Yapay zeka, ilaç keşfinde hızla yer buluyor. İlaç ve biyoteknoloji şirketleri, araştırma ve geliştirme sürelerini kısaltmak ve artan maliyetler karşısında başarı şanslarını artırmak için yeni yollar ararken, 200’den fazla yeni girişim AI’yi doğrudan araştırma iş akışlarına entegre etmeye çalışıyor. Converge Bio, AI destekli ilaç keşfi alanındaki rekabetin artmasıyla birlikte yeni yatırım sermayesi elde eden en son şirket oldu.
Boston ve Tel Aviv merkezli bu girişim, ilaç ve biyoteknoloji şirketlerine jeneratif AI kullanarak daha hızlı ilaç geliştirmelerine yardımcı oluyor. Şirket, Bessemer Venture Partners’ın liderliğinde 25 milyon dolarlık bir A Seri yatırım turu gerçekleştirdi. TLV Partners ve Vintage Investment Partners da bu tura katıldı; ayrıca Meta, OpenAI ve Wiz’den bazı üst düzey yöneticilerin ek katkıları oldu.
Converge, DNA, RNA ve protein dizileri üzerinde jeneratif modeller eğiterek, bunları ilaç geliştirme süreçlerine dahil ederek süreci hızlandırıyor.
Converge Bio CEO’su ve kurucu ortağı Dov Gertz, TechCrunch’a verdiği özel bir röportajda, “İlaç geliştirme döngüsü, hedef belirleme ve keşiften üretim, klinik denemelere ve ötesine kadar tanımlanmış aşamalara sahiptir. Bu aşamaların her birinde destek olabileceğimiz deneyler vardır. Platformumuz bu aşamalar boyunca genişlemeye devam ediyor ve yeni ilaçların pazara daha hızlı çıkmasına yardımcı oluyor” dedi.
Şimdiye kadar, Converge, müşteri odaklı sistemler geliştirdi. Şirket, antikor tasarımı, protein verim optimizasyonu ve biyomarker ve hedef keşfi için üç ayrı AI sistemi sunmuş durumda.
Gertz, “Antikor tasarımı sistemimizi örnek olarak alalım. Bu sadece tek bir model değil, üç entegre bileşenden oluşuyor. İlk olarak, bir jeneratif model yeni antikorlar üretiyor. Ardından, moleküler özelliklerine dayanarak bu antikorları filtreleyen tahmin modelleri devreye giriyor. Son olarak, fizik tabanlı bir model kullanan bir docking sistemi, antikor ile hedef arasındaki üç boyutlu etkileşimleri simüle ediyor” dedi. CEO’ya göre, değer sistemin bir bütün olarak sağladığı katkıda yatıyor. “Müşterilerimizin modelleri birleştirmesine gerek yok. Hızla kullanılabilir sistemler sunuyoruz.”
Yeni yatırım, şirketin 2024 yılında 5.5 milyon dolarlık bir tohum turu gerçekleştirmesinden yaklaşık bir buçuk yıl sonrasına denk geliyor.
Techcrunch etkinliği
San Francisco
|
13-15 Ekim 2026
O tarihten bu yana, iki yıllık girişim hızlı bir şekilde büyüdü. Gertz’in belirttiğine göre, Converge, ilaç ve biyoteknoloji şirketleriyle 40 ortaklık imzaladı ve şu anda platformunda 40 program yürütüyor. Şirket, ABD, Kanada, Avrupa ve İsrail’deki müşterileriyle işbirliği yapıyor ve şimdi Asya’ya açılmaya hazırlıyor.
Ekip de hızla büyüyerek, Kasım 2024’te dokuz kişiden 34 çalışana ulaştı. Converge, kamuya açık vaka çalışmaları yayımlamaya da başladı. Bu çalışmalardan birinde, bir ortaklarına bir hesaplama döngüsünde protein verimini 4 ila 4.5 kat artırmasına yardımcı olduğu belirtiliyor. Diğerinde, platformun çok yüksek bağlanma afiniti olan antikorlar ürettiği ifade ediliyor.
AI ile yönlendirilen ilaç keşfi, artan bir ilgi görüyor. Geçen yıl, Eli Lilly, ilaç keşfi için endüstrinin en güçlü süper bilgisayarını inşa etmek üzere Nvidia ile işbirliği yaptı. Ekim 2024’te, Google DeepMind’in AlphaFold projesi, protein yapılarını tahmin edebilen AI sistemi için Nobel Kimya Ödülü aldı.
Gertz, Converge Bio’nun büyümesi hakkında momentum hakkında sorulduğunda, şirketin yaşam bilimleri tarihinde en büyük finansal fırsatı gördüğünü ve endüstrinin “deneme-yanılma” yöntemlerinden veri odaklı moleküler tasarıma geçiş yaptığını belirtti.
“Momentumun derinliğini hissediyoruz, özellikle gelen kutularımızda. Bir buçuk yıl önce şirketi kurduğumuzda, çok fazla şüphecilik vardı” diyen Gertz, bu şüpheciliğin başarılı vaka çalışmaları sayesinde hızlı bir şekilde ortadan kalktığını vurguladı.
Büyük dil modelleri, biyolojik dizileri analiz etme ve yeni moleküller önerme yetenekleri nedeniyle ilaç keşfinde dikkat çekiyor, ancak halüsinasyonlar ve doğruluk gibi zorluklar devam ediyor. “Metinlerde halüsinasyonları fark etmek genellikle kolaydır” diyen CEO, “Moleküllerde yeni bir bileşiği doğrulamak haftalar alabilir, dolayısıyla maliyet çok daha yüksek.” şeklinde ekledi. Bununla başa çıkmak için, Converge, jeneratif modelleri tahmin edici modellerle eşleştiriyor ve yeni molekülleri filtreleyerek riskleri azaltmaya çalışıyor. “Bu filtreleme mükemmel değil ama riskleri önemli ölçüde azaltıyor ve müşterilerimiz için daha iyi sonuçlar getiriyor” dedi.
TechCrunch, LLM’leri kullanmaya şüpheyle bakan uzmanlar hakkında Gertz’e de soru sordu. “Yann LeCun’un büyük bir hayranıyım ve onunla tamamen aynı fikirdeyim. Biz, bilimsel anlayış için metin tabanlı modellere güvenmiyoruz. Biyolojiyi gerçekten anlamak için modellerin DNA, RNA, proteinler ve küçük moleküller üzerinde eğitilmesi gerekiyor” diye açıkladı.
Metin tabanlı LLM’ler yalnızca destek araçları olarak kullanılıyor; örneğin, müşterilerin üretilen moleküller üzerindeki literatürü anlamalarına yardımcı olmak için. “Bu bizim ana teknolojimiz değil” diyen Gertz, “Tek bir mimariye bağlı değiliz. Mantıklı olduğunda LLM’ler, difüzyon modelleri, geleneksel makine öğrenmesi ve istatistiksel yöntemler kullanıyoruz.” ifadelerinde bulundu.
“Vizyonumuz, her yaşam bilimi organizasyonunun Converge Bio’yu jeneratif AI laboratuvarı olarak kullanmasıdır. Islak laboratuvarlar her zaman var olacaktır, ancak hipotezler ve moleküller hesaplamalı olarak üreten jeneratif laboratuvarlarla eşleşmelidir. Tüm endüstri için o jeneratif laboratuvar olmak istiyoruz.” dedi Gertz.
