Avalo押注机器学习可在不编辑基因的情况下培育气候韧性作物

这家位于北卡罗来纳州达勒姆的初创公司利用机器学习加速作物育种，不涉及基因编辑或传统育种。

如果机器学习能够找到复杂性状背后的遗传机制，育种者就可以通过基因型挑选优胜幼苗，而不必等到田间观察性状表现。

300万美元种子轮，随后又获得300万美元。

该流程建立在首席科学官Mariano Alvarez在杜克大学博士后研究的基础上。TechCrunch在两年前曾做过深度报道，当时Avalo只有300万美元种子轮；此后它又筹集了300万美元。

Avalo不编辑基因，也不以传统方式培育品种。它使用机器学习模型识别耐热性等复杂性状的遗传基础。首席执行官Brendan Collins表示，由于对所有幼苗进行基因分型，公司无需等待田间性状表现就能知道哪些会是优胜者。幼苗可在生长室和温室中于加速条件下培育，使大多数大田作物每年有四个发育周期，而非一个。

Avalo称，它通过为垂直农业初创公司Iron Ox培育一种快速成熟的西兰花证明了该流程，但随着2023年垂直农业泡沫破裂，这一努力告吹，该西兰花尚无法试用。Avalo仍在与温室合作将其推向市场，并将重心转向一种产胶蒲公英、大豆和玉米的性状许可，以及一个新的耐旱棉花项目。它宣布计划于当年秋季筹集1000万美元A轮融资。

培育气候韧性作物耗时且成本高昂，杂交种的田间测试通常每年只进行一次。

对幼苗进行基因分型使Avalo能够及早识别优胜者和失败者，而无需等待性状在田间表达。

在生长室和温室中的加速生长使大多数大田作物每年约有四个发育周期。

Collins认为，自20世纪50年代以来玉米产量增长了300%，原因是大量投入，他希望以极低的成本为其他作物提供同等水平的资源。

为某一客户验证的技术可能在该客户市场崩溃时被搁置，因此应将验证点分散到多种作物和多个买家。

截至2023年9月19日，Avalo共筹集约600万美元，并打算当年秋季筹集1000万美元A轮融资。其Iron Ox西兰花因客户努力告吹而无法试用，公司当时正在开展产胶蒲公英、大豆和玉米性状许可，以及耐旱棉花的工作。TechCrunch将Keygene和Benson Hill列为直接竞争对手。