📢 转载信息
原文作者：Kate Park
随着制药和生物技术公司寻求缩短研发时间并提高成功率（因为成本不断上升），人工智能正迅速进军药物发现领域。目前有超过200家初创公司竞相将AI直接嵌入研究工作流程中，吸引了投资者日益增长的兴趣。Converge Bio是最新搭上这股浪潮的公司，在AI驱动的药物发现领域的竞争日益激烈的背景下，该公司获得了新的资金。
这家总部位于波士顿和特拉维夫的初创公司，利用在分子数据上训练的生成式AI帮助制药和生物技术公司加速药物开发，已完成由Bessemer Venture Partners领投的、超额认购的2500万美元A轮融资。TLV Partners和Vintage Investment Partners也参与了本轮融资，此外还获得了来自Meta、OpenAI和Wiz等公司未透露身份的高管提供的额外支持。
实际上，Converge利用DNA、RNA和蛋白质序列训练生成模型，然后将其集成到制药和生物技术的工作流程中，以加速药物开发。
Converge Bio首席执行官兼联合创始人Dov Gertz在接受TechCrunch独家采访时表示：“药物开发生命周期有明确的阶段——从靶点识别和发现到制造、临床试验及其他环节——在我们支持的每个环节中，都有我们可以支持的实验。我们的平台正在跨越这些阶段不断扩展，帮助更快地将新药推向市场。”
到目前为止，Converge已经推出了面向客户的系统。该公司已经推出了三个独立的AI系统：一个用于抗体设计，一个用于优化蛋白质产率，以及一个用于生物标志物和靶点发现。
Gertz继续解释道：“以我们的抗体设计系统为例。它不仅仅是一个单一的模型。它由三个集成组件构成。首先，一个生成模型创建新颖的抗体。然后，预测模型根据其分子特性筛选这些抗体。最后，一个对接系统利用基于物理的模型，模拟抗体与其靶点之间的三维相互作用。”他指出，价值在于整个系统，而不是任何单一的模型。“我们的客户不必自己拼凑模型。他们获得的是即用型的系统，可以直接插入到他们的工作流程中。”
此次新融资是在该公司于2024年完成550万美元种子轮融资大约一年半之后。
自那时起，这家成立两年的初创公司发展迅速。Gertz表示，Converge已与40家制药和生物技术公司建立了合作伙伴关系，目前在其平台上运行大约40个项目。该公司与美国、加拿大、欧洲和以色列的客户合作，目前正向亚洲扩张。
团队也迅速壮大，员工人数从2024年11月的9人增加到34人。在此过程中，Converge开始发布公开案例研究。在一个案例中，该公司帮助一个合作伙伴在一次计算迭代中将蛋白质产率提高了4到4.5倍。Gertz提到，在另一个案例中，该平台生成的抗体具有极高的结合亲和力，达到了单纳摩尔级别。
AI驱动的药物发现正经历一波兴趣热潮。去年，礼来（Eli Lilly）与英伟达（Nvidia）合作，旨在构建他们所称的制药行业最强大的药物发现超级计算机。在2024年10月，谷歌DeepMind的AlphaFold项目的开发者因创建了能够预测蛋白质结构的AI系统AlphaFold而获得了诺贝尔化学奖。
当被问及这种势头以及它如何影响Converge Bio的增长时，Gertz表示，该公司正在目睹生命科学史上最大的财务机遇，而且整个行业正从“试错”方法转向数据驱动的分子设计。
Gertz告诉TechCrunch：“我们深刻感受到了这种势头，尤其是在我们的收件箱中。一年前半，当我们创立公司时，存在很多怀疑的声音。”他补充说，得益于Converge和学术界等公司的成功案例研究，这种怀疑已经非常迅速地消失了。
大型语言模型（LLM）因其分析生物序列和建议新分子的能力而在药物发现领域受到关注，但失真（hallucinations）和准确性等挑战仍然存在。“在文本中，失真通常很容易发现，”这位首席执行官说。“在分子领域，验证一种新颖的化合物可能需要数周时间，因此成本要高得多。”为了解决这个问题，Converge将生成模型与预测模型配对，筛选新分子以降低风险并提高其合作伙伴的成果。“这种过滤并非完美无缺，但它大大降低了风险，为我们的客户带来了更好的成果，”Gertz补充道。
TechCrunch还询问了像Yann LeCun这样的专家的看法，他们仍然对使用LLM持怀疑态度。“我非常欣赏Yann LeCun，我完全同意他的观点。我们不依赖基于文本的模型来进行核心科学理解。要真正理解生物学，模型需要用DNA、RNA、蛋白质和小分子进行训练，”Gertz解释道。
基于文本的LLM仅用作支持工具，例如帮助客户浏览有关生成分子文献。“它们不是我们的核心技术，”Gertz说。“我们不局限于单一架构。只要合理，我们就会使用LLM、扩散模型、传统机器学习和统计方法。”
Gertz总结道：“我们的愿景是，每家生命科学组织都将使用Converge Bio作为其生成式AI实验室。湿式实验室永远都会存在，但它们将与计算上创建假设和分子的生成实验室相结合。我们希望成为整个行业的这个生成实验室。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区