Converge Bio levanta US$ 25 milhões com o apoio de Bessemer e executivos da Meta, OpenAI e Wiz

A inteligência artificial está a avançar rapidamente para o campo da descoberta de medicamentos, à medida que as empresas farmacêuticas e de biotecnologia procuram formas de reduzir anos aos prazos de investigação e desenvolvimento e aumentar a probabilidade de sucesso num contexto de custos crescentes. mais Mais de 200 startups As empresas estão agora a correr para integrar a IA diretamente nos fluxos de trabalho de investigação, o que suscita um maior interesse por parte dos investidores. convergir biografia é a mais recente empresa a garantir novo capital e capitalizar a mudança à medida que a concorrência se intensifica no espaço de descoberta de medicamentos impulsionado pela IA.

A startup sediada em Boston e Tel Aviv, que usa IA generativa treinada em dados moleculares para ajudar empresas farmacêuticas e de biotecnologia a desenvolver medicamentos mais rapidamente, levantou uma rodada Série A de US$ 25 milhões com excesso de assinaturas liderada pela Bessemer Venture Partners. TLV Partners e Vintage Investment Partners também participaram da rodada, com apoio adicional de executivos não identificados da Meta, OpenAI e Wiz.

Na verdade, o Converge treina modelos generativos baseados em sequências de DNA, RNA e proteínas e os incorpora em fluxos de trabalho farmacêuticos e biotecnológicos para acelerar o desenvolvimento de medicamentos.

“O ciclo de vida de desenvolvimento de medicamentos definiu estágios, desde a identificação e descoberta do alvo até a fabricação, ensaios clínicos e muito mais, e em cada estágio há experimentos que podemos apoiar”, disse o CEO e cofundador da Converge Bio, Dov Gertz, em entrevista exclusiva ao TechCrunch. “Nossa plataforma continua a se expandir nesses estágios, ajudando-nos a lançar novos medicamentos no mercado com mais rapidez.”

Até agora, a Converge lançou um sistema voltado para o cliente. A startup já implantou três sistemas de IA separados. Um para design de anticorpos, um para otimização do rendimento de proteínas e um para biomarcadores e descoberta de alvos.

“Tome nosso sistema de design de anticorpos como exemplo. Não é apenas um modelo único; é composto de três componentes integrados. Primeiro, um modelo generativo cria novos anticorpos. Em seguida, um modelo preditivo filtra esses anticorpos com base em propriedades moleculares. Finalmente, um sistema de acoplamento usando um modelo de base física simula as interações tridimensionais entre o anticorpo e seu alvo”, continuou Gertz. Segundo o CEO, o valor está em todo o sistema, não em um único modelo. “Nossos clientes não precisam montar os modelos sozinhos; eles obtêm um sistema pronto para uso que se conecta diretamente ao seu fluxo de trabalho.”

O novo financiamento ocorre cerca de um ano e meio depois que a empresa levantou capital. Sementes de US$ 5,5 milhões Rodada em 2024.

Desde então, a startup de dois anos cresceu rapidamente. Gertz disse que a Converge tem 40 parcerias com empresas farmacêuticas e de biotecnologia e atualmente possui cerca de 40 programas em execução em sua plataforma.. Trabalhamos com clientes nos EUA, Canadá, Europa, Israel e atualmente estamos expandindo para a Ásia.

A equipe também cresceu rapidamente, passando de apenas nove funcionários para 34 em novembro de 2024. Ao longo do caminho, a Converge começou a publicar estudos de caso. Em um exemplo, a startup ajudou os parceiros a aumentar o rendimento de proteínas de 4 a 4,5 vezes em uma única iteração computacional. Em outro exemplo, a plataforma gerou anticorpos com afinidades de ligação muito altas, atingindo a faixa nanomolar única, disse Gertz.

Há um interesse crescente na descoberta de medicamentos usando IA. ano passadoA Eli Lilly se uniu à Nvidia para construir o que a empresa chama de supercomputador de descoberta de medicamentos mais poderoso da indústria farmacêutica. E em outubro de 2024, os desenvolvedores irão Projeto AlphaFold do Google DeepMind ganha Prêmio Nobel em química para criar AlphaFold, um sistema de IA que pode prever estruturas de proteínas.

Questionado sobre este impulso e como está a moldar o crescimento da Converge Bio, Gertz disse que a empresa está a testemunhar a maior oportunidade financeira na história das ciências da vida, com a indústria a afastar-se de uma abordagem de “tentativa e erro” para um design molecular baseado em dados.

“Sentimos profundamente esse impulso, especialmente na caixa de entrada. Quando fundamos a empresa, há um ano e meio, havia muito ceticismo”, disse Gertz ao TechCrunch. Esse ceticismo se dissipou com uma rapidez surpreendente, acrescentou ele, graças a histórias de sucesso de empresas como a Converge e do meio acadêmico.

Modelos de linguagem em larga escala ganharam atenção na descoberta de medicamentos pela sua capacidade de analisar sequências biológicas e sugerir novas moléculas, mas permanecem desafios, como alucinações e precisão. “Com texto, as alucinações geralmente são fáceis de detectar”, disse o CEO. “Para moléculas, a validação de um novo composto pode levar semanas, por isso os custos são muito mais elevados.” Para resolver isso, o Converge combina modelos generativos e preditivos para filtrar novas moléculas para reduzir riscos e melhorar os resultados para os parceiros. “Embora essa filtragem não seja perfeita, ela reduz significativamente o risco e proporciona melhores resultados para nossos clientes”, acrescentou Gertz.

O TechCrunch também perguntou sobre especialistas que ainda existem, como Yann LeCun. Cético sobre o uso de um LLM. “Sou um grande fã de Yann LeCun e concordo plenamente com ele. Não dependemos de modelos baseados em texto para nossa compreensão científica central. Para compreender verdadeiramente a biologia, precisamos treinar modelos de DNA, RNA, proteínas e pequenas moléculas”, explicou Gertz.

LLMs baseados em texto são usados ​​apenas como ferramenta de suporte, por exemplo, para ajudar os clientes a navegar na literatura sobre as moléculas geradas. “Essas não são nossas tecnologias principais”, disse Gertz. “Não estamos presos a uma única arquitetura; usamos LLM, modelos de difusão, aprendizado de máquina tradicional e técnicas estatísticas conforme apropriado.”

“Nossa visão é que todas as organizações de ciências biológicas usem o Converge Bio como um laboratório generativo de IA. Sempre haverá laboratórios úmidos, mas eles serão combinados com laboratórios generativos que criam hipóteses e moléculas computacionalmente. Queremos ser esse laboratório generativo para toda a indústria”, disse Gertz.