Cara genial Allozymes dalam menguji dengan cepat jutaan reaksi kimia berbasis biologis terbukti tidak hanya sebagai layanan yang berguna, tetapi juga sebagai dasar dataset yang unik dan berharga. Dan di mana ada dataset, di situlah AI - dan di mana ada AI, di situlah investor. Perusahaan baru saja mengumpulkan Seri A sebesar $15 juta untuk mengembangkan bisnisnya dari layanan yang membantu menjadi sumber daya kelas dunia.
Kami pertama kali meliput startup bioteknologi ini pada tahun 2021, ketika pertama kali mengambil langkah-langkahnya: "Ketika itu kami kurang dari lima orang, dan di lab pertama kami - seribu kaki persegi," kenang CEO dan pendiri Peyman Salehian.
Perusahaan telah tumbuh menjadi 32 orang di Amerika Serikat, Eropa, dan Singapura, dan memiliki lab sebanyak 15 kali lipat, yang digunakan untuk mempercepat teknik penyaringan enzim yang sudah sangat cepat.
Teknologi inti perusahaan tidak berubah sejak 2021, dan Anda dapat membaca deskripsi mendetailnya di artikel asli kami. Namun, intinya adalah bahwa enzim, rantai asam amino yang melakukan tugas-tugas tertentu dalam sistem biologis, hingga saat ini agak sulit untuk menemukan atau menciptakannya. Itu karena jumlah variasi yang begitu banyak: Sebuah molekul bisa berisi ratusan asam, dengan 20 pilihan untuk setiap posisi, dan setiap permutasi berpotensi memiliki efek yang benar-benar berbeda. Anda dapat masuk ke dalam miliaran kemungkinan dengan sangat cepat!
Dengan menggunakan metode tradisional, variasi ini dapat diuji pada tingkat beberapa ratus per hari di ruang lab yang wajar, tetapi Allozymes menggunakan metode di mana jutaan enzim dapat diuji per hari dengan menyusunnya dalam tetes kecil dan melewatkan mereka melalui sistem mikrofluidik khusus. Anda bisa membayangkan seperti sebuah jalur angkut dengan kamera di atasnya, memindai setiap item yang lewat dan secara otomatis menyortirnya ke dalam bin yang berbeda.
Enzim ini bisa menjadi apa saja yang dibutuhkan dalam industri bioteknologi dan kimia: Jika Anda perlu mengubah bahan mentah menjadi molekul yang diinginkan, atau sebaliknya, atau melakukan banyak proses fundamental lainnya, enzim adalah cara melakukannya. Menemukan yang murah dan efektif jarang mudah, dan sampai baru-baru ini seluruh industri menguji sekitar satu juta kemungkinan per tahun - angka yang ingin Allozymes lipatkan lebih dari seribu kali lipat, dengan target 7 miliar varian pada tahun 2024.
"[Pada 2021] kami hanya membangun mesin, tetapi sekarang mereka bekerja sangat baik dan kami sedang menyaring hingga 20 juta varian enzim per hari," kata Salehian.
Proses ini telah menarik pelanggan dari berbagai industri, beberapa di antaranya tidak dapat diungkapkan Allozymes karena NDA, tetapi yang lain telah didokumentasikan dalam studi kasus:
- Phytoene adalah enzim yang ditemukan secara alami di tomat dan biasanya dihasilkan dalam jumlah kecil dari kulit jutaan tomat. Allozymes menemukan cara untuk membuat zat kimia yang sama dalam sebuah bioreaktor, menggunakan 99% lebih sedikit air
- Bisabolol adalah zat kimia lain yang ditemukan secara alami di pohon candeia, tanaman asli Amazon yang telah dibawa ke status terancam. Sekarang bisabolol bio-identik dapat diproduksi dalam jumlah berapapun menggunakan bioreaktor dan jalur enzimatik perusahaan.
- Serat tanaman dan buah seperti pisang dapat diubah menjadi zat yang disebut "serat manis larut," sebagai alternatif untuk gula dan pemanis lainnya; Allozymes mendapat hibah jutaan dolar untuk mempercepat proses yang tidak mudah ini. Salehian melaporkan bahwa mereka telah membuat kue-kue dan bubble tea dari hasilnya.
Saya bertanya tentang kemungkinan enzim pengurai mikroplastik, yang telah menjadi target penelitian banyak dan juga ada di materi promosi Allozymes sendiri. Salehian mengatakan bahwa meskipun memungkinkan, saat ini itu tidak ekonomis di bawah model bisnis mereka saat ini - pada dasarnya, seorang pelanggan harus datang ke perusahaan dengan berkata, “Saya ingin membayar untuk mengembangkan ini.” Tetapi itu ada dalam radar mereka, dan mereka mungkin segera bekerja dalam pengolahan dan daur ulang plastik.
Hingga saat ini ini semua hampir seperti menjadi bagian dari model bisnis asli perusahaan, yang berarti optimisasi enzim sebagai layanan. Namun, rencana kerja melibatkan ekspansi ke pekerjaan dari awal, seperti menemukan molekul yang cocok dengan kebutuhan daripada meningkatkan proses yang ada.
Layanan penyesuaian enzim yang telah dilakukan Allozymes akan disebut SingZyme (sebagai enzim tunggal), dan akan terus menjadi opsi tingkat pemula, mengisi kasus penggunaan 'kami ingin melakukan ini 100 kali lebih cepat atau lebih murah.' Layanan yang lebih luas disebut MultiZyme akan mengambil pendekatan tingkat yang lebih tinggi, menemukan atau memperbaiki beberapa enzim untuk memenuhi 'kami membutuhkan sesuatu yang melakukan ini'
Miliaran titik data yang mereka kumpulkan sebagai bagian dari layanan-layanan ini akan tetap menjadi kekayaan intelektual mereka, dan akan menjadi "perpustakaan data enzim terbesar di dunia," kata Salehian.
“Anda dapat memberikan struktur kepada AlphaFold dan itu akan memberi tahu Anda bagaimana itu melipat, tetapi itu tidak dapat memberi tahu Anda apa yang akan terjadi jika ia berikatan dengan zat kimia lainnya,” kata Salehian, dan tentu saja reaksi itu adalah satu-satunya bagian yang dijadikan perhatian oleh industri. “Tidak ada model pembelajaran mesin di dunia yang dapat memberi tahu Anda dengan tepat apa yang harus dilakukan, karena data yang kita miliki begitu sedikit, dan begitu terpecah; kita berbicara tentang 300 sampel sehari selama 20 tahun,” jumlah yang mesin-mesin Allozymes mampu melampaui dengan mudah dalam satu hari.
Salehian mengatakan bahwa mereka sedang mengembangkan model pembelajaran mesin berdasarkan data yang mereka miliki, dan bahkan mengujinya pada hasil yang diketahui.
“Kami memberi data ke model pembelajaran mesin, dan ia memberikan saran molekul baru yang saat ini sedang kami uji,” katanya, yang merupakan validasi awal yang menjanjikan dari pendekatan tersebut.
Idenya tidaklah sesuatu yang belum pernah terjadi: Kami telah meliput banyak perusahaan dan proyek penelitian yang menemukan bahwa model pembelajaran mesin bisa sangat membantu dalam menyortir dataset besar, menawarkan kepastian tambahan meskipun hasil mereka tidak dapat digantikan dengan proses nyata.
Ronde A $15 juta termasuk investor baru Seventure Partners, NUS Technology Holdings, Thia Ventures dan ID Capital, dengan investasi ulang dari Xora Innovation, SOSV, Entrepreneur First dan Transpose Platform.
Salehian mengatakan perusahaan dalam kondisi yang bagus dan memiliki banyak waktu dan uang untuk mencapai ambisinya - dengan pengecualian bahwa mereka mungkin akan mengumpulkan jumlah yang lebih kecil nanti tahun ini untuk mendanai ekspansi ke bidang farmasi dan membuka kantor di Amerika Serikat.
