Trí tuệ nhân tạo đang nhanh chóng chuyển sang lĩnh vực khám phá thuốc khi các công ty dược phẩm và công nghệ sinh học tìm cách cắt giảm thời gian R&D trong nhiều năm và tăng cơ hội thành công trong bối cảnh chi phí ngày càng tăng. Hơn 200 công ty khởi nghiệp hiện đang cạnh tranh để đưa AI trực tiếp vào quy trình nghiên cứu, thu hút sự quan tâm ngày càng tăng từ các nhà đầu tư. Converge Bio là công ty mới nhất thực hiện sự thay đổi đó, đảm bảo nguồn vốn mới khi sự cạnh tranh trong lĩnh vực khám phá thuốc do AI điều khiển ngày càng nóng lên.
Công ty khởi nghiệp có trụ sở tại Boston và Tel Aviv, giúp các công ty dược phẩm và công nghệ sinh học phát triển thuốc nhanh hơn bằng cách sử dụng AI tổng hợp được đào tạo trên dữ liệu phân tử, đã huy động được vòng Series A có số lượng đăng ký vượt mức 25 triệu đô la, do Bessemer Venture Partners dẫn đầu. Đối tác TLV và Đối tác đầu tư cổ điển cũng tham gia vòng này, cùng với sự hỗ trợ bổ sung từ các giám đốc điều hành giấu tên tại Meta, OpenAI và Wiz.
Trong thực tế, Converge đào tạo các mô hình tổng hợp về trình tự DNA, RNA và protein, sau đó đưa chúng vào quy trình làm việc của dược phẩm và công nghệ sinh học để tăng tốc độ phát triển thuốc.
“Vòng đời phát triển thuốc có các giai đoạn xác định – từ xác định và khám phá mục tiêu đến sản xuất, thử nghiệm lâm sàng, v.v. – và trong mỗi giai đoạn, có những thử nghiệm mà chúng tôi có thể hỗ trợ,” Giám đốc điều hành và đồng sáng lập của Converge Bio, Dov Gertz cho biết trong một cuộc phỏng vấn độc quyền với TechCrunch. “Nền tảng của chúng tôi tiếp tục mở rộng qua các giai đoạn này, giúp đưa thuốc mới ra thị trường nhanh hơn.”
Cho đến nay, Converge đã triển khai các hệ thống hướng tới khách hàng. Công ty khởi nghiệp này đã giới thiệu ba hệ thống AI riêng biệt: một dành cho thiết kế kháng thể, một dành cho tối ưu hóa năng suất protein và một dành cho dấu ấn sinh học và phát hiện mục tiêu.
“Lấy hệ thống thiết kế kháng thể của chúng tôi làm ví dụ. Nó không chỉ là một mô hình duy nhất. Nó được tạo thành từ ba thành phần tích hợp. Đầu tiên, một mô hình tổng hợp tạo ra các kháng thể mới. Tiếp theo, các mô hình dự đoán lọc các kháng thể đó dựa trên đặc tính phân tử của chúng. Cuối cùng, một hệ thống lắp ghép, sử dụng mô hình dựa trên vật lý, mô phỏng các tương tác ba chiều giữa kháng thể và mục tiêu của nó,” Gertz tiếp tục. Theo vị CEO, giá trị nằm ở toàn bộ hệ thống chứ không phải ở bất kỳ mô hình đơn lẻ nào. “Khách hàng của chúng tôi không cần phải tự mình ghép các mô hình lại với nhau. Họ có được các hệ thống sẵn sàng sử dụng và cắm trực tiếp vào quy trình làm việc của họ.”
Khoản tài trợ mới xuất hiện khoảng một năm rưỡi sau khi công ty huy động được vòng hạt giống trị giá 5,5 triệu USD vào năm 2024.
sự kiện Techcrunch
San Francisco
|
Ngày 13-15 tháng 10 năm 2026
Kể từ đó, công ty khởi nghiệp hai năm tuổi này đã mở rộng quy mô một cách nhanh chóng. Gertz cho biết Converge đã ký kết 40 quan hệ đối tác với các công ty dược phẩm và công nghệ sinh học và hiện đang chạy khoảng 40 chương trình trên nền tảng của mình.. Nó hoạt động với khách hàng trên khắp Hoa Kỳ, Canada, Châu Âu và Israel và hiện đang mở rộng sang Châu Á.
Nhóm cũng đã phát triển nhanh chóng, tăng lên 34 nhân viên từ mức chỉ 9 nhân viên vào tháng 11 năm 2024. Trong quá trình đó, Converge đã bắt đầu xuất bản các nghiên cứu điển hình công khai. Trong một lần, công ty khởi nghiệp đã giúp một đối tác tăng năng suất protein từ 4 đến 4,5 lần chỉ trong một lần lặp tính toán. Trong một trường hợp khác, nền tảng này tạo ra các kháng thể có ái lực liên kết cực cao, đạt đến phạm vi phân tử đơn nano, Gertz lưu ý.
Việc khám phá thuốc điều khiển bằng AI đang nhận được sự quan tâm ngày càng tăng. Năm ngoái, Eli Lilly đã hợp tác với Nvidia để xây dựng cái mà công ty gọi là siêu máy tính mạnh nhất trong ngành dược phẩm để khám phá ma túy. Và vào tháng 10 năm 2024, các nhà phát triển đằng sau dự án AlphaFold của Google DeepMind đã giành được giải Nobel Hóa học khi tạo ra AlphaFold, hệ thống AI có thể dự đoán cấu trúc protein.
Khi được hỏi về động lực và cách nó định hình sự tăng trưởng của Converge Bio, Gertz nói rằng công ty đang chứng kiến cơ hội tài chính lớn nhất trong lịch sử khoa học đời sống và ngành này đang chuyển từ phương pháp tiếp cận “thử và sai” sang thiết kế phân tử dựa trên dữ liệu.
Gertz nói với TechCrunch: “Chúng tôi cảm nhận được động lực sâu sắc, đặc biệt là trong hộp thư đến của mình. Một năm rưỡi trước, khi chúng tôi thành lập công ty, đã có rất nhiều hoài nghi”. Ông nói thêm rằng sự hoài nghi đó đã biến mất nhanh chóng một cách đáng kể nhờ những nghiên cứu điển hình thành công từ các công ty như Converge và từ giới học thuật.
Các mô hình ngôn ngữ lớn đang thu hút sự chú ý trong việc khám phá thuốc nhờ khả năng phân tích trình tự sinh học và đề xuất các phân tử mới, nhưng những thách thức như ảo giác và độ chính xác vẫn còn. CEO cho biết: “Trong văn bản, ảo giác thường rất dễ nhận ra. “Trong phân tử, việc xác nhận một hợp chất mới có thể mất vài tuần, do đó chi phí cao hơn nhiều”. Để giải quyết vấn đề này, Converge kết hợp các mô hình tổng hợp với các mô hình dự đoán, lọc các phân tử mới để giảm thiểu rủi ro và cải thiện kết quả cho các đối tác của mình. Gertz cho biết thêm: “Việc lọc này không hoàn hảo nhưng nó làm giảm đáng kể rủi ro và mang lại kết quả tốt hơn cho khách hàng của chúng tôi”.
TechCrunch cũng hỏi về các chuyên gia như Yann LeCun, những người vẫn hoài nghi về việc sử dụng LLM. “Tôi rất hâm mộ Yann LeCun và tôi hoàn toàn đồng ý với anh ấy. Chúng tôi không dựa vào các mô hình dựa trên văn bản để hiểu biết về khoa học cốt lõi. Để thực sự hiểu về sinh học, các mô hình cần được đào tạo về DNA, RNA, protein và các phân tử nhỏ”, Gertz giải thích.
Ví dụ: LLM dựa trên văn bản chỉ được sử dụng làm công cụ hỗ trợ để giúp khách hàng điều hướng tài liệu về các phân tử được tạo ra. “Chúng không phải là công nghệ cốt lõi của chúng tôi,” Gertz nói. “Chúng tôi không bị ràng buộc vào một kiến trúc duy nhất. Chúng tôi sử dụng LLM, mô hình phổ biến, học máy truyền thống và các phương pháp thống kê khi thấy hợp lý.”
“Tầm nhìn của chúng tôi là mọi tổ chức khoa học đời sống sẽ sử dụng Converge Bio làm phòng thí nghiệm AI tổng hợp của mình. Các phòng thí nghiệm ướt sẽ luôn tồn tại nhưng chúng sẽ được kết hợp với các phòng thí nghiệm tổng hợp tạo ra các giả thuyết và phân tử về mặt tính toán. Chúng tôi muốn trở thành phòng thí nghiệm tổng hợp đó cho toàn bộ ngành,” Gertz nói.