Tahun lalu, Salesforce, perusahaan yang terkenal dengan perangkat lunak pendukung penjualan cloud (dan Slack), mempelopori proyek bernama ProGen untuk merancang protein menggunakan AI generatif. Sebagai sebuah penelitian, ProGen dapat – jika dipasarkan – membantu mengungkap perawatan medis dengan biaya yang lebih efektif dibandingkan metode tradisional, para peneliti di baliknya diklaim dalam postingan blog Januari 2023.
ProGen mencapai puncaknya dalam penelitian yang dipublikasikan di jurnal Nature Biotech yang menunjukkan bahwa AI berhasil menciptakan struktur 3D protein buatan. Namun, di luar laporan tersebut, proyek tersebut tidak memberikan banyak manfaat bagi Salesforce atau di mana pun — setidaknya tidak dalam arti komersial.
Begitulah, sampai saat ini.
Salah satu peneliti yang bertanggung jawab atas ProGen, Ali Madani, telah meluncurkan sebuah perusahaan, Mereka akan mengalir, yang ia harap akan membawa teknologi penghasil protein serupa dari laboratorium ke tangan perusahaan farmasi. Dalam sebuah wawancara dengan TechCrunch, Madani menggambarkan misi Profluent sebagai “membalikkan paradigma pengembangan obat”: dimulai dengan kebutuhan pasien dan terapeutik dan bekerja mundur untuk menciptakan solusi perawatan yang “sesuai pesanan”.
“Banyak obat – misalnya enzim dan antibodi – terdiri dari protein,” kata Madani. “Jadi pada akhirnya ini adalah untuk pasien yang akan menerima protein rancangan AI sebagai obatnya.”
Saat berada di divisi penelitian Salesforce, Madani mendapati dirinya tertarik pada persamaan antara bahasa alami (misalnya bahasa Inggris) dan “bahasa” protein. Protein – rantai asam amino yang terikat bersama yang digunakan tubuh untuk berbagai tujuan, mulai dari membuat hormon hingga memperbaiki jaringan tulang dan otot – dapat diperlakukan seperti kata-kata dalam sebuah paragraf, Madani menemukan. Dimasukkan ke dalam model AI generatif, data tentang protein dapat digunakan untuk memprediksi protein baru dengan fungsi baru.
Bersama Profluent, Madani dan salah satu pendirinya Alexander Meeske, asisten profesor mikrobiologi di Universitas Washington, bertujuan untuk mengambil konsep ini selangkah lebih jauh dengan menerapkannya pada pengeditan gen.
“Banyak penyakit genetik yang tidak dapat disembuhkan [proteins or enzymes] diangkat langsung dari alam,” kata Madani. “Selain itu, sistem pengeditan gen yang dipadukan dan dicocokkan untuk mendapatkan kemampuan baru mengalami trade-off fungsional yang secara signifikan membatasi jangkauannya. Sebaliknya, Profluent dapat mengoptimalkan beberapa atribut secara bersamaan untuk mencapai desain khusus [gene] editor yang sangat cocok untuk setiap pasien.”
Itu tidak keluar dari bidang kiri. Perusahaan dan kelompok penelitian lain telah menunjukkan cara yang tepat untuk menggunakan AI generatif untuk memprediksi protein.
Nvidia pada tahun 2022 merilis model AI generatif, MegaMolBART, yang dilatih pada kumpulan data jutaan molekul untuk mencari target obat potensial dan memperkirakan reaksi kimia. Meta terlatih sebuah model yang disebut ESM-2 tentang rangkaian protein, sebuah pendekatan yang diklaim perusahaan memungkinkannya memprediksi rangkaian lebih dari 600 juta protein hanya dalam dua minggu. Dan DeepMind, laboratorium penelitian AI Google, memiliki sistem yang disebut AlphaFold yang memprediksi struktur protein lengkap, mencapai kecepatan dan akurasi yang jauh melebihi metode algoritmik lama yang tidak terlalu rumit.
Profluent sedang melatih model AI pada kumpulan data yang sangat besar — kumpulan data dengan lebih dari 40 miliar rangkaian protein — untuk menciptakan sistem baru serta menyempurnakan pengeditan gen dan sistem penghasil protein yang sudah ada. Daripada mengembangkan pengobatan sendiri, perusahaan rintisan ini berencana untuk berkolaborasi dengan mitra luar untuk menghasilkan “obat genetik” dengan jalur paling menjanjikan untuk mendapatkan persetujuan.
Madani menegaskan pendekatan ini dapat secara signifikan mengurangi jumlah waktu – dan modal – yang biasanya diperlukan untuk mengembangkan pengobatan. Menurut kelompok industri PhRMA, dibutuhkan rata-rata 10-15 tahun untuk mengembangkan satu obat baru mulai dari penemuan awal hingga persetujuan peraturan. Terkini perkiraan mematok biaya pengembangan obat baru antara beberapa ratus juta hingga $2,8 miliar.
“Banyak obat-obatan yang berdampak besar sebenarnya ditemukan secara tidak sengaja, bukan dirancang secara sengaja,” kata Madani. “[Profluent’s] Kemampuan ini menawarkan umat manusia kesempatan untuk beralih dari penemuan yang tidak disengaja ke desain yang disengaja dari solusi yang paling kita butuhkan dalam biologi.”
Profluent dengan 20 karyawan yang berbasis di Berkeley didukung oleh perusahaan-perusahaan VC terkemuka termasuk Spark Capital (yang memimpin putaran pendanaan perusahaan baru-baru ini senilai $35 juta), Insight Partners, Air Street Capital, AIX Ventures, dan Convergent Ventures. Kepala ilmuwan Google Jeff Dean juga berkontribusi dan memberikan kepercayaan tambahan pada platform ini.
Fokus Profluent dalam beberapa bulan ke depan adalah meningkatkan model AI-nya, sebagian dengan memperluas kumpulan data pelatihan, kata Madani, serta akuisisi pelanggan dan mitra. Ia harus bergerak secara agresif; saingannya termasuk EvolutionaryScale dan Basecamp Research dengan cepat melatih model penghasil protein mereka sendiri dan mengumpulkan sejumlah besar uang tunai VC.
“Kami telah mengembangkan platform awal kami dan menunjukkan terobosan ilmiah dalam pengeditan gen,” kata Madani. “Sekarang adalah waktunya untuk meningkatkan skala dan mulai mewujudkan solusi dengan mitra yang sesuai dengan ambisi kita di masa depan.”
