Une nouvelle startup fondée par une forme de scientifique de Google Deepmind demande une furtivité avec 50 millions de dollars de financement.
Latente Labs construit des modèles de fondation AI pour «rendre la biologie programmable» et elle prévoit de s’associer avec des sociétés biotechnologiques et pharmaceutiques pour générer et optimiser les protéines.
Il est impossible de comprendre ce que DeepMind et son Illek font sans d’abord comprendre le rôle que les protéines jouent dans la biologie humaine. Les protéines conduisent tout dans les cellules vivantes, des enzymes et des hormones aux anticorps. Ils sont constitués d’acides aminés distincts surround 20, qui relient le togger en strings qui se plient pour créer une structure 3D, dont la forme détermine le fonctionnement de la protéine.
Mais déterminer la forme de chaque protéine était historiquement un processus très lent et à forte intensité de main-d’œuvre. C’était la grande percée que DeepMind a obtenue avec Alphafold: il a maillé l’apprentissage automatique avec de réelles données biologiques pour prédire la forme de quelque 200 millions de structures de protéines.
Armés de telles données, les scientifiques peuvent mieux comprendre les maladies, concevoir de nouveaux médicaments et même créer des protéines synthétiques pour des cas d’utilisation entièrement nouvelles. C’est là que les laboratoires latents entendent le gel avec son ambition de permettre aux chercheurs de «créer du calcul» de nouvelles molécules thérapeutiques à partir de zéro.
Potentiel latent
Simon Kohl (photo ci-dessus) a commencé en tant que chercheur scientifique chez DeepMind, travaillant avec l’équipe de base Alphafold2 avant de co-diriger l’équipe de conception des protéines et de mettre en place le laboratoire humide de Deepmind au Francis Crick Institute de Londres. À cette époque, Deepmind a également engendré une entreprise sœur sous la forme de laboratoires isomorphes, qui se concentre sur l’application de la recherche sur l’IA de DeepMind pour transformer la découverte de médicaments.
C’était une combinaison de ces développements qui a convaincu Kohl que le moment était venu de faire cavalier seul avec une tenue plus maigre focalisée spécifiquement sur la construction de modèles de frontière (c’est-à-dire, de pointe) pour la conception des protéines. Ainsi, à la fin de 2022, Kohl a quitté DeepMind pour jeter les fondations des laboratoires latents et a incorporé l’entreprise à Londres à la mi-2023.
«J’ai passé un moment fantastique et percutant (chez DeepMind), et je suis devenu convaincu de l’impact que la modélisation générative allait avoir en biologie et en programmation à Parfolar», a déclaré Kohl à TechCranch dans une interview. «En même temps, j’ai vu qu’avec le lancement de laboratoires isomorphes, et leur basé sur Alphafold2, ils commençaient Mary Thing à ICCE. J’avais l’impression que l’opportunité était vraiment de se promener au laser sur la conception des protéines. La conception des protéines, en soi, est un champ si vaste et a tellement d’espace blanc non xéré que je pensais qu’une tenue vraiment agile et ciblée serait en mesure de traduire cet impact. «
Traduire cet impact comme une startup soutenue par une entreprise impliquait d’embaucher une quinzaine d’employés, dont deux de DeepMind, un ingénieur principal de Microsoft, et des doctorats de l’Université de Cambridge. Aujourd’hui, l’effectif de latent est divisé sur deux sites – un à Londres, où le modèle Frontier Model se produit, et un autre à San Francisco, avec son propre laboratoire humide et son équipe de conception de protéines informatiques.
« Cela nous permet de tester nos modèles dans le monde réel et d’obtenir les commentaires que nous avons besoin pour comprendre que nos modèles progressent comme nous le souhaitons », a déclaré Kohl.

Alors que les laboratoires humides sont très à l’ordre du jour à court terme en termes de validation des prédiions de la technologie de latente, l’objectif ultime est d’annuler la nécessité de laboratoires humides.
« Notre mission est de faire de la biologie programmable, apportant vraiment de la biologie dans le domaine informatique, où la dépendance à l’égard de l’expérience biologique et humide sera réduite au fil du temps », a déclaré Kohl.
Cela met en évidence l’un des principaux avantages de la «fabrication de programmables en biologie» – subissant un processus de découverte de médicaments qui s’appuie actuellement sur d’innombrables expériences et itération qui peuvent prendre des années.
« Cela nous permet de faire des molécules vraiment personnalisées sans compter sur le laboratoire humide – au moins, c’est la vision », a poursuivi Kohl. «Imaginez un monde où quelqu’un vient avec une hypothèse sur la cible du médicament à suivre pour une maladie particulière, et nos modèles pourraient, d’une manière« à bouton-poussoir », faire un médicament protéique qui vient avec tous les régties souhaitées cuites . «
L’activité de biologie
En termes de modèle commercial, les laboratoires latentes ne se considèrent pas comme «l’assistisme» – qu’elle ne développera pas ses candidats thérapeutiques en interne. Au lieu de cela, il veut travailler avec des partenaires tiers pour accélérer et risquer les étapes de R&D antérieures.
«Nous pensons que le plus grand impact que nous pouvons avoir en tant qu’entreprise est de permettre d’autres biopharmatiques, biotechnologies et sociétés de sciences de la vie – en leur donnant un accès direct à nos modèles ou en soutenant leurs programmes de découverte via des fêtes de fête», a déclaré Kohl.
L’injection de trésorerie de 50 millions de dollars de la société comprend une tranche de semence de 10 millions de dollars auparavant inopinée et une nouvelle série de 40 millions de dollars A, co-dirigée par Radical Ventures spécifiquement, le partenaire Aaron Rosenberg, qui était un chef de stratégie et d’opérations à DeepMind.
L’autre investisseur co-dirigé est Sofinnova Partners, une entreprise de capitaine française avec un long record de piste dans l’espace des sciences de la vie. Les autres participants à la ronde incluent Flying Fish, Isomer, 8VC, Kingerd Capital, Pillar VC et des anges notables tels que le scientifique en chef de Google Jeff Dean, le fondateur de Cohere Aidan Gomez et le fondateur d’Elevenlabs Mati Staniszewski.
Alors qu’un morceau de l’argent ira aux employés, y compris ceux des nouvelles embauches d’apprentissage automatique, un ament important de l’argent sera nécessaire pour couvrir les infrastructures.
« Le calcul est également un coût important pour nous – nous construisons des modèles assez importants, je pense qu’il est juste à dire, et cela nécessite beaucoup de calcul GPU », a déclaré Kohl. «Ce financement s’apprête vraiment à doubler sur EverHything-Acquire pour continuer à mettre à l’échelle notre modèle, à mettre à l’échelle les équipes et à commencer à construire la bande passante et la capacité d’avoir ces partenariats et la traction commerciale que nous recherchons maintenant. «
Mis à part DeepMind, plusieurs startups et échelles soutenues par des entreprises cherchent à rapprocher les mondes de calcul et de biologie, tels que Cradle et Bioptimus. Kohl, pour sa part, pense que nous sommes toujours à un stage précoce suffisant, par lequel nous ne savons toujours pas quelle sera la meilleure approche en termes de décodage et de conception de systèmes biologiques.
« Il y a eu des graines très intéressantes plantées (par exemple) avec Alphafold et quelques autres modèles génératifs d’autres groupes », a déclaré Kohl. «Mais ce domaine n’a pas convergé en termes de ce qui est la meilleure approche de modèle, ni en termes de ce que le modèle commercial fonctionnera ici. Je pense que nous avons la capacité d’innover vraiment. «