỷ dữ liệu điểm như một phần của các dịch vụ này sẽ vẫn là tài sản trí tuệ của họ, tạo nên “thư viện dữ liệu enzyme lớn nhất thế giới,” Salehian nói.

CEO Peyman Salehian và CTO Akbar Vahidi, người sáng lập Allozymes. Ảnh: Allozymes

“Bạn có thể cung cấp cấu trúc cho AlphaFold và nó sẽ cho bạn biết nó gấp cách nào lộn trương, nhưng nó không thể nói cho bạn biết sẽ xảy ra gì nếu nó cặp với một chất hóa học khác,” Salehian nói, và tất nhiên phản ứng đó mới là phần mà công nghiệp quan tâm. “Không có mô hình học máy nào trên thế giới có thể nói cho bạn chính xác phải làm gì, bởi vì dữ liệu chúng ta có quá ít, và quá phân mảnh; chúng ta nói về 300 mẫu mỗi ngày trong 20 năm,” số lượng mà máy Allozymes có thể dễ dàng vượt qua trong một ngày duy nhất.

Salehian nói rằng họ đang phát triển một mô hình học máy dựa trên dữ liệu mà họ có, và thậm chí đã thử nghiệm nó trên một kết quả đã biết.

“Chúng tôi cung cấp dữ liệu cho mô hình học máy, và nó đưa ra gợi ý về một phân tử mới mà chúng tôi đang thử nghiệm,” ông nói, đó là một xác nhận ban đầu đầy hứa hẹn về phương pháp.

Ý tưởng này hầu như không mới lạ: Chúng tôi đã đề cập đến nhiều công ty và dự án nghiên cứu đã kết luận rằng các mô hình học máy có thể rất hữu ích trong việc sắp xếp thông qua các bộ dữ liệu lớn, cung cấp sự tự tin thêm, mặc dù kết quả của họ không thể thay thế cho quy trình thực sự.

Vòng đầu tư 15 triệu đô la bao gồm các nhà đầu tư mới Seventure Partners, NUS Technology Holdings, Thia Ventures và ID Capital, cùng với sự đầu tư lặp lại từ Xora Innovation, SOSV, Entrepreneur First và Transpose Platform.

Salehian nói rằng công ty đang trong tình trạng tốt và có đủ thời gian và tiền bạc để đạt được những tham vọng của mình — ngoại trừ việc họ có thể sẽ huy động một số tiền nhỏ hơn vào cuối năm nay để tài trợ cho việc mở rộng vào ngành dược và mở văn phòng tại Mỹ.

Related Articles

Back to top button