Xhuliano Brace, dyrektor generalny i współzałożyciel zespołu Rhizome Research. (Zdjęcie kłącza)
Xhuliano Brace szybko zdał sobie sprawę, że inwestorzy kapitału wysokiego ryzyka nie zamierzają wypisywać dużych czeków dwóm założycielom poniżej 30. roku życia, którzy stosowali, jak to określa, „przewrotne” podejście do wykorzystywania sztucznej inteligencji do projektowania nowych leków.
Więc on sam stawia zakład.
Po czterech latach pracy nad projektami związanymi ze sztuczną inteligencją w Amazon Brace opuścił technologicznego giganta, aby samodzielnie finansować swoją wizję. Wykorzystując osobiste oszczędności i zyski z handlu internetowego, zainwestował sześciocyfrową sumę w Rhizome Research, start-up z siedzibą w Seattle, który opracowuje na zamówienie małe cząsteczki przypominające leki.
Po uruchomieniu w zeszłym roku pięcioosobowy startup niedawno wyszedł z ukrycia. Oprócz dyrektora generalnego Brace’a, który posiada stopnie naukowe z matematyki, informatyki i ekonomii na Uniwersytecie w Albany, do kierownictwa Rhizome należą:
Yiwen Wang, współzałożycielka i główny naukowiec, posiada doktorat z chemii na Uniwersytecie Carnegie Mellon. Gregory Sinenka, główny technolog, doktor fizyki, który pracował w europejskim ośrodku badawczym oraz w Johnson & Johnson. Doradcą naukowym jest John Proudfoot, były szef amerykańskiego Departamentu Chemii Lekarskiej firmy Boehringer Ingelheim. Inne podejście do odkrywania leków
Yiwen Wang, współzałożyciel i główny naukowiec w Rhizome Research, po lewej, oraz Gregory Sinennka, główny technolog. (Zdjęcia kłącza)
Zamiast korzystać z istniejących narzędzi do budowania cząsteczek, Rhizome stworzył własny, udoskonalony model podstawowy, zwany r1. Technologia ta to „graficzna sieć neuronowa” i została wytrenowana na ponad 800 milionach małych cząsteczek przypominających narkotyki.
Podejście to różni się od popularnego modelu RoseTTAFold stworzonego przez Instytut Projektowania Białka na Uniwersytecie Waszyngtońskim, który zasadniczo opiera się na aminokwasach budujących białka.
Model r1 koncentruje się na atomach i wiązaniach tworzących cząsteczkę oraz jej topografii. Tutaj pojawia się idea wykresu: atomy są analogiczne do punktów na wykresie, natomiast wiązania są podobne do ich linii łączących.
Celem zespołu jest odkrycie leków w oparciu o fragmenty, tworząc małe cząsteczki zoptymalizowane pod kątem wiązania się z celami określonymi przez klienta. Zapewnią one, że każdy kandydat na lek będzie mógł zostać skutecznie zsyntetyzowany w laboratorium i będzie nadawał się do ochrony patentowej.
W zeszłym tygodniu firma Rhizome uruchomiła ADAMS, zautomatyzowane narzędzie sztucznej inteligencji typu open source, które wykorzystuje instrukcje w języku naturalnym do symulowania wiązania między cząsteczkami biologicznymi. Planuje także udostępnić MolSim, czyli symulację opartą na fizyce, która wykorzystuje zaawansowane obliczenia darmowej energii, które przewidują, jak mocno mała cząsteczka zwiąże się ze swoim celem. MolSim nie będzie oprogramowaniem typu open source.
Wizja centrum w Seattle
Firma Rhizome nawiązała niedawno współpracę z laboratoriami mokrymi, które mogą zweryfikować rzeczywiste działanie potencjalnych leków, które projektuje, a także bada relacje z klientami.
Brace działa w ramach Foundations, społeczności startupów z siedzibą w Seattle, założonej przez przedsiębiorcę i inwestora Aviela Ginzburga. Pozostali pracownicy Rhizome pracują zdalnie, ale plan jest taki, aby sprowadzić ludzi do Waszyngtonu.
„Naprawdę chcę, aby Seattle stało się swego rodzaju centrum odkrywania leków małocząsteczkowych” – powiedział Brace.
Jako kluczowych graczy wskazał Instytut Allena, Instytut Projektowania Białka i inne organizacje z obszaru Seattle. W regionie znajduje się także wiele powiązanych start-upów zajmujących się projektowaniem leków, w tym Pauling.AI, Synthesize Bio i Xaira Therapeutics z siedzibą w San Francisco i laboratoriami w Seattle.
Brace powiedział, że jest podekscytowany możliwością pracy nad projektem, który może mieć znaczący wpływ na ludzkość, i nie żałuje, że włożył w ten wysiłek własne pieniądze. Ogólnie optymistycznie podchodzi do wykorzystania sztucznej inteligencji do projektowania cząsteczek zarówno dla potrzeb opieki zdrowotnej, jak i takich dziedzin, jak inżynieria materiałowa i zaawansowana produkcja.
„To najbardziej interesująca przestrzeń problemowa”, powiedział Brace.
