Belfast merkezli girişim AMPLY, AI ilaç keşif platformunu kullanarak çok ilaca dirençli patojenlerden kaynaklanan küresel hastalık tehditleriyle mücadele eden yeni ürünler geliştirmek için ortak bir öz sermayede 900.000 £ topladı ve finansman turu sağladı.
2021’de Queen’s University Belfast’tan bir yan ürün olarak kurulan AMPLY’nin AI ilaç keşif platformu, yeni nesil antibiyotiklerin enfeksiyonlara karşı etkili kalmasını sağlamak için geliştirildi.
Antimikrobiyal direnç (AMR), bakteri ve virüslerin ilaca dirençli hale gelerek daha önce etkili olan tedavileri işe yaramaz hale getirme sürecidir. AMPLY, anti-enfektif olan alternatif ilaçları keşfetmek için AI’dan yararlanıyor.
AMPLY kurucu ortağı ve CEO’su Dr Ben Thomas, “Yatırımcılarımızın ve Queen’s University Belfast’ın muazzam desteği sayesinde AMPLY Discovery’nin ticari gelişimini ilerletebilmek heyecan verici” dedi.
“Bu alandaki ilk araştırmaların gelişimi, neredeyse on yıl önce yapay zeka ve makine öğrenimi tekniklerini benimsemeyi düşündüğümde, hesaplamalı biyoloji alanı için finans piyasalarında birlikte çalıştığımda başladı.”
Biyoteknoloji girişimi için yeni fon, Clarendon tarafından yönetilen ve Invest Northern Ireland ve British Business Investments tarafından desteklenen 47,3 milyon sterlinlik bir yatırım fonu olan Co fonu NI’den geldi.
Queen’s University Belfast’ın yan ürünleri, Helix Way Partnership ve Halo Business Angel Network üyelerinden melek yatırımları için QUBIS İnovasyon Fonu’ndan ek finansman geldi.
QUBIS girişimci ağlar müdürü Anne Dornan, “AMPLY Discovery, Queen’s’in yatırım kolumuz QUBIS Limited aracılığıyla araştırmacılarımıza sunabileceği desteğin harika bir örneğidir” dedi.
AMPLY ekibi, Yalın Lansman ve ICURe programları da dahil olmak üzere tüm destek oyunumuzu başarıyla tamamladı.”
Haziran ayında QUBIS, Co Fund NI’den de destek alan AI tıbbi yazılım girişimi Sonrai Analytics için 2 milyon sterlinlik finansman turuna katıldı.
AMPLY, ilaç keşfi için yapay zeka kullanan tek İngiliz girişimi değil. Cambridge merkezli Healx, halihazırda tedavisi olan hastalıklar ile dünyanın en nadir görülen hastalıkları için olmayanlar arasındaki bağlantıları bulmak için algoritmalar kullanır.
