LALENT LABS, fondée par DeepMind Alun, lance avec 50 millions de dollars pour programmer la biologie

Une nouvelle startup, Latent Labs, fondée par un ancien scientifique de Google DeepMind, vient de sortir du mode furtif avec un financement impressionnant de 50 millions de dollars. Leur mission ? Rendre la biologie programmable en développant des modèles de base d'IA capables de générer et d'optimiser des protéines. Ils prévoient de collaborer avec des entreprises de biotechnologie et pharmaceutiques pour y parvenir.

Pour comprendre pourquoi c'est important, il faut comprendre les protéines. Ce sont les piliers de nos cellules, remplissant des fonctions allant des enzymes et hormones aux anticorps. Composées d'environ 20 acides aminés différents, ces chaînes se replient en structures 3D qui déterminent leur fonctionnement. Décrypter ces formes était autrefois une tâche ardue, mais AlphaFold de DeepMind a changé la donne en utilisant l'apprentissage automatique et des données biologiques réelles pour prédire les formes d'environ 200 millions de structures de protéines.

Avec ce type de données, les scientifiques peuvent mieux comprendre les maladies, concevoir de nouveaux médicaments et même créer des protéines synthétiques pour de nouvelles utilisations. C'est là que Latent Labs intervient, visant à permettre aux chercheurs de "créer par calcul" de nouvelles molécules thérapeutiques à partir de zéro.

Potentiel latent

Simon Kohl, qui travaillait auparavant chez DeepMind sur l'équipe AlphaFold2 et dirigeait leurs efforts de conception de protéines, a vu le potentiel de se lancer en solo. Il a quitté DeepMind fin 2022 pour fonder Latent Labs, qu'il a officiellement établi à Londres à la mi-2023. Kohl a été inspiré par l'impact de la modélisation générative en biologie et a vu une opportunité de se concentrer spécifiquement sur la conception de protéines.

Pour y parvenir, Latent Labs a embauché environ 15 personnes, dont certains venant de DeepMind, un ingénieur senior de Microsoft et des docteurs de l'Université de Cambridge. Ils sont répartis entre Londres, où ils travaillent sur des modèles de pointe, et San Francisco, où ils disposent d'un laboratoire humide et d'une équipe de conception de protéines par calcul.

"Notre mission est de rendre la biologie programmable, en amenant vraiment la biologie dans le domaine computationnel, où la dépendance aux expériences en laboratoire humide sera réduite avec le temps," a expliqué Kohl. Cela pourrait révolutionner la découverte de médicaments, qui implique actuellement de nombreuses expériences et peut prendre des années.

L'entreprise de la biologie

Latent Labs ne vise pas à développer ses propres médicaments. Au contraire, ils veulent accélérer et réduire les risques des premières étapes de R&D pour d'autres entreprises biopharmaceutiques, biotechnologiques et des sciences de la vie grâce à un accès direct au modèle ou à des partenariats basés sur des projets.

Leur financement de 50 millions de dollars comprend une levée de fonds initiale de 10 millions de dollars et une série A de 40 millions de dollars co-dirigée par Radical Ventures et Sofinnova Partners. D'autres investisseurs incluent Flying Fish, Isomer, 8VC, Kindred Capital, Pillar VC, et des anges notables comme Jeff Dean de Google, Aidan Gomez de Cohere et Mati Staniszewski d'ElevenLabs.

Une grande partie de cet argent sera consacrée aux salaires et au recrutement de plus d'experts en apprentissage automatique, mais ils auront également besoin de beaucoup pour l'infrastructure. "Le calcul représente un coût important pour nous aussi — nous construisons des modèles assez grands, et cela nécessite beaucoup de calcul GPU," a déclaré Kohl. Ce financement les aidera à faire évoluer leurs modèles, à agrandir leurs équipes et à établir des partenariats.

Bien qu'il existe d'autres startups comme Cradle et Bioptimus travaillant sur des objectifs similaires, Kohl estime que nous en sommes encore à un stade précoce où la meilleure approche pour décoder et concevoir des systèmes biologiques n'est pas encore claire. "Il y a eu des graines très intéressantes plantées, [par exemple] avec AlphaFold et certains autres modèles génératifs précoces d'autres groupes," a déclaré Kohl. "Mais ce domaine n'a pas encore convergé en termes de meilleure approche de modèle, ou en termes de modèle économique qui fonctionnera ici. Je pense que nous avons la capacité d'innover réellement."