Startup Cradle을 사용하면 프롬프트를 입력하기만 하면 맞춤형 단백질을 설계할 수 있습니다.

프로그래밍 생물학을 쉽게 만드는 것을 사명으로 하는 새로운 회사가 블록에 있습니다. 라는 유럽 스타트업 요람 플랫폼을 구축한 후 잠입 상태에서 벗어나고 있습니다. 5.5만 유로(5.4만 달러) 규모의 시드 펀딩 라운드를 발표했습니다. 인덱스 벤처, 친절한 자본, Lyft의 공동 설립자이자 회장인 John Zimmer를 비롯한 엔젤 투자자LYFT
, Emily Leprous, CEO 겸 창립자 트위스트 바이오 사이언스. Cradle은 네덜란드 델프트와 스위스 취리히의 두 사이트에서 과학자들이 단백질을 설계하는 방식을 방해할 수 있는 강력한 기술 융합인 생물학과 인공 지능의 세계를 가로지르고 있습니다.

단백질에 대한 회사의 편협한 관심에 속지 마십시오. 그것들은 단지 우리가 먹는 것이 아닙니다. 동물성 없는 육류, 계란 및 유제품 제품은 실제로 합성 생물학의 큰 초점입니다. 단백질은 또한 살아있는 세포의 거의 모든 기능을 뒷받침하고 생물학 이외의 용도로도 똑같이 사용되는 다재다능한 생물학적 기계입니다. 세제, 화장품, 직물에 사용되는 효소를 생각해 보십시오. 또는 강력한 치료제를 만드는 항체; 또는 실제로 단백질이 반응을 촉매하여 벌크 및 특수 화학 물질, 향료 및 방향제, 바이오 연료, 재료 등과 같은 제품을 만드는 생명 공학의 다른 모든 영역입니다. 이러한 생체 분자는 셀 수 없이 많이 사용되며 Cradle은 다양한 작업을 수행하는 맞춤형 단백질을 설계할 수 있는 기능을 통해 훨씬 더 많은 응용 분야를 가능하게 하고자 합니다.

Cradle의 공동 설립자이자 CEO인 Stef van Grieken은 자칭 "미세 단백질 공급업체"입니다. 그는 지난 XNUMX년을 Google AI 여러 기계 학습 응용 프로그램의 개발을 주도하고 있습니다. X, 구글의 '문샷 팩토리', 초기 단계 프로젝트의 타당성을 평가합니다. Google 재임 기간 동안GOOG
, 그는 단백질의 언어, 즉 아미노산 서열이 어떻게 특정 접힘 패턴으로 변환되고 단백질이 정교한 기능을 수행할 수 있는 구조를 형성하는지에 매료되었습니다. 그 이후로 그는 합리적인 단백질 설계를 위해 더 나은 예측을 하기 위해 단백질 서열이 기능으로 변환되는 방법에 대한 우리의 이해와 자연어 처리 기술을 결합하는 아이디어를 연구해 왔습니다.

디자이너 단백질은 수십억 달러 규모의 산업입니다. 3.9에 의해 $ 2024 억, 대부분 단백질 기반 치료제에 의해 주도됩니다. 그러나 그것은 훨씬 더 클 수 있습니다. 맞춤형 단백질을 설계하는 것이 그렇게 어렵지 않다면 합성 생물학의 다른 영역으로 분기할 수 있는 엄청난 잠재력이 있습니다. 현재 단백질 공학이 이루어지는 방식은 실험실에서 시행착오를 거쳐 설계 사양에 도달하는 일반적인 성공률이 1% 미만입니다. 성공 가능성을 높이기 위해 생물학자는 다음과 같은 소프트웨어 도구를 사용할 수 있습니다. 로제 or 알파 폴드 서열을 기반으로 단백질 구조를 예측합니다. 단백질은 종이접기처럼 3D 모양으로 접히는 아미노산 줄로 시작합니다. 그러나 접힘 패턴을 예측하는 것은 엄청나게 복잡한 문제이며 Rosetta와 같은 프로그램을 실행하려면 수년간의 교육과 수천 대의 컴퓨터가 필요합니다.

Cradle은 문제에 다르게 접근하고 있습니다. 생성 모델을 사용하여 단백질을 "리버스 엔지니어링"합니다. 다음과 같은 생성 모델에 대해 들어봤거나 사용해 본 적이 있을 것입니다. DALL-E 설명 입력을 기반으로 새 이미지를 만들 수 있습니다. Cradle의 창립자들은 동일한 원리를 새로운 단백질 구조 설계에 적용할 생각을 했습니다. 시퀀스 구조 모델을 사용하는 대신 실제 데이터에서 훈련된 기계 학습 알고리즘을 사용합니다. 사용자는 디자인하려는 단백질의 종류를 지정할 수 있으며 플랫폼은 해당 구조를 생성할 수 있는 가능한 시퀀스 목록을 제공합니다. 가장 좋은 점은 기계 학습 전문가가 아니어도 사용할 수 있다는 것입니다.

"Cradle의 자가 학습, 자가 개선 생성 기계 학습 모델은 생물학자가 단백질의 유전 코드 중 어떤 부분을 변경해야 하는지 예측하기 위해 '자연어 처리'의 최근 발전을 활용하여 기계 학습 배경이 필요합니다.”라고 CEO는 보도 자료에서 말했습니다. "이 방법을 통해 Cradle은 합성 생물학 제품을 시장에 출시하는 데 드는 시간과 비용을 몇 배나 줄일 수 있다고 믿습니다."

오늘날 대부분의 생명 공학 및 합성 생물학 회사는 단백질 엔지니어링과 관련하여 자체 장치에 맡겨져 있습니다. 주요 선수 단백질 공학 분야에는 Thermo Fischer, Danaher, Agilent Technologies가 포함됩니다.A
, Bio-Rad 및 다음과 같은 소규모 회사 코덱 시스CDXS
, 젠스크립트, 순록 생명과학, 아르제다, 임파서블 푸드. 그러나 많은 합성 생물학 회사에서 단백질 공학은 목적을 위한 수단이며 실제로 초점을 맞추고 있는 것은 맞춤형 단백질의 다운스트림 응용 프로그램입니다. Cradle은 성공 가능성을 높일 수 있는 도구를 제공하고자 합니다.

Cradle 자체는 합성 생물학도 아니고 기계 학습 회사도 아닙니다. 둘 다입니다. “우리는 단순한 기계 학습 회사가 되고 싶지 않았습니다. 생물학도 정말 이해해야 합니다.”라고 Stef가 말했습니다. 팀원들이 Google, IBM과 같은 회사에서 가져온 기계 학습 기술에 대한 전문 지식과 우수한 실험실 기술IBM
, Zymergen 및 Perfect Day, Cradle의 단 13명으로 구성된 팀은 XNUMX년 이내에 작업 플랫폼을 구축했습니다. 이 공간에는 다른 회사가 많지 않습니다. 사이러스 바이오 Rosetta의 개발자이자 워싱턴 대학의 교수인 David Baker가 설립한 회사는 새로운 치료법을 개발하기 위해 AI 지원 단백질 디자인을 사용하는 또 다른 회사입니다.

Cradle 팀의 다양한 배경에 맞춰 회사는 DNA 합성 회사인 Twist Bioscience Emily Leproust의 설립자와 Lyft의 John Zimmer 사장을 포함하여 다양한 기술 분야의 투자자를 유치했습니다. 승차 공유 회사의 관심은 처음에는 의외일 수 있습니다. 그러나 기계 학습의 많은 발전은 다른 기술 영역에서 비롯되었습니다. 회사의 공동 설립자 Jelle Prins는 Uber 출신입니다.우버
Uber 및 Booking.com과 같은 많은 성공적인 회사를 위한 첫 번째 앱을 설계하고 구축하는 데 참여했습니다.

그리고 그것은 서로 다른 영역에서 일어나는 일입니다. 깊은 기술 충돌: 새로운 가능성의 은하계가 탄생합니다. Stef는 자신의 회사가 화학 및 성분 분야, 재료 과학 및 공학 및 기타 영역에서 합성 생물학 혁신을 강화할 수 있을 것이라고 생각합니다. 시장은 하락해야 합니다. 15명으로 구성된 팀과 몇 년 안에 불과 몇 백만 달러로 바이오 기반 제품을 만들 수 있다면 그것은 성공일 것입니다.”

Cradle의 소프트웨어는 이미 여러 회사에서 사용되고 있으며 가능한 한 널리 배포되기를 원합니다. 이것이 플랫폼이 학계에서 무료로 사용되는 이유입니다. Cradle은 또한 사용자가 플랫폼을 사용하여 개발된 모든 제품에 대해 로열티를 지불할 필요가 없는 친숙한 IP 조건과 영업 비밀을 보호하기 위한 완전한 개인 정보 보호 및 보안을 제공합니다. "우리는 모든 사람이 단백질 공학을 민주화할 수 있도록 만들고 싶습니다."라고 Cradle CEO의 비전이 있습니다. 스테프는 합성생물학의 리더들과 선구자들이 모여 보다 지속 가능한 미래를 만들기 위해 모이는 내년 SynBioBeta 컨퍼런스에서 연설할 예정입니다. 크래들의 기술이 어떤 새로운 아이디어를 불러일으킬지 지켜보자.

감사합니다. 카티아 타라사바 이 기사에 대한 추가 연구 및 보고를 위해 저는 SynBioBeta의 창립자이며 Twist Bioscience를 포함하여 제가 글을 쓰는 회사 중 일부는 SynBioBeta 컨퍼런스 과 주간 다이제스트.