BigHat Biosciences parie qu'une boucle de laboratoire humide reliée à l'apprentissage automatique bat le criblage d'anticorps

Une plateforme d'ingénierie d'anticorps associant un laboratoire humide propriétaire à des modèles d'apprentissage automatique pour concevoir et tester des candidats anticorps en quelques jours plutôt qu'en plusieurs mois

Un laboratoire humide étroitement relié à des modèles d'apprentissage automatique peut concevoir de meilleurs anticorps plus rapidement que le criblage de milliers de séquences ne pourrait jamais le faire

5,3 M$ d'amorçage en 2019, 19 M$ de série A en 2021 — 24,3 M$ levés au total

Le vétéran de la bio-informatique Mark DePristo et la directrice scientifique Peyton Greenside ont fondé BigHat à San Carlos, en Californie, en 2019, en pariant que la combinaison de l'informatique avec un laboratoire humide interne — et non seulement du logiciel — était le moyen de surpasser en ingénierie la découverte d'anticorps traditionnelle.

BigHat a levé un tour d'amorçage de 5,3 M$ en 2019 mené par 8VC, a construit sa plateforme laboratoire humide plus apprentissage automatique, et l'a utilisée pour concevoir un anticorps bispécifique neutralisant le SARS-CoV-2 comme première preuve de concept. En février 2021, elle a clôturé un tour de série A sursouscrit de 19 M$ mené par Andreessen Horowitz, l'associée générale d'a16z Vineeta Agarwala rejoignant le conseil d'administration ; les investisseurs précédents 8VC, AME Cloud Ventures et Innovation Endeavors ont également participé de nouveau.

La plupart des entreprises d'anticorps criblent une bibliothèque vaste mais fixe de séquences existantes, ne capturant qu'une infime fraction de ce qui est biologiquement possible.

Posséder un laboratoire humide signifiait que BigHat contrôlait son propre pipeline de données expérimentales au lieu de dépendre de données que d'autres entreprises choisissaient de publier ou de partager.

Réinjecter directement les données fraîches du laboratoire dans les modèles d'apprentissage automatique dans une boucle serrée permettait à la plateforme de cibler des conceptions d'anticorps qui n'existent dans aucune bibliothèque de criblage.

Une première preuve de concept — un anticorps bispécifique fonctionnel contre le SARS-CoV-2 — a donné aux investisseurs la preuve que la boucle fonctionnait avant la série A, et pas seulement un argumentaire.

Quand toute une industrie crible la même botte de foin préexistante, posséder soi-même la boucle de génération de données — et pas seulement le modèle par-dessus — peut constituer le véritable avantage concurrentiel.

Au 2021-02-10, BigHat utilise les nouveaux capitaux pour recruter des ingénieurs en anticorps et en protéines, des ingénieurs en IA/ML et des biologistes computationnels, tout en continuant à développer sa plateforme et à faire progresser ses programmes thérapeutiques internes vers des essais cliniques humains au cours des deux à trois prochaines années.