LALENT LABS, fondée par DeepMind Alun, lance avec 50 millions de dollars pour programmer la biologie

Une nouvelle startup, Latent Labs, fondée par un ancien scientifique de Google Deepmind, vient de sortir du mode furtif avec un grand financement de 50 millions de dollars. Leur mission? Pour rendre la biologie programmable en construisant des modèles de fondation AI qui peuvent générer et optimiser les protéines. Ils prévoient de faire équipe avec des sociétés biotechnologiques et pharmaceutiques pour y arriver.

Pour comprendre pourquoi c'est un gros problème, vous devez comprendre les protéines. Ce sont les chevaux de bataille de nos cellules, faisant tout, de l'agir comme des enzymes et des hormones à la servir d'anticorps. Composés d'environ 20 acides aminés différents, ces chaînes se replient en structures 3D qui déterminent leur fonctionnement. La détermination de ces formes était un véritable slog, mais Alphafold de DeepMind a changé le jeu en utilisant l'apprentissage automatique et les données biologiques réelles pour prédire les formes d'environ 200 millions de structures de protéines.

Avec ce type de données, les scientifiques peuvent mieux comprendre les maladies, concevoir de nouveaux médicaments et même créer des protéines synthétiques pour de nouvelles utilisations. C'est là que les laboratoires latentes entrent en jeu, visant à permettre aux chercheurs de créer des "nouvelles molécules thérapeutiques à partir de zéro à partir de zéro.

Potentiel latent

Simon Kohl, qui travaillait à DeepMind dans l'équipe Alphafold2 et a dirigé ses efforts de conception de protéines, a vu le potentiel de devenir en solo. Il a quitté Deepmind à la fin de 2022 pour commencer les laboratoires latents, qu'il a officiellement installés à Londres à la mi-2023. Kohl a été inspiré par l'impact de la modélisation générative en biologie et a vu l'occasion de se concentrer spécifiquement sur la conception des protéines.

Pour y arriver, LATET LABS a embauché une quinzaine de personnes, dont certains de DeepMind, un ingénieur principal de Microsoft et des doctorats de l'Université de Cambridge. Ils sont divisés entre Londres, où ils travaillent sur des modèles de pointe, et San Francisco, où ils ont un laboratoire humide et une équipe de conception de protéines informatiques.

"Notre mission est de rendre la biologie programmable, apportant vraiment de la biologie dans le domaine informatique, où la dépendance à l'égard des expériences de laboratoire biologique et humide sera réduite au fil du temps", a expliqué Kohl. Cela pourrait révolutionner la découverte de médicaments, qui implique actuellement des tonnes d'expériences et peut prendre des années.

L'activité de biologie

Les laboratoires latentes ne consistent pas à développer ses propres médicaments. Au lieu de cela, ils veulent accélérer et supprimer les premières étapes de la R&D pour d'autres sociétés biopharmatiques, biotechnologiques et sciences de la vie grâce à un accès direct ou à des partenariats basés sur des projets.

Leur financement de 50 millions de dollars comprend une série de semences de 10 millions de dollars et une série de 40 millions de dollars, co-dirigée par Radical Ventures et Sofinnova Partners. Les autres investisseurs incluent Flying Fish, Isomer, 8VC, Kindred Capital, Pillar VC et des anges notables comme Jeff Dean de Google, Aidan Gomez de Cohere et Mati Staniszewski d'Elevenlabs.

Une grande partie de cet argent ira aux salaires et à l'embauche de plus d'experts en apprentissage automatique, mais ils auront également besoin de beaucoup pour les infrastructures. "Le calcul est également un coût important pour nous - nous construisons des modèles assez importants, ce qui nécessite beaucoup de calcul GPU", a déclaré Kohl. Ce financement les aidera à évoluer leurs modèles, à développer leurs équipes et à établir des partenariats.

Bien qu'il existe d'autres startups comme Cradle et Bioptimus travaillant sur des objectifs similaires, Kohl pense que nous sommes encore assez tôt dans le jeu pour que la meilleure approche pour décoder et concevoir des systèmes biologiques ne soit pas encore claire. "Il y a eu des graines très intéressantes plantées, [par exemple] avec Alphafold et d'autres modèles génératifs précoces d'autres groupes", a déclaré Kohl. "Mais ce domaine n'a pas convergé en termes de la meilleure approche de modèle, ni en termes de modèle commercial ici. Je pense que nous avons la capacité d'innover vraiment."