La méthode ingénieuse d'Allozymes pour tester rapidement des millions de réactions chimiques à base de biomolécules se révèle non seulement être un service utile, mais également la base d'un ensemble de données unique et précieux. Et où il y a des données, il y a de l'IA - et où il y a de l'IA, il y a des investisseurs. La société vient de lever 15 millions de dollars lors de sa série A pour faire passer son activité d'un service utile à une ressource de classe mondiale.

Nous avons couvert la startup biotechnologique pour la première fois en 2021, lorsqu'elle faisait ses premiers pas : "À l'époque, nous étions moins de cinq personnes, et dans notre premier laboratoire - mille pieds carrés", se souvient le PDG et fondateur Peyman Salehian.

La société compte désormais 32 employés aux États-Unis, en Europe et à Singapour, et dispose de 15 fois plus d'espace de laboratoire, qu'elle a utilisé pour accélérer sa technique de criblage enzymatique déjà exponentiellement plus rapide.

La technologie centrale de la société n'a pas changé depuis 2021, et vous pouvez en lire la description détaillée dans notre article d'origine. En résumé, les enzymes, des chaînes d'acides aminés qui effectuent certaines tâches dans les systèmes biologiques, étaient jusqu'à présent plutôt difficiles à trouver ou à inventer. Ceci est dû au nombre important de variations : Une molécule peut contenir des centaines d'acides, parmi lesquels on peut en choisir 20 pour chaque position, et chaque permutation peut avoir un effet totalement différent. Vous entrez rapidement dans des milliards de possibilités !

En utilisant des méthodes traditionnelles, ces variations peuvent être testées à un rythme de quelques centaines par jour dans un espace de laboratoire raisonnable, mais Allozymes utilise une méthode dans laquelle des millions d'enzymes peuvent être testées par jour en les plaçant dans de petites gouttelettes et en les faisant passer à travers un système microfluidique spécial. Vous pourriez le comparer à un tapis roulant avec une caméra au-dessus, scannant chaque article qui passe et les triant automatiquement dans différents bacs.

Ces enzymes pourraient être presque tout ce dont l'industrie biotechnologique et chimique a besoin : Si vous avez besoin de transformer des matières premières en certaines molécules désirées, ou vice versa, ou effectuer de nombreux autres processus fondamentaux, les enzymes sont la solution. Trouver un enzyme bon marché et efficace est rarement facile, et jusqu'à récemment toute l'industrie testait environ un million de possibilités par an - un nombre qu'Allozymes vise à multiplier par mille, en ciblant 7 milliards de variants en 2024.

"[En 2021], nous construisions simplement les machines, mais maintenant elles fonctionnent très bien et nous screnons jusqu'à 20 millions de variants d'enzymes par jour, a déclaré Salehian.

Le processus a déjà attiré des clients dans plusieurs industries, certains que Allozymes ne peut pas divulguer en raison d'engagements de non-divulgation, mais d'autres ont été documentés dans des études de cas :

• Phytoène est un enzyme trouvé naturellement dans les tomates et normalement récolté en petites quantités à partir de la peau de millions d'entre elles. Allozymes a trouvé un moyen de produire la même substance chimique dans un bioréacteur, en utilisant 99% moins d'eau (et probablement moins d'espace).
• Le Bisabolol est une autre substance chimique utile trouvée naturellement dans l'arbre candeia, une plante native d'Amazonie maintenant en voie de disparition. Désormais, un bisabolol bio-identique peut être produit en toute quantité en utilisant un bioréacteur et le chemin enzymatique de la société.
• Les fibres de plantes et de fruits comme les bananes peuvent être transformées en une substance appelée "fibres sucrées solubles", une alternative à d'autres sucres et édulcorants ; Allozymes a obtenu une subvention d'un million de dollars pour accélérer ce processus pas si simple. Salehian rapporte qu'ils ont fabriqué des biscuits et du bubble tea avec les résultats obtenus.

J'ai demandé la possibilité de développer des enzymes qui dégradent les microplastiques, qui ont fait l'objet de nombreuses recherches et figurent également dans les supports promotionnels d'Allozymes. Salehian a déclaré que bien que cela soit possible, ce n'est pas actuellement économiquement faisable dans leur modèle commercial actuel - en gros, un client devrait venir à la société en disant : "Je veux payer pour développer cela." Mais c'est dans leurs projets, et ils pourraient bientôt travailler dans le recyclage et le traitement des plastiques.

Jusqu'à présent, tout cela relevait plus ou moins du modèle économique initial de l'entreprise, qui consiste en l'optimisation des enzymes en tant que service. Mais la feuille de route implique une expansion vers des travaux plus fondamentaux, comme trouver une molécule pour répondre à un besoin plutôt que d'améliorer un processus existant.

Le service de modification des enzymes qu'a effectué Allozymes sera appelé SingZyme (comme enzyme unique) et continuera d'être une option d'entrée de gamme, répondant au besoin "nous voulons faire cela 100 fois plus rapidement ou moins cher". Un service plus étendu appelé MultiZyme adoptera une approche plus haut de gamme, découvrant ou affinant plusieurs enzymes pour répondre à un besoin plus général "nous avons besoin d'une chose qui fasse cela".

Les milliards de points de données qu'ils collectent dans le cadre de ces services resteront leur propriété intellectuelle, et constitueront "la plus grande bibliothèque de données sur les enzymes au monde", a déclaré Salehian.

"Vous pouvez donner la structure à AlphaFold et il vous dira comment elle se plie, mais il ne peut pas vous dire ce qui se passera si elle se lie à une autre substance chimique", a déclaré Salehian, et bien sûr que cette réaction est la seule partie qui intéresse l'industrie. "Il n'y a pas de modèle d'apprentissage machine dans le monde qui peut vous dire exactement ce qu'il faut faire, car les données que nous avons sont si minimes et si fragmentées ; nous parlons de 300 échantillons par jour pendant 20 ans", un nombre que les machines d'Allozymes peuvent facilement dépasser en une seule journée.

Salehian a déclaré qu'ils développent activement un modèle d'apprentissage machine basé sur les données qu'ils ont, et l'ont même testé sur un résultat connu.

"Nous avons nourri les données au modèle d'apprentissage machine, et il est revenu avec une nouvelle suggestion d'une molécule que nous testons déjà", a-t-il déclaré, ce qui est une validation initiale prometteuse de l'approche.

L'idée est loin d'être inédite : Nous avons couvert de nombreuses entreprises et projets de recherche qui ont découvert que les modèles d'apprentissage machine peuvent être très utiles pour trier de vastes ensembles de données, offrant une confiance supplémentaire même si leurs résultats ne peuvent pas être substitués au processus réel.

La série A de 15 millions de dollars comprend de nouveaux investisseurs Seventure Partners, NUS Technology Holdings, Thia Ventures et ID Capital, avec des investissements répétés de Xora Innovation, SOSV, Entrepreneur First et Transpose Platform.

Salehian a déclaré que la société est en très bonne forme et dispose de suffisamment de temps et d'argent pour atteindre ses ambitions - à l'exception qu'elle pourrait lever un montant moindre plus tard cette année afin de financer une expansion dans le domaine pharmaceutique et d'ouvrir un bureau aux États-Unis.