BigHat Biosciences apuesta a que un laboratorio húmedo conectado al ML supera al cribado de anticuerpos

Una plataforma de ingeniería de anticuerpos que combina un laboratorio húmedo propio con modelos de aprendizaje automático para diseñar y probar candidatos de anticuerpos en días en lugar de meses

Un laboratorio húmedo estrechamente conectado con modelos de aprendizaje automático puede diseñar mejores anticuerpos más rápido de lo que jamás podría lograrlo el cribado de miles de secuencias

5,3 M$ de capital semilla en 2019, 19 M$ de Serie A en 2021 — 24,3 M$ recaudados en total

El veterano de bioinformática Mark DePristo y la directora científica Peyton Greenside fundaron BigHat en San Carlos, California, en 2019, apostando a que combinar la computación con un laboratorio húmedo propio —no solo software— era la vía para superar en ingeniería al descubrimiento de anticuerpos tradicional.

BigHat recaudó en 2019 un capital semilla de 5,3 M$ liderado por 8VC, construyó su plataforma de laboratorio húmedo más ML y la usó para diseñar un anticuerpo biespecífico neutralizante contra el SARS-CoV-2 como primera prueba de concepto. En febrero de 2021 cerró una Serie A sobresuscrita de 19 M$ liderada por Andreessen Horowitz, con la incorporación al consejo de Vineeta Agarwala, socia general de a16z; también volvieron los inversores previos 8VC, AME Cloud Ventures e Innovation Endeavors.

La mayoría de las empresas de anticuerpos criban una biblioteca grande pero fija de secuencias existentes, capturando solo una fracción mínima de lo que es biológicamente posible.

Poseer un laboratorio húmedo significaba que BigHat controlaba su propio flujo de datos experimentales en lugar de depender de datos que otras empresas eligieran publicar o compartir.

Alimentar datos frescos de laboratorio directamente de vuelta a los modelos de ML en un ciclo cerrado permitía a la plataforma apuntar a diseños de anticuerpos que no existen en ninguna biblioteca de cribado.

Una primera prueba de concepto —un anticuerpo biespecífico funcional contra el SARS-CoV-2— dio a los inversores evidencia de que el ciclo funcionaba antes de la Serie A, no solo un discurso de venta.

Cuando toda una industria criba el mismo pajar preexistente, poseer el propio ciclo de generación de datos —no solo el modelo que se construye encima— puede ser la verdadera ventaja competitiva.

A fecha de 2021-02-10, BigHat está usando el nuevo capital para contratar ingenieros de anticuerpos y proteínas, ingenieros de IA/ML y biólogos computacionales, mientras continúa desarrollando su plataforma e impulsando programas terapéuticos internos hacia ensayos clínicos en humanos en los próximos dos a tres años.