Startup Cradle به شما امکان می‌دهد پروتئین‌های سفارشی را فقط با تایپ کردن در یک اعلان طراحی کنید

یک شرکت جدید در بلوک وجود دارد که ماموریت آن آسان کردن زیست شناسی برنامه نویسی است. استارتاپ اروپایی فراخوان داد گهواره پس از ساختن پلتفرم خود از مخفی کاری خارج می شود. به تازگی یک دور سرمایه گذاری اولیه 5.5 میلیون یورویی (5.4 میلیون دلار) را به رهبری اعلام کرده است مشارکت صفحه اول, سرمایه خویشاوندیو سرمایه گذاران فرشته از جمله جان زیمر، یکی از بنیانگذاران و رئیس LyftLYFT
و امیلی لپروست، مدیرعامل و بنیانگذار پیچ و تاب زیست شناسی. با دو سایت - یکی در دلفت، هلند، و دیگری زوریخ، سوئیس، - کرادل با دنیای زیست‌شناسی و هوش مصنوعی، ادغام قدرتمندی از فن‌آوری‌ها که باعث اختلال در طراحی پروتئین‌ها توسط دانشمندان می‌شود، درگیر است.

فریب تمرکز ظاهرا محدود این شرکت روی پروتئین ها را نخورید. آنها فقط چیزی نیستند که ما می خوریم - هرچند مهندسی گوشت، تخم مرغ و لبنیات بدون حیوانات محصولات در واقع تمرکز بزرگ زیست شناسی مصنوعی است. پروتئین ها همچنین ماشین های بیولوژیکی همه کاره ای هستند که تقریباً زیربنای هر عملکردی در سلول های زنده هستند و به همان اندازه در خارج از زیست شناسی کاربرد دارند. به آنزیم های مورد استفاده در مواد شوینده، لوازم آرایشی و منسوجات فکر کنید. یا آنتی‌بادی‌هایی که درمان‌های قوی می‌سازند. یا در واقع، هر حوزه دیگری از بیوتکنولوژی که در آن پروتئین‌ها واکنش‌ها را کاتالیز می‌کنند تا محصولاتی مانند مواد شیمیایی فله و ویژه، طعم‌ها و عطرها، سوخت‌های زیستی، مواد و موارد دیگر را بسازند. کاربردهای بی‌شماری برای این مولکول‌های زیستی وجود دارد، و Cradle می‌خواهد حتی برنامه‌های کاربردی بیشتری را با توانایی طراحی پروتئین‌های سفارشی که وظایف چندمنظوره را انجام می‌دهند، فعال کند.

استف ون گریکن، یکی از بنیانگذاران و مدیر عامل کرادل، فردی است که خود را «تامین کننده پروتئین خوب» توصیف می کند. او دهه گذشته را به کار در Google AI منجر به توسعه چندین برنامه کاربردی یادگیری ماشین و همچنین در X، "کارخانه مهتابی" گوگلارزیابی امکان سنجی پروژه های در مراحل اولیه. در دوران تصدی او در گوگلGOOG
او مجذوب زبان پروتئین‌ها شد – اینکه چگونه توالی‌های اسید آمینه به الگوهای تاخوردگی خاصی تبدیل می‌شوند و ساختارهایی را تشکیل می‌دهند که به پروتئین‌ها اجازه می‌دهد عملکردهای پیچیده خود را انجام دهند. از آن زمان، او روی ایده ترکیب فناوری پردازش زبان طبیعی با درک ما از نحوه تبدیل توالی پروتئین به عملکرد برای پیش‌بینی بهتر برای طراحی پروتئین منطقی کار کرده است.

پروتئین های طراح صنعت چند میلیارد دلاری هستند: پیش بینی می شود بازار به آن برسد 3.9 میلیارد $ توسط 2024، تا حد زیادی توسط درمان های مبتنی بر پروتئین هدایت می شود. اما می‌تواند حتی بزرگ‌تر باشد: اگر طراحی پروتئین‌های سفارشی چندان دشوار نبود، پتانسیل عظیمی برای انشعاب به سایر حوزه‌های زیست‌شناسی مصنوعی وجود دارد. روشی که در حال حاضر مهندسی پروتئین انجام می شود از طریق آزمون و خطا در آزمایشگاه است و میزان موفقیت معمولی در دستیابی به مشخصات طراحی کمتر از 1٪ است. برای افزایش شانس موفقیت، زیست شناسان می توانند از ابزارهای نرم افزاری مانند روزتا or آلفافولد برای پیش بینی ساختار پروتئین بر اساس توالی آن. پروتئین ها فقط به عنوان رشته هایی از اسیدهای آمینه شروع می شوند که به شکل های سه بعدی مانند اوریگامی تا می شوند. اما پیش‌بینی الگوی تاشو یک مشکل فوق‌العاده پیچیده است و برنامه‌ای مانند روزتا به سال‌ها آموزش و هزاران رایانه برای اجرا نیاز دارد.

Cradle به طور متفاوتی به مشکل برخورد می کند: آنها از یک مدل مولد برای "مهندسی معکوس" پروتئین ها استفاده می کنند. شما ممکن است در مورد مدل های مولد مانند شنیده باشید یا حتی از آنها استفاده کنید SLAB که می تواند تصاویر جدیدی را بر اساس یک ورودی توصیفی ایجاد کند. بنیانگذاران کرادل فکر کردند که همین اصل را برای طراحی معماری های پروتئینی جدید اعمال کنند. آنها به جای استفاده از مدل‌های ساختار توالی، از الگوریتم‌های یادگیری ماشینی استفاده می‌کنند که بر روی داده‌های واقعی آموزش دیده‌اند. کاربر می‌تواند نوع پروتئینی را که می‌خواهد طراحی کند، مشخص کند و پلتفرم فهرستی از توالی‌های احتمالی را که می‌توانند آن ساختار را ایجاد کنند، ارائه می‌کند. و بهترین بخش این است - برای استفاده از آن لازم نیست یک متخصص یادگیری ماشین باشید:

«مدل‌های یادگیری ماشینی مولد خودآموز و خود بهبودی کرادل از پیشرفت‌های اخیر در «پردازش زبان طبیعی» استفاده می‌کنند تا پیش‌بینی کنند که یک زیست‌شناس باید کدام بخش از کد ژنتیکی پروتئین را تغییر دهد و به طور قابل‌توجهی شانس دانشمند را برای دستیابی به نتایج تجربی مثبت بدون نیاز به پیشینه یادگیری ماشینی»، مدیرعامل در بیانیه مطبوعاتی گفت. کرادل معتقد است که از طریق این روش می‌تواند زمان و هزینه عرضه یک محصول بیولوژی مصنوعی را به بازار کاهش دهد.

امروزه، بیشتر شرکت‌های بیوتکنولوژی و زیست‌شناسی مصنوعی در زمینه مهندسی پروتئین‌ها به حال خود رها شده‌اند. بازیکنان اصلی در زمینه مهندسی پروتئین عبارتند از Thermo Fischer، Danaher، Agilent TechnologiesA
، و Bio-Rad، و همچنین شرکت های کوچکتر مانند کدکسCDXS
, Genscript, علوم زیستی کاریبو, ارزداو غذاهای غیرممکن اما برای بسیاری از شرکت‌های زیست‌شناسی مصنوعی، مهندسی پروتئین وسیله‌ای برای رسیدن به هدف است، و چیزی که آنها واقعاً روی آن تمرکز دارند، کاربردهای پایین دستی پروتئین‌های سفارشی است. کرادل می‌خواهد ابزاری برای آنها فراهم کند تا شانس موفقیت آنها را افزایش دهد: "ما می‌خواهیم به تیم‌ها کمک کنیم تا با آزمایش‌های کمتر و موفق‌تر پروتئین‌ها را مهندسی کنند."

Cradle خود نه یک شرکت زیست شناسی مصنوعی است و نه یک شرکت یادگیری ماشین - آنها هر دو هستند. ما نمی‌خواستیم فقط یک شرکت یادگیری ماشین باشیم. شما واقعاً باید زیست شناسی را نیز درک کنید. با تخصص در فناوری یادگیری ماشین و مهارت‌های برتر آزمایشگاهی که اعضای تیم آنها از شرکت‌هایی مانند Google، IBM آورده‌اند.آی بی ام
تیم 13 نفره Cradle، Zymergen و Perfect Day در کمتر از یک سال یک پلتفرم کاری ساخته اند. تعداد زیادی شرکت دیگر در این فضا وجود ندارد. کوروش بیو توسعه دهنده روزتا، دیوید بیکر، استاد دانشگاه واشنگتن، یکی دیگر از طرح هایی است که از طراحی پروتئین با کمک هوش مصنوعی برای توسعه درمان های جدید استفاده می کند.

برای تطابق با پیشینه‌های مختلف تیم Cradle، این شرکت سرمایه‌گذارانی را از حوزه‌های مختلف فناوری، از جمله بنیانگذار شرکت سنتز DNA Twist Bioscience، امیلی لپروست و رئیس Lyft، جان زیمر، جذب کرده است. علاقه شرکت سهامی سواری ممکن است در ابتدا تعجب آور باشد. اما بسیاری از پیشرفت‌ها در یادگیری ماشینی از سایر حوزه‌های فناوری حاصل شده است. یکی از بنیانگذاران شرکت، Jelle Prins خود از اوبر آمده استUBER
و در طراحی و ساخت اولین برنامه ها برای بسیاری از شرکت های موفق مانند Uber و Booking.com شرکت داشت.

و این چیزی است که زمانی اتفاق می افتد که مناطق مختلف فناوری عمیق برخورد: کهکشانی از احتمالات جدید متولد می شود. استف پیش‌بینی می‌کند که شرکتش نوآوری‌های زیست‌شناسی مصنوعی را در زمینه مواد شیمیایی و فضای مواد، علم و مهندسی مواد، و سایر زمینه‌ها تقویت کند: «امیدواریم که ما کاتالیزوری برای بسیاری از شرکت‌های دیگر خواهیم بود، زیرا هزینه‌های دریافت [محصولات] به بازار باید پایین بیاید اگر بتوانید با تیمی متشکل از 15 نفر در چند سال و فقط چند میلیون دلار یک محصول زیستی بسازید، این یک موفقیت خواهد بود.

نرم افزار Cradle در حال حاضر توسط چندین شرکت مورد استفاده قرار می گیرد و آنها می خواهند آن را تا حد امکان به طور گسترده توزیع کنند. به همین دلیل است که استفاده از این پلتفرم برای دانشگاهیان رایگان است. Cradle همچنین شرایط IP دوستانه ای را ارائه می دهد، که در آن کاربران مجبور نیستند برای هیچ محصولی که با استفاده از این پلتفرم توسعه یافته است، حق امتیاز بپردازند، همچنین حفظ حریم خصوصی و امنیت کامل برای محافظت از اسرار تجاری. چشم انداز مدیرعامل کرادل این است: «ما می خواهیم آن را در دسترس همگان قرار دهیم تا مهندسی پروتئین را دموکراتیک کنیم. استف در کنفرانس SynBioBeta در سال آینده سخنرانی خواهد کرد، جایی که رهبران زیست شناسی مصنوعی و رویاپردازان برای ایجاد آینده ای پایدارتر گرد هم می آیند. بیایید ببینیم که فناوری Cradle چه نوع ایده های جدیدی را الهام می بخشد.

با تشکر از شما کتیا تاراساوا برای تحقیق و گزارش بیشتر در مورد این مقاله. من بنیانگذار SynBioBeta هستم و برخی از شرکت هایی که در مورد آنها می نویسم، از جمله Twist Bioscience، حامیان مالی هستند. کنفرانس SynBioBeta و هضم هفتگی.