Allozymes coloca sua enzimática acelerada para trabalhar em dados e IA, arrecadando US$ 15 milhões

O método engenhoso da Allozymes para testar rapidamente milhões de reações químicas de base biológica está provando ser não apenas um serviço útil, mas também a base de um conjunto de dados único e valioso. E onde há um conjunto de dados, há IA – e onde há IA, há investidores. A empresa acaba de arrecadar US$ 15 milhões da Série A para expandir seus negócios de um serviço útil para um recurso de classe mundial.

Cobrimos a startup de biotecnologia pela primeira vez em 2021, quando ela estava dando seus primeiros passos: “Naquela época éramos menos de cinco pessoas e em nosso primeiro laboratório — mil pés quadrados”, lembrou o CEO e fundador Peyman Salehian.

A empresa cresceu para 32 pessoas nos EUA, Europa e Singapura, e tem 15 vezes mais espaço de laboratório, que utilizou para acelerar a sua já exponencialmente mais rápida técnica de rastreio enzimático.

A tecnologia central da empresa não mudou desde 2021, e você pode ler a descrição detalhada dela em nosso artigo original. Mas o resultado é que as enzimas, cadeias de aminoácidos que realizam certas tarefas em sistemas biológicos, têm sido até agora bastante difíceis de encontrar ou inventar. Isso se deve ao grande número de variações: uma molécula pode ter centenas de ácidos, com 20 para escolher para cada posição, e cada permutação tem potencialmente um efeito totalmente diferente. Você entra nos bilhões de possibilidades muito rapidamente!

Usando métodos tradicionais, essas variações podem ser testadas a uma taxa de algumas centenas por dia em um espaço de laboratório razoável, mas a Allozymes usa um método no qual milhões de enzimas podem ser testadas por dia, empacotando-as em pequenas gotículas e passando-as através de um sistema microfluídico especial. Você poderia pensar nisso como uma esteira transportadora com uma câmera acima dela, escaneando cada item que passa e classificando-os automaticamente em caixas diferentes.

Essas enzimas podem ser praticamente tudo o que é necessário na indústria biotecnológica e química: se você precisa transformar matérias-primas em certas moléculas desejáveis, ou vice-versa, ou realizar vários outros processos fundamentais, as enzimas são a forma como você faz isso. Encontrar uma variante barata e eficaz raramente é fácil e, até recentemente, toda a indústria testava cerca de um milhão de possibilidades por ano – um número que a Allozymes pretende multiplicar mais de mil vezes, visando 7 mil milhões de variantes em 2024.

“[In 2021] estávamos apenas construindo as máquinas, mas agora elas estão funcionando muito bem e estamos examinando até 20 milhões de variantes de enzimas por dia”, disse Salehian.

O processo já atraiu clientes em vários setores, alguns dos quais a Allozymes não pode divulgar devido a NDAs, mas outros foram documentados em estudos de caso:

• O fitoeno é uma enzima encontrada naturalmente nos tomates e normalmente colhida em pequenas quantidades da pele de milhões deles. As alozimas encontraram um caminho para produzir o mesmo produto químico em um biorreator, usando 99% menos água (e presumivelmente espaço).
• O bisabolol é outro produto químico útil encontrado naturalmente na árvore candeia, uma planta nativa da Amazônia que está em perigo de extinção. Agora, um bisabolol bioidêntico pode ser produzido em qualquer quantidade usando um biorreator e a via enzimática da empresa.
• As fibras de plantas e frutas como a banana podem ser transformadas em uma substância chamada “fibra doce solúvel”, uma alternativa a outros açúcares e adoçantes; A Allozymes recebeu uma doação de um milhão de dólares para acelerar esse processo nada fácil. Salehian relata que eles fiz biscoitos e um pouco de chá de bolhas com os resultados.

Perguntei sobre a possibilidade de enzimas degradadoras de microplásticos, que têm sido alvo de muitas pesquisas e também figuram nos próprios materiais promocionais da Allozymes. Salehian disse que embora seja possível, no momento não é economicamente viável no seu atual modelo de negócios – basicamente, um cliente precisaria chegar à empresa dizendo: “Quero pagar para desenvolver isto”. Mas isso está no radar deles, e em breve eles poderão trabalhar na reciclagem e manuseio de plásticos.

Até agora, tudo isso se enquadra mais ou menos no modelo de negócios original da empresa, que equivale à otimização de enzimas como um serviço. Mas o roteiro envolve a expansão para um trabalho mais inovador, como encontrar uma molécula que corresponda a uma necessidade, em vez de melhorar um processo existente.

O serviço de adaptação de enzimas que a Allozymes tem feito será chamado de SingZyme (como em enzima única) e continuará a ser uma opção básica, preenchendo o caso de uso “queremos fazer isso 100x mais rápido ou mais barato”. Um serviço mais amplo chamado MultiZyme adotará uma abordagem de nível superior, descobrindo ou refinando múltiplas enzimas para atender a uma ideia mais geral de “precisamos de algo que faça isso”.

Os bilhões de pontos de dados que eles coletam como parte desses serviços continuarão sendo seu IP, no entanto, e constituirão “a maior biblioteca de dados de enzimas do mundo”, disse Salehian.

CEO Peyman Salehian e CTO Akbar Vahidi, cofundadores da Allozymes. Créditos da imagem: Alozimas

“Você pode dar a estrutura ao AlphaFold e ele lhe dirá como ele se dobra, mas não pode dizer o que acontecerá se ele se ligar a outro produto químico”, disse Salehian, e é claro que essa reação é a única parte que preocupa a indústria. com. “Não existe nenhum modelo de aprendizado de máquina no mundo que possa dizer exatamente o que fazer, porque os dados que temos são muito poucos e muito fragmentados; estamos falando de 300 amostras por dia durante 20 anos”, um número que as máquinas da Allozymes podem facilmente superar em um único dia.

Salehian disse que eles estão desenvolvendo ativamente um modelo de aprendizado de máquina com base nos dados que possuem e até mesmo o testaram em um resultado conhecido.

“Informamos os dados no modelo de aprendizado de máquina e ele voltou com uma sugestão de nova molécula que já estamos testando”, disse ele, o que é uma validação inicial promissora da abordagem.

A ideia não é inédita: cobrimos inúmeras empresas e projetos de pesquisa que descobriram que os modelos de aprendizado de máquina podem ser muito úteis na classificação de enormes conjuntos de dados, oferecendo confiança extra mesmo que seus resultados não possam ser substituídos pelo processo real.

A rodada A de US$ 15 milhões inclui novos investidores Seventure Partners, NUS Technology Holdings, Thia Ventures e ID Capital, com investimentos repetidos da Xora Innovation, SOSV, Entrepreneur First e Transpose Platform.

Salehian disse que a empresa está em ótima forma e tem muito tempo e dinheiro para alcançar as suas ambições – com a exceção de que poderá levantar uma quantia menor ainda este ano para financiar uma expansão no setor farmacêutico e abrir um escritório nos EUA.