随着制药和生物技术公司寻求缩短研发周期并提高在成本上升背景下的成功率，人工智能正迅速进入药物发现领域。如今，超过200家初创企业正竞相将人工智能直接融入研究工作流程，吸引了投资者日益增长的兴趣。Converge Bio是最新搭上这一趋势的公司之一，随着人工智能驱动的药物发现领域竞争加剧，该公司获得了新的资金。
这家总部位于波士顿和特拉维夫的初创公司利用基于分子数据训练的生成式AI，帮助制药和生物技术公司加快药物开发进程。该公司已完成一轮由Bessemer Venture Partners领投的2500万美元超额认购A轮融资。TLV Partners、Saras Capital和Vintage Investment Partners也参与了本轮融资，此外还获得了Meta、OpenAI和Wiz未具名高管的额外支持。
在实践中，Converge在DNA、RNA和蛋白质序列上训练生成式模型，然后将这些模型整合到制药和生物技术公司的工作流程中，以加速药物开发。
多系统协同加速新药上市
“药物开发生命周期有明确的阶段——从靶点识别与发现，到制造、临床试验及后续环节——在每个阶段中，都有我们可以支持的实验，”Converge Bio首席执行官兼联合创始人Dov Gertz在接受TechCrunch独家采访时说。“我们的平台正不断扩展至这些阶段，助力新药更快上市。”
目前，Converge已推出面向客户的系统。该初创公司已推出三个独立的AI系统：一个用于抗体设计，一个用于蛋白产量优化，另一个用于生物标志物和靶点发现。
“以我们的抗体设计系统为例。它不仅仅是一个单一模型，而是由三个集成组件构成。首先，生成式模型创建新型抗体；接着，预测模型根据分子特性对这些抗体进行筛选；最后，一个使用基于物理模型的对接系统模拟抗体与其靶点之间的三维相互作用，”Gertz继续说道。据这位首席执行官介绍，价值在于整个系统，而非单个模型。“我们的客户无需自行拼接模型，他们获得的是可直接嵌入其工作流的即用型系统。”
业务快速扩张与实证成果
这笔新融资距该公司在2024年完成550万美元种子轮融资已过去一年半的时间。此后，这家成立两年的初创公司迅速扩张。Gertz表示，Converge已与十多家制药和生物技术客户完成了40多个项目。其客户遍布美国、加拿大、欧洲和以色列，目前正进一步拓展至亚洲市场。
团队规模也迅速扩大，员工人数从2024年11月的9人增至34人。在此期间，Converge开始发布公开案例研究。其中一个案例显示，该公司帮助合作伙伴在一次计算迭代中将蛋白产量提高了4至4.5倍。Gertz指出，在另一个案例中，该平台生成了具有极高结合亲和力的抗体，亲和力达到单纳摩尔级别。
行业机遇与技术路线选择
人工智能驱动的药物发现正经历一波兴趣热潮。去年，礼来公司与英伟达合作构建了被两家公司称为制药行业最强大的药物发现超级计算机。此外，在2024年10月，Google DeepMind的AlphaFold项目因创建能够预测蛋白质结构的人工智能系统AlphaFold而荣获诺贝尔化学奖。
当被问及发展势头及其如何塑造Converge Bio的增长时，Gertz表示，公司正见证生命科学领域有史以来最大的财务机遇，行业正从“试错”方法转向基于数据的分子设计。“我们深切感受到这股势头，尤其是在我们的收件箱里。一年半前，当我们创立这家公司时，很多人持怀疑态度，”Gertz告诉TechCrunch。他补充说，得益于Converge等公司的成功案例以及学术界的研究成果，这种怀疑态度已经迅速消失。
大型语言模型因能够分析生物序列并建议新分子而在药物研发领域受到关注，但幻觉和准确性等挑战依然存在。“在文本中，幻觉通常很容易被发现，”这位首席执行官说。“但在分子层面，验证一种新型化合物可能需要数周时间，因此成本要高得多。”为应对这一问题，Converge将生成式模型与预测性模型相结合，对新分子进行筛选，以降低风险并改善合作伙伴的成果。“这种过滤并非完美无缺，但它显著降低了风险，并为我们的客户带来了更好的结果，”Gertz补充道。
TechCrunch还询问了像Yann LeCun这样对使用大型语言模型仍持怀疑态度的专家的看法。“我非常欣赏Yann LeCun，并且完全同意他的观点。我们并不依赖基于文本的模型来获得核心的科学理解。要真正理解生物学，模型需要在DNA、RNA、蛋白质和小分子上进行训练。”Gertz解释道。基于文本的大型语言模型仅作为辅助工具使用，例如帮助客户浏览关于生成分子的文献。“它们不是我们的核心技术，”Gertz说。“我们不局限于单一架构。在合适的情况下，我们会使用大型语言模型、扩散模型、传统机器学习和统计方法。”
“我们的愿景是，每个生命科学组织都将Converge Bio作为其生成式AI实验室。湿实验室将始终存在，但它们将与生成式实验室配对，后者通过计算创建假设和分子。我们希望成为整个行业的生成式实验室，”Gertz说。
本文已更新，补充了客户数量的相关信息。