Η Converge Bio συγκέντρωσε 25 εκατ. δολάρια σε νέο γύρο χρηματοδότησης με τη συμμετοχή της Bessemer και στελεχών από Meta, OpenAI και Wiz. Η εταιρεία αναπτύσσει συστήματα AI για την ανακάλυψη και τον σχεδιασμό φαρμάκων.
Η Converge Bio συγκέντρωσε 25 εκατ. δολάρια σε νέο γύρο χρηματοδότησης, με επικεφαλής την Bessemer και τη συμμετοχή στελεχών από Meta, OpenAI και Wiz. Η κίνηση έρχεται περίπου ενάμιση χρόνο μετά τον seed γύρο των 5,5 εκατ. δολαρίων που είχε κλείσει το 2024.
Η εταιρεία χρησιμοποιεί generative μοντέλα εκπαιδευμένα σε αλληλουχίες DNA, RNA και πρωτεϊνών και τα ενσωματώνει σε ροές εργασίας φαρμακευτικών και βιοτεχνολογικών εταιρειών. Έχει ήδη διαθέσει τρία συστήματα προς πελάτες: για σχεδιασμό αντισωμάτων, βελτιστοποίηση απόδοσης πρωτεϊνών και ανακάλυψη βιοδεικτών και στόχων.
Σύμφωνα με τον CEO και συνιδρυτή Dov Gertz, το σύστημα για τα αντισώματα δεν βασίζεται σε ένα μόνο μοντέλο αλλά σε τρία συνδεδεμένα μέρη: ένα generative μοντέλο δημιουργεί νέες εκδοχές, predictive μοντέλα τις φιλτράρουν με βάση τις ιδιότητές τους και ένα docking σύστημα προσομοιώνει την τρισδιάστατη αλληλεπίδραση με τον στόχο. Η Converge λέει ότι οι πελάτες της παίρνουν έτοιμα συστήματα και δεν χρειάζεται να συνθέτουν μόνοι τους τα μοντέλα.
Η νεοφυής εταιρεία, που ιδρύθηκε πριν από δύο χρόνια, έχει ολοκληρώσει πάνω από 40 προγράμματα με περισσότερους από δώδεκα πελάτες στους τομείς της φαρμακοβιομηχανίας και της βιοτεχνολογίας. Το προσωπικό της έχει φτάσει τα 34 άτομα από εννέα τον Νοέμβριο του 2024, ενώ σε δημοσίως διαθέσιμες μελέτες περίπτωσης αναφέρει βελτίωση της απόδοσης πρωτεΐνης κατά 4 έως 4,5 φορές σε μία υπολογιστική επανάληψη και αντισώματα με ισχυρή συγγένεια δέσμευσης στο single-nanomolar range.
Η στροφή προς το AI-driven drug discovery έχει ενταθεί, με εταιρείες όπως η Eli Lilly να συνεργάζονται με τη Nvidia και το AlphaFold της Google DeepMind να φτάνει μέχρι και το Νόμπελ Χημείας το 2024. Η Converge λέει ότι χρησιμοποιεί τα μεγάλα γλωσσικά μοντέλα μόνο ως βοηθητικά εργαλεία, ενώ στον πυρήνα της πλατφόρμας βάζει μοντέλα εκπαιδευμένα σε βιολογικά δεδομένα, καθώς και diffusion models, κλασική μηχανική μάθηση και στατιστικές μεθόδους.
