Fundada por um ex-aluno da DeepMind, Latent Labs é lançada com $50M para tornar a biologia programável.

Uma nova startup fundada por um ex-cientista do Google DeepMind está saindo do modo stealth com um financiamento de 50 milhões de dólares.

A Latent Labs está desenvolvendo modelos fundacionais de IA para “tornar a biologia programável” e planeja se associar a empresas de biotecnologia e farmacêuticas para gerar e otimizar proteínas.

É impossível compreender o que DeepMind e suas semelhanças estão fazendo sem primeiro entender o papel que as proteínas desempenham na biologia humana. As proteínas impulsionam tudo em células vivas, desde enzimas e hormônios até anticorpos. Elas são compostas por cerca de 20 aminoácidos distintos, que se ligam em cadeias que se dobram para criar uma estrutura 3D, cuja forma determina o funcionamento da proteína.

No entanto, descobrir a forma de cada proteína era historicamente um processo muito lento e trabalhado. Essa foi a grande descoberta que o DeepMind alcançou com o AlphaFold: mesclou aprendizado de máquina com dados biológicos reais para prever a forma de cerca de 200 milhões de estruturas proteicas.

Com esses dados, os cientistas podem entender melhor doenças, projetar novos medicamentos e até mesmo criar proteínas sintéticas para novos casos de uso. É nesse contexto que a Latent Labs entra em cena com sua ambição de capacitar os pesquisadores a “criar computacionalmente” novas moléculas terapêuticas do zero.

Potencial latente

Simon Kohl (na foto acima) começou como cientista pesquisador no DeepMind, trabalhando com a equipe central do AlphaFold2 antes de co-liderar a equipe de design de proteínas e estabelecer o laboratório úmido do DeepMind no Instituto Francis Crick em Londres. Por volta dessa época, o DeepMind também gerou uma empresa irmã em forma da Isomorphic Labs, que se concentra em aplicar a pesquisa em IA do DeepMind para transformar a descoberta de medicamentos.

Foi uma combinação desses desenvolvimentos que convenceu Kohl de que era a hora certa de seguir em frente com uma equipe menor focada especificamente na construção de modelos de ponta (ou seja, modelos de vanguarda) para design de proteínas. Assim, no final de 2022, Kohl deixou o DeepMind para estabelecer as bases da Latent Labs e incorporou a empresa em Londres no meio de 2023.

“Tive um tempo fantástico e impactante [no DeepMind] e me convenci do impacto que a modelagem generativa teria na biologia e no design de proteínas em particular,” disse Kohl ao TechCrunch em uma entrevista esta semana. “Ao mesmo tempo, percebi que com o lançamento da Isomorphic Labs e seus planos baseados no AlphaFold2, eles estavam começando várias coisas de uma só vez. Senti que a oportunidade estava realmente em ir de uma maneira focada em design de proteínas. O design de proteínas, por si só, é um campo tão vasto, e há tanto espaço inexplorado que achei que uma equipe realmente ágil e focada poderia traduzir esse impacto.”

Traduzir esse impacto como uma startup apoiada por investimentos envolveu a contratação de cerca de 15 funcionários, dois dos quais eram do DeepMind, um engenheiro sênior da Microsoft e PhDs da Universidade de Cambridge. Hoje, a equipe da Latent está dividida em dois locais – um em Londres, onde a magia do modelo de ponta acontece, e outro em San Francisco, com seu próprio laboratório úmido e equipe de design computacional de proteínas.

“Isso nos permite testar nossos modelos no mundo real e obter o feedback que precisamos para entender se nossos modelos estão progredindo da maneira que desejamos,” disse Kohl.

Enquanto os laboratórios úmidos estão muito em pauta no curto prazo para validar as previsões da tecnologia da Latent, o objetivo final é eliminar a necessidade de laboratórios úmidos.

“Nossa missão é tornar a biologia programável, realmente trazendo a biologia para o reino computacional, onde a dependência de experimentos biológicos em laboratórios úmidos será reduzida ao longo do tempo,” disse Kohl.

Isso destaca um dos principais benefícios de “tornar a biologia programável” — transformar um processo de descoberta de medicamentos que atualmente depende de inúmeros experimentos e iterações que podem levar anos.

“Isso nos permite fazer moléculas personalizadas sem depender do laboratório úmido — pelo menos, essa é a visão,” continuou Kohl. “Imagine um mundo onde alguém apresenta uma hipótese sobre qual alvo de droga perseguir para uma doença em particular, e nossos modelos poderiam, de uma forma ‘com um botão’, criar um medicamento proteico que vem com todas as propriedades desejadas incorporadas.”

O negócio da biologia

Em termos de modelo de negócios, a Latent Labs não se vê como “centrada em ativos” — o que significa que não desenvolverá seus próprios candidatos terapêuticos internamente. Em vez disso, quer trabalhar com parceiros de terceiros para acelerar e reduzir o risco nas etapas iniciais da P&D.

“Achamos que o maior impacto que podemos ter como empresa é capacitar outras empresas de biopharma, biotecnologia e ciências da vida — seja dando a elas acesso direto aos nossos modelos ou apoiando seus programas de descoberta por meio de parcerias baseadas em projetos,” disse Kohl.

O investimento de 50 milhões de dólares da empresa inclui uma tranche de seed não anunciada de 10 milhões de dólares e uma nova rodada de Series A de 40 milhões de dólares co-liderada pela Radical Ventures — especificamente, pelo parceiro Aaron Rosen, que foi anteriormente chefe de estratégia e operações do DeepMind.

O outro investidor co-líder é a Sofinnova Partners, uma empresa de capital de risco francesa com um longo histórico no espaço das ciências da vida. Outros participantes na rodada incluem Flying Fish, Isomer, 8VC, Kindred Capital, Pillar VC, e anjos notáveis como o cientista-chefe do Google, Jeff Dean, o fundador da Cohere, Aidan Gomez, e o fundador da ElevenLabs, Mati Staniszewski.

Embora uma parte do capital vá para salários, incluindo os de novos contratados em aprendizado de máquina, uma quantidade significativa de recursos será necessária para cobrir a infraestrutura.

“O compute é um grande custo para nós também — estamos construindo modelos bastante grandes, e acho que é justo dizer que isso requer muito poder de computação GPU,” disse Kohl. “Esse financiamento realmente nos posiciona para dobrar tudo — adquirir capacidade de processamento para continuar escalando nosso modelo, escalar as equipes e também começar a construir a banda e capacidade para ter essas parcerias e a tração comercial que estamos buscando agora.”

Além do DeepMind, existem várias startups e empresas em estágio de crescimento apoiadas por investimentos que buscam aproximar os mundos da computação e da biologia, como a Cradle e a Bioptimus. Por sua vez, Kohl acredita que ainda estamos em uma fase suficientemente inicial, na qual ainda não sabemos qual será a melhor abordagem em termos de decodificação e design de sistemas biológicos.

“Algumas sementes muito interessantes foram plantadas, [por exemplo] com o AlphaFold e alguns outros modelos generativos iniciais de outros grupos,” disse Kohl. “Mas este campo não convergiu em termos de qual abordagem de modelo é a melhor, ou em termos de qual modelo de negócio funcionará aqui. Acho que temos a capacidade de realmente inovar.”