BigHat Biosciences、MLと連携したウェットラボが抗体スクリーニングに勝ると賭ける

独自のウェットラボと機械学習モデルを組み合わせ、抗体候補の設計と試験を数か月ではなく数日で行う抗体エンジニアリングプラットフォーム

機械学習モデルと緊密に連携したウェットラボは、数千の配列をスクリーニングするよりも速く、より優れた抗体をエンジニアリングできる

2019年に530万ドルのシード、2021年に1,900万ドルのシリーズA — 調達総額2,430万ドル

バイオインフォマティクスのベテランMark DePristoとCSOのPeyton Greensideは2019年、カリフォルニア州サンカルロスでBigHatを創業し、ソフトウェアだけでなく計算と自社ウェットラボを組み合わせることが、従来の抗体探索を凌ぐ道だと賭けた。

BigHatは2019年、8VCが主導する530万ドルのシードを調達し、ウェットラボとMLを組み合わせたプラットフォームを構築、初期の実証例として中和性SARS-CoV-2二重特異性抗体のエンジニアリングに用いた。2021年2月にはAndreessen Horowitzが主導する超過応募の1,900万ドルシリーズAを完了し、a16zのジェネラルパートナーVineeta Agarwalaが取締役会に加わった。既存投資家の8VC、AME Cloud Ventures、Innovation Endeavorsも再参加した。

ほとんどの抗体企業は、既存配列の大規模だが固定されたライブラリをスクリーニングし、生物学的に可能なごく一部しか捉えていない。

ウェットラボを自社で持つことで、BigHatは他社が公開・共有を選んだデータに依存せず、自らの実験データパイプラインを管理できた。

新鮮なラボデータを緊密なループでMLモデルに直接フィードバックすることで、プラットフォームはどのスクリーニングライブラリにも存在しない抗体設計を狙えた。

初期の実証例 — 機能するSARS-CoV-2二重特異性抗体 — は、単なる売り込みではなく、シリーズA前にループが機能する証拠を投資家に示した。

業界全体が同じ既存の干し草の山をスクリーニングするとき、その上に載るモデルだけでなく、データ生成ループ自体を所有することが真の堀になり得る。

2021年2月10日時点で、BigHatは新たな資本を用いて抗体・タンパク質エンジニア、AI/MLエンジニア、計算生物学者を採用しつつ、プラットフォームの構築を続け、今後2〜3年で内部治療プログラムをヒト臨床試験へ進めることを目指している。