Startup Converge Bio, tworzący leki z pomocą AI, zebrał 25 mln dolarów. Firma chce skrócić badania o lata, a pieniądze wyłożyli giganci z Doliny Krzemowej.
W skrócie:
- Converge Bio, startup z USA i Izraela, pozyskał 25 mln dolarów w rundzie Serii A na rozwój platformy AI do projektowania leków.
- Inwestycji przewodził fundusz Bessemer Venture Partners, a wsparli ją m.in. menedżerowie z Meta, OpenAI i Wiz, co pokazuje siłę trendu.
- Platforma firmy już działa u kilkunastu klientów z branży farmaceutycznej, zwiększając np. wydajność produkcji białek ponad czterokrotnie.
Sztuczna inteligencja przestaje być zabawką do generowania obrazków, a staje się narzędziem, które może dosłownie ratować życie. Farmacja i biotechnologia łapią wiatr w żagle, szukając sposobów na skrócenie wieloletnich i astronomicznie drogich procesów badawczo-rozwojowych. Na scenę wkracza ponad 200 startupów, które chcą wpleść AI w projektowanie leków, a inwestorzy otwierają portfele szerzej niż kiedykolwiek. Najnowszym bohaterem tej opowieści jest Converge Bio, który właśnie zabezpieczył 25 milionów dolarów w rundzie Serii A.
Skąd takie poruszenie i tak wielkie pieniądze?
Rynek poczuł krew. Tradycyjne metody odkrywania leków, oparte na żmudnych eksperymentach i, nie bójmy się tego słowa, metodzie prób i błędów, stają się niewydolne. Koszty rosną, a szanse na sukces maleją. To idealne warunki dla technologicznej rewolucji. O tym, że nie są to puste słowa, świadczą ruchy gigantów – w zeszłym roku koncern farmaceutyczny Eli Lilly połączył siły z Nvidią, by zbudować najpotężniejszy superkomputer do odkrywania leków. Kilka miesięcy później twórcy AlphaFold z Google DeepMind odebrali Nagrodę Nobla w dziedzinie chemii za system AI, który przewiduje struktury białek. Świat nauki i biznesu wreszcie się zgodził: przyszłość farmacji pisana będzie algorytmami. Jak ujął to prezes Converge Bio, Dov Gertz, w wywiadzie dla TechCrunch, branża przechodzi od zgadywanek do projektowania molekularnego opartego na danych. “Półtora roku temu, gdy zakładaliśmy firmę, było mnóstwo sceptycyzmu” – przyznał. “Ten sceptycyzm zniknął zaskakująco szybko”.
Jak właściwie działa platforma Converge Bio?
Firma z Bostonu i Tel Awiwu nie próbuje wymyślać koła na nowo. Zamiast tego tworzy systemy, które wpinają się bezpośrednio w istniejące procesy badawcze firm farmaceutycznych i biotechnologicznych. W praktyce Converge Bio trenuje swoje modele generatywne na sekwencjach DNA, RNA i białek, a następnie wykorzystuje je do przyspieszania prac. Startup wprowadził już na rynek trzy oddzielne systemy: do projektowania przeciwciał, optymalizacji wydajności białek oraz odkrywania biomarkerów i celów terapeutycznych. To nie są pojedyncze modele rzucone klientowi na pożarcie. Gertz wyjaśnia to na przykładzie projektowania przeciwciał: “To nie jest jeden model. To trzy zintegrowane komponenty. Najpierw model generatywny tworzy nowe przeciwciała. Następnie modele predykcyjne filtrują je na podstawie właściwości molekularnych. Na koniec system dokowania, wykorzystujący model oparty na fizyce, symuluje trójwymiarowe interakcje między przeciwciałem a jego celem”. Wartość, jak podkreśla, leży w całym systemie. Klienci dostają gotowe do użycia narzędzie, a nie zestaw klocków do samodzielnego składania.
Czy AI nie będzie “halucynować” cząsteczek leków?
To jedno z kluczowych pytań, które spędza sen z powiek badaczom. O ile halucynacja w tekście jest zwykle łatwa do wychwycenia i co najwyżej zabawna, o tyle błąd w projektowaniu cząsteczki leku to tygodnie straconej pracy w laboratorium i ogromne koszty. Converge Bio podchodzi do problemu dwuetapowo: łączy modele generatywne z predykcyjnymi. Pierwsze tworzą, drugie weryfikują i filtrują, znacząco zmniejszając ryzyko. Co ciekawe, Gertz publicznie zgadza się z krytykami, takimi jak Yann LeCun z Mety, którzy sceptycznie podchodzą do wykorzystania modeli językowych w nauce. “Jestem wielkim fanem Yanna LeCuna i całkowicie się z nim zgadzam. Nie polegamy na modelach tekstowych w kwestii fundamentalnego zrozumienia nauki” – stwierdził. Jego zdaniem, aby naprawdę zrozumieć biologię, modele muszą być trenowane na danych biologicznych – DNA, RNA i białkach. LLM‑y w Converge Bio służą jedynie jako narzędzia pomocnicze, np. do przeszukiwania literatury naukowej. To pragmatyczne podejście najwyraźniej działa. Firma, która ma zaledwie dwa lata, zrealizowała już ponad 40 programów dla kilkunastu klientów, a jej zespół urósł z 9 do 34 osób. Wizja jest prosta i odważna: stać się “generatywnym laboratorium AI dla całej branży”.