Medra získala 52 milionů dolarů na vývoj „Fyzického AI vědce“ pro objevování léků
Technologický startup Medra ze San Francisca uzavřel investiční kolo Série A ve výši 52 milionů dolarů (přibližně 1,2 miliardy Kč), aby urychlil vývoj své platformy, kterou popisuje jako „první komplexní platformu fyzického AI vědce“ na světě, určenou pro objevování léků. Cílem společnosti je umožnit „nepřetržité experimentování“ kombinací generování hypotéz řízeného umělou inteligencí a robotického provádění v laboratoři. Tento přístup má potenciál urychlit pokrok v boji proti stárnutí a nemocem souvisejícím s věkem.
Medra se zaměřuje na dva hlavní problémy ve výzkumu a vývoji léků:
- Omezená automatizace: Stávající automatizace v laboratořích je často jen programovatelná průmyslová technika s omezenými schopnostmi učení.
- Závislost AI na manuální práci: Mnohé AI projekty zůstávají čistě výpočetní a stále vyžadují ruční laboratorní práci pro získání tréninkových dat.
Přístup společnosti Medra má tyto problémy řešit přímým propojením předpovědí generovaných umělou inteligencí s automatickým prováděním roboty a následným vracením výsledků experimentů zpět do modelů.
„Farmaceutický průmysl provádí miliony experimentů, ale většina těchto dat nemůže být znovu použita nebo vložena zpět do umělé inteligence,“ uvedla zakladatelka a generální ředitelka Medry, MUDr. Michelle Lee. „Tento cyklus uzavíráme propojením předpovědí s výsledky v nepřetržitém, sebezdokonalujícím se procesu.“
Namísto provádění statických experimentů se systém Medry učí z každého výsledku a iteruje v reálném čase, což umožňuje výzkumníkům efektivněji prozkoumávat rozsáhlé biologické prostory.
Zrychlení výzkumu dlouhověkosti
Medra uvádí, že její přístup má významný potenciál urychlit výzkum stárnutí a nemocí souvisejících s věkem.
„Stárnutí a nemoci související s věkem jsou řízeny komplexními, vzájemně se ovlivňujícími biologickými cestami, což zpomaluje pokrok při použití tradičních přístupů ‚jeden experiment po druhém‘,“ vysvětlila Dr. Lee. Dodala, že mnoho potenciálních intervencí pro dlouhověkost závisí na pochopení, jak spolu v průběhu času fungují procesy jako metabolismus, reakce na buněčný stres, proteinová homeostáza a zánět.
V praxi by Medra mohla umožnit vědcům v oblasti dlouhověkosti systematicky testovat kombinace cest relevantních pro dlouhověkost. To by pomohlo identifikovat synergické účinky, které by bylo obtížné odhalit konvenčními metodami.
Technické provedení platformy
Na technické úrovni Medra spojuje dvě vrstvy:
- Fyzická AI (Physical AI): Vrstva, kde roboti mohou interagovat se standardními laboratorními nástroji a autonomně provádět protokoly.
- Vědecká AI (Scientific AI): Vrstva, která zpracovává data, navrhuje aktualizace protokolů a doporučuje další kroky v přirozeném jazyce, který mohou vědci upravovat.
Systém je navržen tak, aby byl dostatečně flexibilní pro přijetí stávajících laboratorních nástrojů a umožnil vědcům přizpůsobit pracovní postupy bez nutnosti přepisování nízkoúrovňových automatizačních skriptů.
Profesor Patrick Hsu z UC Berkeley k tomu dodal: „Modely AI generují předpovědi mnohem rychleji, než je dokážeme experimentálně ověřit. Integrace těchto nástrojů s tradiční laboratorní automatizací je často příliš nepružná, aby se efektivně škálovala. Fyzický AI vědec Medry překlenuje tuto mezeru pomocí autonomní, univerzální robotiky. Systém se učí z každého experimentu, čímž vytváří nepřetržitou zpětnovazební smyčku potřebnou k rozšíření generování dat a dosažení průlomů v hraniční vědě.“
Medra již spolupracuje s biotechnologickým gigantem Genentech na projektu nazvaném „lab in a loop“ (laboratoř ve smyčce). V rámci tohoto projektu modely a experimentální programy Genentechu využívají a zároveň jsou krmeny autonomní exekuční vrstvou Medry, což umožňuje rychlejší iteraci předpovědí a experimentálního ověřování.
Investiční kolo Série A vedla společnost Human Capital a zúčastnily se ho společnosti jako Lux Capital, Neo, NFDG, Catalio Capital Management, Menlo Ventures, 776, Fusion Fund a další.
Jak uvedl Armaan Ali z Human Capital, „Medra vytváří zcela novou kategorii v biofarmaceutickém výzkumu a vývoji, kde věříme, že se věda může neustále učit a škálovat, aby vytvořila průkopnické terapie s vyšší pravděpodobností klinického úspěchu.“