La méthode ingénieuse d’Allozymes permettant de tester rapidement des millions de réactions chimiques à base de biologie s’avère être non seulement un service utile, mais également la base d’un ensemble de données unique et précieux. Et là où il y a des données, il y a de l’IA — et là où il y a de l’IA, il y a des investisseurs. L’entreprise vient de lever 15 millions de dollars en série A pour faire passer son entreprise d’un simple service utile à une ressource de classe mondiale. Nous avons pour la première fois parlé de cette startup de biotechnologie en 2021, lorsqu’elle faisait ses premiers pas : “A l’époque, nous étions moins de cinq personnes, et dans notre premier laboratoire — mille pieds carrés,” se rappelle le PDG et fondateur Peyman Salehian. L’entreprise compte désormais 32 personnes aux États-Unis, en Europe et à Singapour, et dispose de 15 fois plus d’espace de laboratoire, qu’elle a utilisé pour accélérer sa technique de criblage d’enzymes déjà exponentiellement plus rapide.
La technologie centrale de l’entreprise n’a pas changé depuis 2021, et vous pouvez lire une description détaillée de celle-ci dans notre article original. Mais le résultat est que les enzymes, des chaînes d’acides aminés qui accomplissent certaines tâches dans les systèmes biologiques, ont jusqu’à présent été plutôt difficiles à trouver ou à inventer. C’est à cause du nombre monumental de variations : Une molécule peut être composée de centaines d’acides, avec 20 possibilités pour chaque position, et chaque permutation a potentiellement un effet totalement différent. On arrive très rapidement à des milliards de possibilités !
En utilisant des méthodes traditionnelles, ces variations peuvent être testées à un rythme de quelques centaines par jour dans un espace de laboratoire raisonnable, mais Allozymes utilise une méthode qui permet de tester des millions d’enzymes par jour en les emballant dans de petites gouttelettes et en les faisant passer à travers un système microfluidique spécial. On peut l’imaginer comme un tapis roulant avec une caméra au-dessus, qui scanne chaque élément qui passe à toute vitesse et les trie automatiquement dans différentes poubelles.
“En 2021, nous construisions simplement les machines, mais maintenant, elles fonctionnent très bien et nous analysons jusqu’à 20 millions de variantes d’enzymes par jour,” a déclaré Salehian.
Ces enzymes pourraient être à peu près tout ce qui est nécessaire dans l’industrie de la biotechnologie et de la chimie : Si vous avez besoin de transformer des matières premières en certaines molécules désirables, ou vice versa, ou d’effectuer de nombreux autres processus fondamentaux, les enzymes sont le moyen d’y parvenir. Trouver une enzyme bon marché et efficace est rarement facile, et jusqu’à récemment, l’industrie entière testait environ un million de possibilités par an — un chiffre qu’Allozymes espère multiplier par mille, visant 7 milliards de variantes en 2024.
Le processus a déjà attiré des clients de plusieurs secteurs industriels, certains d’entre eux ne pouvant être divulgués en raison de NDA, mais d’autres ont été documentés dans des études de cas : Le phytoène est une enzyme que l’on trouve naturellement dans les tomates et qui est normalement récoltée en petites quantités à partir de la peau de millions d’entre elles. Allozymes a trouvé un moyen de fabriquer le même produit chimique dans un bioréacteur, en utilisant 99% moins d’eau (et probablement moins d’espace). Le bisabolol est un autre produit chimique utile que l’on trouve naturellement dans l’arbre de la candeia, une plante originaire d’Amazonie qui a été menée à un statut menacé. Il est désormais possible de produire du bisabolol bio-identique en toute quantité en utilisant un bioréacteur et le chemin enzymatique de l’entreprise. Les fibres de plantes et de fruits comme les bananes peuvent être transformées en une substance appelée “fibre douce soluble”, une alternative à d’autres sucres et édulcorants ; Allozymes a reçu une subvention d’un million de dollars pour accélérer ce processus peu évident. Salehian rapporte qu’ils ont fait des biscuits et du thé bubble avec les résultats. J’ai demandé à propos de la possibilité d’enzymes dégradant les microplastiques, qui ont été l’objet de nombreuses recherches et figurent également dans le matériel promotionnel d’Allozymes. Salehian a déclaré qu’alors que c’est possible, à l’heure actuelle, ce n’est pas économiquement faisable selon leur modèle d’entreprise actuel — en gros, un client aurait besoin de venir à l’entreprise en disant : “Je veux payer pour développer cela”. Mais c’est dans leur radar, et ils pourraient bientôt travailler dans le recyclage et la gestion des plastiques.
Jusqu’à présent, tout cela est plus ou moins tombé sous le modèle d’entreprise original de l’entreprise, qui se résume à l’optimisation des enzymes en tant que service. Mais la feuille de route prévoit une expansion vers des travaux plus axés sur la découverte, comme trouver une molécule pour répondre à un besoin plutôt que d’améliorer un processus existant. Le service d’adaptation des enzymes qu’Allozymes a mis en place sera appelé SingZyme (comme dans une seule enzyme), et continuera à être une option de niveau d’entrée, répondant au cas d’utilisation “nous voulons faire cela 100 fois plus rapidement ou moins cher”. Un service plus vaste appelé MultiZyme adoptera une approche de niveau supérieur, découvrant ou affinant plusieurs enzymes pour remplir un besoin “nous avons besoin d’une chose qui fait cela”. Les milliards de points de données qu’ils collectent dans le cadre de ces services resteront leur PI, cependant, et constitueront “la plus grande bibliothèque de données sur les enzymes du monde”, a déclaré Salehian.
“Vous pouvez donner la structure à AlphaFold et il vous dira comment elle se plie, mais il ne peut pas vous dire ce qui se passera si elle se lie à un autre produit chimique”, a déclaré Salehian, et bien sûr, cette réaction est la seule partie qui intéresse l’industrie. “Il n’y a pas de modèle d’apprentissage automatique dans le monde qui puisse vous dire exactement quoi faire, car les données que nous avons sont si peu nombreuses et si fragmentées ; nous parlons de 300 échantillons par jour sur 20 ans”, un chiffre que les machines d’Allozymes peuvent facilement dépasser en une seule journée. Salehian a déclaré qu’ils sont en train de développer activement un modèle d’apprentissage automatique basé sur les données qu’ils ont, et l’ont même testé sur un résultat connu. “Nous avons alimenté le modèle d’apprentissage automatique avec les données, et il est revenu avec une nouvelle suggestion de molécule que nous testons déjà”, a-t-il déclaré, ce qui est une validation initiale prometteuse de l’approche. L’idée n’est guère sans précédent : Nous avons couvert de nombreuses entreprises et projets de recherche qui ont trouvé que les modèles d’apprentissage automatique peuvent être très utiles pour trier d’énormes jeux de données, offrant un surplus de confiance même si leurs résultats ne peuvent se substituer au processus réel.
Le tour de table de 15 millions de dollars en série A comprend de nouveaux investisseurs, Seventure Partners, NUS Technology Holdings, Thia Ventures et ID Capital, en plus d’investissements répétés de Xora Innovation, SOSV, Entrepreneur First et Transpose Platform. Salehian a déclaré que l’entreprise est en pleine forme et dispose de suffisamment de temps et d’argent pour réaliser ses ambitions – à l’exception qu’elle pourrait lever un montant plus
