1767769656
2026-01-07 07:00:00
Биографикастартап, использующий искусственный интеллект и машинное обучение для ускорения и улучшения процесса разработки характеристик сельскохозяйственных культур путем определения ценных целей для редактирования генов, собрал посевной раунд в размере 7 миллионов фунтов стерлингов (9,5 миллионов долларов США).
Раунд вел Фабер ВК с участием СуперСид, Кардумен Капитал, Шлеми существующие инвесторы Чалфен Венчурс и Предприниматели прежде всего. Денежные вливания будут использованы для расширения сбора собственных данных Biographica, расширения ее платформы искусственного интеллекта для новых характеристик сельскохозяйственных культур и углубления коммерческих отношений в семеноводческой отрасли.
Лондонская фирма, завершившая пилотные проекты с несколькими партнерами, включая две из пяти крупнейших мировых компаний по производству семян, также объявила о новом партнерстве с подразделением BASF по производству семян овощей. Нунхемсхотя пока не может поделиться подробностями о том, над чем они будут работать.
«Мы видели, как искусственный интеллект изменил фармацевтику, превратив конвейеры методом проб и ошибок в обучаемые биологические системы. Мы привносим ту же дисциплину в выращивание сельскохозяйственных культур». Сесили Прайс, генеральный директор Biographica
Узкое место открытия
Выведение улучшенных сортов сельскохозяйственных культур остается чрезвычайно дорогостоящим и трудоемким, говорит компания Biographica, основанная в 2022 году Сесили Прайс и доктором наук Домиником Холлом, которые объединяют опыт в области генетики, искусственного интеллекта/МО и вычислительной биологии.
По их словам, узкое место очевидно: теперь у нас есть такие инструменты, как CRISPR, которые могут редактировать гены с большой точностью, но они не могут сказать нам, какие гены контролируют ключевые характеристики, такие как устойчивость к засухе, устойчивость к болезням или питание, или как их редактировать.
“Современные разработки основаны на анализе литературы, интуиции ученых и высокопроизводительном тестировании. Эти методы обеспечивают вероятность попадания <1% и вынуждают семеноводческие компании тестировать тысячи изменений, чтобы найти ту, которая работает, упуская при этом из виду множество новых генов с реальным потенциалом. Без лучшего руководства инновации остаются медленными, дорогостоящими и рискованными".
Biographica стремится устранить это узкое место, применяя искусственный интеллект для быстрой идентификации наиболее важных генов и предоставления инструкций по их редактированию.
В пилотных проектах ведущих семеноводческих и селекционных компаний она выявила проверенные гены-мишени в 12 раз быстрее, чем традиционные методы, но также смогла выявить новые цели, которые традиционные методы не пропускают, что потенциально может позволить новым, ценным признакам выйти на рынок, утверждает фирма.
Сейчас компания объединяет свою платформу с быстрой экспериментальной проверкой, чтобы создать модель «лабораторного цикла», популярную при открытии лекарств, в соответствии с которой платформы продолжают «самосовершенствоваться», несмотря на постоянную обратную связь.
«Поскольку изменение климата усиливает давление на сельскохозяйственные системы, улучшение генетики сельскохозяйственных культур является самым мощным рычагом, который у нас есть для устойчивого повышения урожайности и повышения устойчивости.». София Сантос, партнер Faber VC
Гены и черты: от корреляции к причинно-следственной связи
В настоящее время Холл рассказал AgFunderНовостимногие фирмы по-прежнему полагаются на ГВАС (Всегеномные ассоциативные исследования), которые сканируют геномы многих растений и статистически связывают варианты ДНК с признаками, задавая вопрос: какие варианты чаще встречаются у растений с этим признаком?
QTL Картирование (локусов количественных признаков), в свою очередь, скрещивает растения с различными признаками и отслеживает, как области ДНК и признак наследуются вместе у потомства, что сужает области генома, которые, вероятно, влияют на признак.
Проблема, по словам Холла, заключается в том, что эти подходы доказывают корреляцию, а не причинно-следственную связь, и не расставляют приоритеты и не ранжируют генетические цели или «попадания». У GWAS есть «недостатки: чрезвычайно сложно выйти за рамки простого «этот вариант связан с этим признаком», чтобы получить более механистическое понимание того, почему этот вариант может быть связан с этим признаком».
Платформа Biographica, напротив, использует графики знаний и машинное обучение, чтобы попытаться предсказать, какие гены оказывают наибольшее влияние, как они взаимодействуют с другими и какие, вероятно, станут лучшими целями для редактирования генов с меньшим количеством нежелательных побочных эффектов.
В основе этого лежат базовые модели, обученные на мультимодальных наборах геномных данных, которые фиксируют взаимодействия как ген/ген, так и ген/признак. Затем модели прогнозируют гены, которые с наибольшей вероятностью будут оказывать причинное влияние на признак, а затем соответствующим образом вносят изменения. Результаты экспериментов затем возвращаются в модели, обеспечивая постоянное улучшение.
Со временем это обеспечивает более высокие показатели успеха (выявление важных генов) и быстрее, утверждает фирма, которая может предоставить партнерам гены-мишени для ценных признаков ключевых культур, которые могут служить отправной точкой для их собственной работы по разработке признаков, или может предоставить экспериментально подтвержденные признаки, которые клиенты могут перейти непосредственно к фазе испытаний.
Коммерческая валидация
Что касается сбора средств, ключевое значение имело коммерческое подтверждение в форме партнерства с BASF, Cibus (по устойчивости к болезням рапса/канолы) и другими ключевыми игроками, сказал Прайс.
«У нас был немного более широкий круг целевых венчурных капиталистов, с которыми мы могли поговорить, потому что мы находимся на пересечении искусственного интеллекта, машинного обучения, климата, биотехнологий и сельского хозяйства, хотя обратная сторона этого заключается в том, что вы говорите с инвесторами, которые не являются местными или специалистами в области сельского хозяйства и имеют довольно сильный скептицизм по отношению к рынку.
«Таким образом, возможность сказать, что у нас есть контракты с некоторыми из крупнейших семеноводческих компаний в мире, это определенно помогло, особенно в отношении некоторых способов структурирования этих первоначальных контрактов и проектов, поскольку они также служили некоторой технической проверкой».
Холл добавил: «Мы находимся в сфере, где настоящая техническая проверка — это многолетний процесс, но наличие первоначальных доказательств, которые показывают, что мы можем достичь высоких показателей точности в коммерческих условиях, определенно помогло нам».
Biographica стремится точно и эффективно идентифицировать ценные генетические мишени для редактирования генов сельскохозяйственных культур, черпая вдохновение из недавних достижений в области открытия лекарств, включающих LLM, преобразователи и технологии на основе графов. Одно из недавних проектов сотрудничества с Cibus было сосредоточено на повышении устойчивости к болезням масличного рапса и канолы. Изображение предоставлено: iStock/Сергий Зыско
Платформа, не зависящая от культур и признаков
По словам Холла, модели Biographica “предварительно обучаются на очень больших массивах общедоступных данных секвенирования и генетики. Затем мы точно настраиваем эти предварительно обученные модели на данных, которые собираем сами”.
“Когда мы только начинали, – сказал Прайс, – мы разговаривали со многими различными семеноводческими компаниями и потенциальными клиентами, и я неоднократно слышал, как люди говорили: “Мы устали от компаний, которые приходят к нам и говорят: у нас отличные возможности машинного обучения. Теперь дайте нам все ваши данные, и мы покажем вам, насколько они хороши”.
“Итак, с самого начала мы планировали разработать первую версию нашей платформы, которая будет независима от данных клиентов или партнеров. Таким образом, в основе лежит то, что мы используем общедоступные данные и данные, сгенерированные Biographica из нашей лаборатории, а затем, помимо этого, мы используем межвидовые данные и мультимодальные данные для обучения наших моделей”.
Затем Biographica сравнила результаты своей платформы с данными о генетических характеристиках, которые партнеры уже доказали внутри компании. Это подтвердило скорость и эффективность подхода Biographica, а также выявило новые гены, на которые партнеры «возможно, не обращали внимания раньше», добавил Холл.
«Очевидно, что разработка характеристик сельскохозяйственных культур — это многолетний процесс, но у нас уже есть несколько коммерческих партнерств с этими новыми целями, которые продвигаются к последующим этапам исследований и разработок в рамках конвейеров клиентов».
Хотя многие крупные семеноводческие и селекционные компании внедряют искусственный интеллект и машинное обучение собственными силами, они часто адаптируются к очень конкретным культурам и признакам, в то время как платформа Biographica не зависит от культуры и признака, сказал Прайс, который сказал, что фирма работала с партнерами по различным культурам, включая овощи, помидоры, нут, масличные и основные зерновые культуры.
Дальнейшее чтение:
🎥 Avalo использует «полный геном ИИ» для ускорения селекции сельскохозяйственных культур: «Мы смотрим на лес, а не на деревья»
InEdita Bio о редактировании генов 2.0: «Нам нужно объединить генетику растений с генетикой микробов»
В ходе испытаний на нескольких рынках OlsAro приближает к рынку солеустойчивую пшеницу.
Технологический центр Дэнфорта запускает стартап по редактированию генов Spearhead Bio, чтобы решить «серьезное препятствие с помощью CRISPR»
Phytoform и Corteva сотрудничают в области искусственного интеллекта для повышения устойчивости кукурузы к болезням
#Biographica #заработала #млн #долларов #на #дизайне #сельскохозяйственных #культур #использованием #искусственного #интеллекта #партнерстве #BASF
Продолжение темы
