BlankBio parie que la conception d'ARN a besoin de petits modèles contrastifs, pas d'une échelle à un milliard de paramètres

Un laboratoire d'IA appliquée qui entraîne des modèles de fondation pour l'ARN — d'une boîte à outils ouverte de conception d'ARNm vers des modèles qui prédisent la progression de la maladie et la réponse des patients pour les laboratoires pharmaceutiques.

En biologie, la séquence est en grande partie du bruit, de sorte que les lois d'échelle sous-performent : de petits modèles à plongements conjoints surpassent ceux à un milliard de paramètres en fonction d'ARN utilisable par heure-GPU.

Philip Fradkin et Ian Shi ont étudié les objectifs auto-supervisés pour l'ARN durant leurs doctorats ; Jonny Hsu a dirigé le produit et la stratégie chez Valence Discovery jusqu'à son acquisition par Recursion en 2023. Le trio a mis en open source Orthrus et mRNABench et a rejoint la promotion Summer 2025 de YC pour productiser la conception d'ARN.

Orthrus, un modèle de 10 M de paramètres entraîné sur 4 GPU en 14 heures, surpasse Evo2 — un modèle de 40 Md de paramètres entraîné sur 1000 GPU pendant un mois — sur la prédiction de la demi-vie de l'ARNm, et sur mRNABench, la suite de 59 tâches de l'équipe, Orthrus-MLM bat Evo2 tout en étant environ 700 fois plus petit ; les fondateurs rapportent qu'ils n'ont pas pu obtenir de bonnes performances d'Evo2-40b, même en travaillant avec ses auteurs. Au cours de l'année suivante, le positionnement de l'entreprise s'est élargi, passant d'une boîte à outils de conception d'ARNm à « l'intelligence de l'ARN pour la médecine de précision » : des modèles qui capturent la biologie spécifique aux tumeurs pour aider les laboratoires pharmaceutiques à augmenter les taux de réussite des essais cliniques.

Seulement environ 2 % du génome humain code des protéines ; la prédiction du jeton suivant dépense de la capacité à modéliser le statique intergénique, de sorte que l'échelle standard sous-livre sur les nucléotides.

Les plongements conjoints contrastifs regroupent les séquences par fonction — ce que les biologistes sélectionnent réellement — au lieu d'autocompléter des nucléotides.

4 GPU pendant 14 heures contre 1000 GPU pendant un mois maintient l'entraînement dans le budget et la boucle d'itération d'une startup.

La mise en open source d'Orthrus et de mRNABench avant toute vente a fait du benchmark à la fois la preuve et le canal de distribution de l'entreprise.

Là où les données sont rares et où le signal se cache dans le bruit, la leçon amère se courbe : aligner l'objectif de pré-entraînement sur la structure du problème peut battre un zéro de plus dans le nombre de paramètres.

En septembre 2026, Blank Bio est répertoriée comme Active dans l'annuaire de YC, se décrivant comme un laboratoire de recherche en IA appliquée œuvrant à augmenter les taux de réussite des essais cliniques. Les artefacts publics restent le benchmark et le modèle ouverts — mRNABench sur GitHub, les plongements Orthrus avec accès API — et aucun tour de financement externe n'avait été annoncé publiquement à cette date. Le secteur est fortement financé : le billet de lancement des fondateurs estimait les concurrents, dont Strand (153 M$), Orna (221 M$) et Sail Biomedicines (440 M$), en soutenant que l'argent a dépassé l'outillage.