Startup Cradle ຊ່ວຍໃຫ້ທ່ານອອກແບບໂປຣຕີນທີ່ກໍາຫນົດເອງໂດຍການພິມທັນທີ

ມີບໍລິສັດໃຫມ່ຢູ່ໃນທ່ອນໄມ້ທີ່ມີພາລະກິດເພື່ອເຮັດໃຫ້ຊີວະສາດການຂຽນໂປລແກລມງ່າຍ. ການເລີ່ມຕົ້ນຂອງເອີຣົບເອີ້ນວ່າ Cradle ແມ່ນພົ້ນເດັ່ນຂື້ນຈາກ stealth ຫຼັງຈາກການສ້າງເວທີຂອງພວກເຂົາ. ມັນ​ໄດ້​ປະ​ກາດ​ພຽງ​ແຕ່ 5.5 ລ້ານ​ເອີ​ໂຣ (5.4 ລ້ານ​ໂດ​ລາ​ສະ​ຫະ​ລັດ​) ການ​ສະ​ຫນອງ​ທຶນ​ໃນ​ຮອບ​ທີ່​ນໍາ​ໂດຍ ບໍລິສັດດັດສະນີ, ນະຄອນຫຼວງ, ແລະນັກລົງທຶນເທວະດາລວມທັງ John Zimmer, ຜູ້ຮ່ວມກໍ່ຕັ້ງແລະປະທານຂອງ Lyftlyft
, ແລະ Emily Leproust, CEO ແລະຜູ້ກໍ່ຕັ້ງຂອງ ຊີວະວິທະຍາ Twist. ດ້ວຍສອງສະຖານທີ່ - ຫນຶ່ງໃນ Delft, ເນເທີແລນ, ແລະຫນຶ່ງແມ່ນ Zurich, ສະວິດເຊີແລນ, - Cradle ແມ່ນ straddling ໂລກຂອງຊີວະສາດແລະປັນຍາປະດິດ, ປະສົມປະສານທີ່ມີພະລັງຂອງເຕັກໂນໂລຢີທີ່ຂົ່ມຂູ່ທີ່ຈະລົບກວນວິທີທີ່ນັກວິທະຍາສາດອອກແບບທາດໂປຼຕີນ.

ບໍ່ໄດ້ຮັບການຫລອກລວງໂດຍບໍລິສັດທີ່ເບິ່ງຄືວ່າແຄບທີ່ເນັ້ນໃສ່ທາດໂປຼຕີນ. ພວກມັນບໍ່ແມ່ນພຽງແຕ່ສິ່ງທີ່ພວກເຮົາກິນ – ເຖິງແມ່ນວ່າວິສະວະກໍາ ຊີ້ນ, ໄຂ່, ແລະນົມທີ່ບໍ່ມີສັດ ແທ້ຈິງແລ້ວ, ຜະລິດຕະພັນແມ່ນຈຸດສຸມໃຫຍ່ຂອງຊີວະວິທະຍາສັງເຄາະ. ທາດໂປຼຕີນຍັງເປັນເຄື່ອງຈັກຊີວະພາບທີ່ຫຼາກຫຼາຍຊະນິດທີ່ເນັ້ນໃສ່ທຸກໆຫນ້າທີ່ເກືອບຢູ່ໃນຈຸລັງທີ່ມີຊີວິດແລະມີການນໍາໃຊ້ຫຼາຍເທົ່າທີ່ຢູ່ນອກຊີວະສາດ. ຄິດເຖິງ enzymes ທີ່ໃຊ້ໃນເຄື່ອງຊັກຜ້າ, ເຄື່ອງສໍາອາງ, ແລະແຜ່ນແພ; ຫຼືພູມຕ້ານທານທີ່ເຮັດໃຫ້ການປິ່ນປົວທີ່ມີປະສິດທິພາບ; ຫຼື, ໃນຄວາມເປັນຈິງ, ພື້ນທີ່ອື່ນໆຂອງເຕັກໂນໂລຊີຊີວະພາບທີ່ທາດໂປຼຕີນ catalyze ປະຕິກິລິຍາເພື່ອເຮັດໃຫ້ຜະລິດຕະພັນເຊັ່ນ: ຈໍານວນຫຼາຍແລະສານເຄມີພິເສດ, ລົດຊາດແລະກິ່ນຫອມ, ນໍ້າມັນເຊື້ອໄຟຊີວະພາບ, ວັດສະດຸ, ແລະອື່ນໆ. ມີການນໍາໃຊ້ທີ່ນັບບໍ່ຖ້ວນສໍາລັບ biomolecules ເຫຼົ່ານີ້, ແລະ Cradle ຕ້ອງການເປີດໃຊ້ຄໍາຮ້ອງສະຫມັກຫຼາຍກວ່າເກົ່າທີ່ມີຄວາມສາມາດໃນການອອກແບບໂປຣຕີນທີ່ກໍາຫນົດເອງທີ່ປະຕິບັດວຽກງານທີ່ຫຼາກຫຼາຍ.

ຜູ້ຮ່ວມກໍ່ຕັ້ງ ແລະ CEO Stef van Grieken ຂອງ Cradle ແມ່ນ "ຜູ້ສະໜອງໂປຣຕີນອັນດີ". ລາວໃຊ້ເວລາທົດສະວັດທີ່ຜ່ານມາເຮັດວຽກຢູ່ Google AI ນໍາພາການພັດທະນາຄໍາຮ້ອງສະຫມັກການຮຽນຮູ້ເຄື່ອງຈັກຈໍານວນຫນຶ່ງ, ເຊັ່ນດຽວກັນກັບຢູ່ X, "ໂຮງງານຜະລິດຮູບດວງຈັນ" ຂອງ Google, ການ​ປະ​ເມີນ​ຄວາມ​ເປັນ​ໄປ​ໄດ້​ຂອງ​ໂຄງ​ການ​ຂັ້ນ​ຕົ້ນ​. ໃນລະຫວ່າງການຄອບຄອງຢູ່ GoogleGOOG
, ລາວໄດ້ກາຍເປັນ fascinated ກັບພາສາຂອງທາດໂປຼຕີນ - ວິທີການລໍາດັບອາຊິດ amino ແປເປັນຮູບແບບພັບສະເພາະແລະໂຄງສ້າງທີ່ອະນຸຍາດໃຫ້ທາດໂປຼຕີນປະຕິບັດຫນ້າທີ່ຊັບຊ້ອນຂອງເຂົາເຈົ້າ. ນັບຕັ້ງແຕ່ນັ້ນມາ, ລາວໄດ້ເຮັດວຽກກ່ຽວກັບຄວາມຄິດທີ່ຈະປະສົມປະສານເຕັກໂນໂລຢີການປຸງແຕ່ງພາສາທໍາມະຊາດກັບຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບວິທີການລໍາດັບທາດໂປຼຕີນທີ່ແປເປັນຫນ້າທີ່ເພື່ອເຮັດໃຫ້ການຄາດຄະເນທີ່ດີກວ່າສໍາລັບການອອກແບບທາດໂປຼຕີນທີ່ສົມເຫດສົມຜົນ.

ທາດໂປຼຕີນຈາກນັກອອກແບບແມ່ນອຸດສາຫະກໍາທີ່ມີມູນຄ່າຫຼາຍຕື້ໂດລາ: ຕະຫຼາດຄາດວ່າຈະບັນລຸ $ 3.9 ຕື້ໂດລາໂດຍ 2024, ຂັບເຄື່ອນໃນສ່ວນໃຫຍ່ໂດຍການປິ່ນປົວດ້ວຍທາດໂປຼຕີນ. ແຕ່ມັນອາດຈະໃຫຍ່ກວ່ານັ້ນ: ມີທ່າແຮງອັນໃຫຍ່ຫຼວງສໍາລັບການແຜ່ຂະຫຍາຍໄປສູ່ຂົງເຂດອື່ນໆຂອງຊີວະວິທະຍາສັງເຄາະ, ຖ້າພຽງແຕ່ການອອກແບບທາດໂປຼຕີນທີ່ກໍາຫນົດເອງແມ່ນບໍ່ຍາກຫຼາຍ. ວິທີການວິສະວະກໍາທາດໂປຼຕີນແມ່ນເຮັດໄດ້ໃນປັດຈຸບັນແມ່ນຜ່ານການທົດລອງແລະຄວາມຜິດພາດໃນຫ້ອງທົດລອງ, ແລະອັດຕາຄວາມສໍາເລັດປົກກະຕິຂອງການກົດແປ້ນພິມສະເພາະຂອງການອອກແບບແມ່ນຫນ້ອຍກວ່າ 1%. ເພື່ອເພີ່ມໂອກາດຂອງຄວາມສໍາເລັດ, ນັກຊີວະວິທະຍາສາມາດນໍາໃຊ້ເຄື່ອງມືຊອບແວເຊັ່ນ Rosetta or AlphaFold ເພື່ອຄາດຄະເນໂຄງສ້າງທາດໂປຼຕີນໂດຍອີງໃສ່ລໍາດັບຂອງມັນ. ທາດໂປຼຕີນຈາກພຽງແຕ່ສາຍຂອງອາຊິດ amino ທີ່ພັບເຂົ້າໄປໃນຮູບຮ່າງ 3D ເຊັ່ນ origami. ແຕ່ການຄາດເດົາຮູບແບບພັບເປັນບັນຫາທີ່ສັບສົນຢ່າງບໍ່ຫນ້າເຊື່ອ, ແລະໂຄງການເຊັ່ນ Rosetta ຕ້ອງການການຝຶກອົບຮົມຫຼາຍປີແລະຄອມພິວເຕີຫຼາຍພັນເຄື່ອງເພື່ອແລ່ນ.

Cradle ກໍາລັງເຂົ້າຫາບັນຫາທີ່ແຕກຕ່າງກັນ: ພວກເຂົາກໍາລັງໃຊ້ຮູບແບບການຜະລິດເພື່ອ "ວິສະວະກອນດ້ານຫລັງ" ທາດໂປຼຕີນ. ທ່ານອາດຈະເຄີຍໄດ້ຍິນຫຼືແມ້ກະທັ້ງການນໍາໃຊ້ຮູບແບບການຜະລິດເຊັ່ນ: SLAB ທີ່ສາມາດສ້າງຮູບພາບໃຫມ່ໂດຍອີງໃສ່ການປ້ອນຂໍ້ມູນອະທິບາຍ. ຜູ້ກໍ່ຕັ້ງ Cradle ຄິດວ່າຈະນໍາໃຊ້ຫຼັກການດຽວກັນໃນການອອກແບບສະຖາປັດຕະຍະກໍາທາດໂປຼຕີນໃຫມ່. ແທນທີ່ຈະໃຊ້ຕົວແບບໂຄງສ້າງຕາມລຳດັບ, ເຂົາເຈົ້າໃຊ້ວິທີການຮຽນຮູ້ເຄື່ອງຈັກທີ່ໄດ້ຮັບການຝຶກອົບຮົມຈາກຂໍ້ມູນຕົວຈິງ. ຜູ້ໃຊ້ສາມາດກໍານົດປະເພດຂອງທາດໂປຼຕີນທີ່ພວກເຂົາຕ້ອງການອອກແບບ, ແລະເວທີຈະສະຫນອງບັນຊີລາຍຊື່ຂອງລໍາດັບທີ່ເປັນໄປໄດ້ທີ່ສາມາດສ້າງໂຄງສ້າງນັ້ນ. ແລະສ່ວນທີ່ດີທີ່ສຸດແມ່ນ - ທ່ານບໍ່ ຈຳ ເປັນຕ້ອງເປັນຜູ້ຊ່ຽວຊານດ້ານການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອໃຊ້ມັນ:

"ການສອນຕົນເອງ, ການປັບປຸງຕົນເອງຂອງ Cradle ຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກໃນການຜະລິດໄດ້ດຶງດູດເອົາຄວາມກ້າວຫນ້າທີ່ຜ່ານມາໃນ 'ການປຸງແຕ່ງພາສາທໍາມະຊາດ' ເພື່ອຄາດຄະເນວ່າພາກສ່ວນໃດຂອງລະຫັດພັນທຸກໍາຂອງທາດໂປຼຕີນທີ່ນັກຊີວະວິທະຍາຈະຕ້ອງມີການປ່ຽນແປງ, ປັບປຸງໂອກາດຂອງນັກວິທະຍາສາດທີ່ຈະບັນລຸຜົນການທົດລອງໃນທາງບວກໂດຍບໍ່ມີການ. ຕ້ອງການພື້ນຖານການຮຽນຮູ້ເຄື່ອງຈັກ", CEO ກ່າວໃນຖະແຫຼງການຂ່າວ. "ໂດຍຜ່ານວິທີການນີ້, Cradle ເຊື່ອວ່າມັນສາມາດຫຼຸດຜ່ອນເວລາແລະຄ່າໃຊ້ຈ່າຍໃນການໄດ້ຮັບຜະລິດຕະພັນຊີວະວິທະຍາສັງເຄາະອອກສູ່ຕະຫຼາດໂດຍຄໍາສັ່ງຂອງຂະຫນາດ."

ໃນມື້ນີ້, ບໍລິສັດຊີວະວິທະຍາແລະຊີວະວິທະຍາສັງເຄາະສ່ວນໃຫຍ່ໄດ້ຖືກປະໄວ້ກັບອຸປະກອນຂອງຕົນເອງໃນເວລາທີ່ມັນມາກັບທາດໂປຼຕີນຈາກວິສະວະກໍາ. ຜູ້ນທີ່ສໍາຄັນ ໃນຂົງເຂດວິສະວະກໍາທາດໂປຼຕີນປະກອບມີ Thermo Fischer, Danaher, Agilent TechnologiesA
, ແລະ Bio-Rad, ເຊັ່ນດຽວກັນກັບບໍລິສັດຂະຫນາດນ້ອຍເຊັ່ນ CodexisCDXS
, Genscript, ຊີວະວິທະຍາ Caribou, ອາເຊດາ, ແລະອາຫານທີ່ເປັນໄປບໍ່ໄດ້. ແຕ່ສໍາລັບບໍລິສັດຊີວະວິທະຍາສັງເຄາະຈໍານວນຫຼາຍ, ວິສະວະກໍາທາດໂປຼຕີນແມ່ນວິທີການທີ່ຈະສິ້ນສຸດ, ແລະສິ່ງທີ່ພວກເຂົາສຸມໃສ່ແທ້ໆແມ່ນການນໍາໃຊ້ທາດໂປຼຕີນທີ່ກໍານົດເອງ. Cradle ຕ້ອງການໃຫ້ພວກເຂົາມີເຄື່ອງມືເພື່ອປັບປຸງໂອກາດຂອງຄວາມສໍາເລັດຂອງພວກເຂົາ: "ພວກເຮົາຕ້ອງການຊ່ວຍໃຫ້ທີມງານວິສະວະກອນໂປຣຕີນທີ່ມີການທົດລອງຫນ້ອຍແລະປະສົບຜົນສໍາເລັດຫຼາຍ," Stef ເວົ້າ.

Cradle ຕົວຂອງມັນເອງບໍ່ແມ່ນຊີວະວິທະຍາສັງເຄາະຫຼືບໍລິສັດການຮຽນຮູ້ເຄື່ອງຈັກ - ພວກເຂົາທັງສອງ. “ພວກເຮົາບໍ່ຕ້ອງການເປັນພຽງແຕ່ບໍລິສັດການຮຽນຮູ້ເຄື່ອງຈັກ; ທ່ານກໍ່ຕ້ອງເຂົ້າໃຈຊີວະວິທະຍາເຊັ່ນກັນ,” Stef ເວົ້າ. ດ້ວຍຄວາມຊໍານານໃນເທັກໂນໂລຍີການຮຽນຮູ້ເຄື່ອງຈັກ ແລະທັກສະຫ້ອງທົດລອງທີ່ເໜືອກວ່າທີ່ສະມາຊິກທີມຂອງເຂົາເຈົ້າໄດ້ນໍາເອົາມາຈາກບໍລິສັດຕ່າງໆເຊັ່ນ Google, IBMIBM
, Zymergen, ແລະ Perfect Day, ທີມງານຂອງ Cradle ມີພຽງແຕ່ 13 ຄົນໄດ້ສ້າງເວທີການເຮັດວຽກພາຍໃຕ້ຫນຶ່ງປີ. ບໍ່ມີບໍລິສັດອື່ນຫຼາຍຢູ່ໃນພື້ນທີ່ນີ້. Cyrus Bio ສ້າງຕັ້ງຂຶ້ນໂດຍຜູ້ພັດທະນາຂອງ Rosetta David Baker, ອາຈານສອນຢູ່ມະຫາວິທະຍາໄລວໍຊິງຕັນ, ເປັນອີກອັນຫນຶ່ງທີ່ໃຊ້ການອອກແບບທາດໂປຼຕີນຈາກ AI ເພື່ອພັດທະນາການປິ່ນປົວແບບໃຫມ່.

ເພື່ອໃຫ້ສອດຄ່ອງກັບພື້ນຖານທີ່ຫຼາກຫຼາຍຂອງທີມງານ Cradle, ບໍລິສັດໄດ້ດຶງດູດນັກລົງທຶນຈາກຂົງເຂດເຕັກໂນໂລຢີທີ່ແຕກຕ່າງກັນ, ລວມທັງຜູ້ກໍ່ຕັ້ງບໍລິສັດສັງເຄາະ DNA ຂອງ Twist Bioscience Emily Leproust ແລະປະທານ John Zimmer ຂອງ Lyft. ຄວາມສົນໃຈຈາກບໍລິສັດຫຸ້ນສ່ວນຂັບເຄື່ອນອາດຈະແປກໃຈໃນຕອນທໍາອິດ; ແຕ່ຄວາມກ້າວຫນ້າຫຼາຍຢ່າງໃນການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນມາຈາກຂົງເຂດອື່ນໆຂອງເຕັກໂນໂລຢີ. Jelle Prins ຜູ້ຮ່ວມກໍ່ຕັ້ງຂອງບໍລິສັດເອງມາຈາກ UberUBER
ແລະມີສ່ວນຮ່ວມໃນການອອກແບບແລະສ້າງແອັບຯທໍາອິດສໍາລັບບໍລິສັດທີ່ປະສົບຜົນສໍາເລັດຫຼາຍເຊັ່ນ Uber ແລະ Booking.com.

ແລະນັ້ນແມ່ນສິ່ງທີ່ເກີດຂຶ້ນໃນເວລາທີ່ພື້ນທີ່ທີ່ແຕກຕ່າງກັນຂອງ ເຕັກໂນໂລຢີເລິກ collide: galaxy ຂອງຄວາມເປັນໄປໄດ້ໃຫມ່ເກີດມາ. Stef ຈິນຕະນາການບໍລິສັດຂອງລາວສ້າງຄວາມເຂັ້ມແຂງທາງດ້ານຊີວະວິທະຍາສັງເຄາະໃນພື້ນທີ່ເຄມີແລະສ່ວນປະກອບ, ວິທະຍາສາດວັດສະດຸແລະວິສະວະກໍາ, ແລະຂົງເຂດອື່ນໆ: "ຫວັງວ່າພວກເຮົາຈະເປັນຕົວກະຕຸ້ນສໍາລັບບໍລິສັດຫຼາຍທີ່ຈະສ້າງຂຶ້ນເພາະວ່າຄ່າໃຊ້ຈ່າຍໃນການໄດ້ຮັບ [ຜະລິດຕະພັນ]. ຕະຫຼາດຄວນຈະຫຼຸດລົງ. ຖ້າທ່ານສາມາດສ້າງຜະລິດຕະພັນຊີວະພາບທີ່ມີທີມງານ 15 ຄົນໃນສອງສາມປີແລະພຽງແຕ່ສອງສາມລ້ານໂດລາ, ມັນຈະປະສົບຜົນສໍາເລັດ."

ຊອບແວຂອງ Cradle ຖືກໃຊ້ແລ້ວໂດຍບໍລິສັດຈໍານວນຫນຶ່ງ, ແລະພວກເຂົາຕ້ອງການແຈກຢາຍມັນຢ່າງກວ້າງຂວາງເທົ່າທີ່ເປັນໄປໄດ້. ນີ້ແມ່ນເຫດຜົນທີ່ວ່າເວທີແມ່ນບໍ່ເສຍຄ່າເພື່ອນໍາໃຊ້ສໍາລັບນັກວິຊາການ. Cradle ຍັງສະເຫນີເງື່ອນໄຂ IP ທີ່ເປັນມິດ, ບ່ອນທີ່ຜູ້ໃຊ້ບໍ່ຈໍາເປັນຕ້ອງຈ່າຍຄ່າພາກຫຼວງໃນຜະລິດຕະພັນໃດໆທີ່ພັດທະນາໂດຍໃຊ້ເວທີ, ເຊັ່ນດຽວກັນກັບຄວາມເປັນສ່ວນຕົວແລະຄວາມປອດໄພທີ່ສົມບູນເພື່ອປົກປ້ອງຄວາມລັບທາງການຄ້າ. "ພວກເຮົາຕ້ອງການເຮັດໃຫ້ມັນສາມາດໃຊ້ໄດ້ກັບທຸກໆຄົນເພື່ອປະຊາທິປະໄຕທາງດ້ານວິສະວະກໍາທາດໂປຼຕີນ," ແມ່ນວິໄສທັດຂອງ CEO ຂອງ Cradle. Stef ຈະເວົ້າຢູ່ໃນກອງປະຊຸມ SynBioBeta ໃນປີຫນ້າ, ສະຖານທີ່ບ່ອນທີ່ຜູ້ນໍາດ້ານຊີວະສາດສັງເຄາະແລະນັກວິໄສທັດເຕົ້າໂຮມກັນເພື່ອເຮັດໃຫ້ອະນາຄົດທີ່ຍືນຍົງກວ່າ. ລອງເບິ່ງວ່າແນວຄວາມຄິດໃໝ່ໆຂອງເທັກໂນໂລຍີ Cradle ຈະເປັນແຮງບັນດານໃຈແບບໃດ.

ຂໍຂອບໃຈທ່ານ Katia Tarasava ສໍາລັບການຄົ້ນຄວ້າເພີ່ມເຕີມແລະການລາຍງານກ່ຽວກັບບົດຄວາມນີ້. ຂ້ອຍເປັນຜູ້ກໍ່ຕັ້ງຂອງ SynBioBeta, ແລະບາງບໍລິສັດທີ່ຂ້ອຍຂຽນກ່ຽວກັບ, ລວມທັງ Twist Bioscience, ເປັນຜູ້ສະຫນັບສະຫນູນຂອງ ກອງປະຊຸມ SynBioBeta ແລະ ຍ່ອຍອາທິດ.