Η βοστονέζικη startup Converge Bio άντλησε 25 εκατομμύρια δολάρια σε χρηματοδότηση Series A, με επικεφαλής την Bessemer Venture Partners, για να επεκτείνει την πλατφόρμα γενετικής AI που βοηθά φαρμακευτικές εταιρείες να αναπτύσσουν φάρμακα γρηγορότερα. Η εταιρεία εκπαιδεύει μοντέλα σε αλληλουχίες DNA, RNA και πρωτεϊνών, και τα ενσωματώνει απευθείας στις ροές εργασίας των πελατών της. Σε λιγότερο από δύο χρόνια λειτουργίας, έχει ήδη ολοκληρώσει πάνω από 40 προγράμματα με δώδεκα φαρμακευτικές και βιοτεχνολογικές εταιρείες.
Η ανακάλυψη νέων φαρμάκων είναι από τις πιο χρονοβόρες και δαπανηρές διαδικασίες στη σύγχρονη επιστήμη. Χρειάζονται κατά μέσο όρο πάνω από δέκα χρόνια και δισεκατομμύρια δολάρια για να φτάσει ένα μόριο από το εργαστήριο στο φαρμακείο — και η πλειονότητα των υποψήφιων φαρμάκων αποτυγχάνει στη διαδρομή. Η Converge Bio στοιχηματίζει ότι η γενετική AI μπορεί να αλλάξει αυτή την εξίσωση, και οι επενδυτές φαίνεται να συμφωνούν: η εταιρεία ανακοίνωσε γύρο χρηματοδότησης 25 εκατομμυρίων δολαρίων, με επικεφαλής την Bessemer Venture Partners και συμμετοχή στελεχών από Meta, OpenAI και Wiz.
Η πλατφόρμα της Converge δεν λειτουργεί με τον τρόπο που φαντάζεται κανείς όταν ακούει «AI για φάρμακα». Δεν πρόκειται για ένα μοντέλο γλώσσας που διαβάζει επιστημονικά άρθρα και προτείνει θεραπείες. Αντίθετα, εκπαιδεύει εξειδικευμένα μοντέλα πάνω σε βιολογικά δεδομένα — αλληλουχίες DNA, RNA, πρωτεΐνες, μικρά μόρια — και τα συνδυάζει σε ολοκληρωμένα συστήματα που μπορούν να ενσωματωθούν στις υπάρχουσες ροές εργασίας μιας φαρμακευτικής εταιρείας. Μέχρι σήμερα έχει παρουσιάσει τρία τέτοια συστήματα: ένα για τον σχεδιασμό αντισωμάτων, ένα για τη βελτιστοποίηση της απόδοσης πρωτεϊνών και ένα για την ανακάλυψη βιοδεικτών και στόχων.
Ο CEO και συνιδρυτής Dov Gertz εξηγεί ότι η αξία δεν βρίσκεται σε κανένα μεμονωμένο μοντέλο, αλλά στο σύστημα ως σύνολο. Στο σύστημα σχεδιασμού αντισωμάτων, για παράδειγμα, ένα γενετικό μοντέλο δημιουργεί νέα αντισώματα, προγνωστικά μοντέλα τα φιλτράρουν βάσει μοριακών ιδιοτήτων, και ένα σύστημα προσομοίωσης βασισμένο στη φυσική αναλύει τις τρισδιάστατες αλληλεπιδράσεις μεταξύ αντισώματος και στόχου. Οι πελάτες δεν χρειάζεται να συναρμολογήσουν μόνοι τους αυτά τα κομμάτια — παίρνουν έτοιμα συστήματα που συνδέονται απευθείας με τις διαδικασίες τους.
Τα αποτελέσματα που παρουσιάζει η εταιρεία είναι εντυπωσιακά, αν και προέρχονται από την ίδια. Σε ένα πρόγραμμα, η πλατφόρμα βοήθησε έναν συνεργάτη να τετραπλασιάσει σχεδόν την απόδοση πρωτεΐνης σε έναν μόνο υπολογιστικό κύκλο. Σε άλλο, παρήγαγε αντισώματα με εξαιρετικά υψηλή συγγένεια δέσμευσης στο εύρος του ενός νανομολαρίου — μια τιμή που στη βιοχημεία σημαίνει ότι το μόριο «κολλάει» στον στόχο του με ακρίβεια. Η εταιρεία έχει ήδη ολοκληρώσει πάνω από 40 προγράμματα με περισσότερες από δώδεκα εταιρείες στις ΗΠΑ, τον Καναδά, την Ευρώπη και το Ισραήλ, και τώρα επεκτείνεται στην Ασία.
Το ευρύτερο τοπίο αλλάζει γρήγορα. Η Eli Lilly συνεργάστηκε με την Nvidia για να χτίσει έναν από τους ισχυρότερους υπερυπολογιστές της φαρμακευτικής βιομηχανίας. Το AlphaFold της DeepMind, που προβλέπει τη δομή πρωτεϊνών, έφερε στους δημιουργούς του Νόμπελ Χημείας το 2024. Πάνω από 200 startups ανταγωνίζονται πλέον στον χώρο της AI-driven drug discovery. Ο Gertz λέει ότι πριν από ενάμιση χρόνο υπήρχε έντονος σκεπτικισμός — σήμερα έχει εξαφανιστεί, αντικατασταθεί από ένα inbox που δεν αδειάζει.
Το ερώτημα που παραμένει ανοιχτό είναι αν η ταχύτητα της υπολογιστικής δημιουργίας μορίων μπορεί πραγματικά να αντισταθμίσει την αβεβαιότητα της βιολογίας. Τα μοντέλα μπορούν να «παραισθανθούν» — να προτείνουν μόρια που φαίνονται υπολογιστικά ελκυστικά αλλά αποτυγχάνουν στο εργαστήριο. Η Converge απαντά με στρώματα φιλτραρίσματος που μειώνουν τον κίνδυνο, χωρίς να τον εξαλείφουν. Το όραμα του Gertz είναι ένας «γενετικός εργαστήριο» δίπλα σε κάθε φυσικό εργαστήριο — όχι αντικατάσταση, αλλά επιτ
