Converge Bio levanta US$ 25 milhões, apoiado por Bessemer e executivos da Meta, OpenAI, Wiz

A inteligência artificial está avançando rapidamente para a descoberta de medicamentos, à medida que as empresas farmacêuticas e de biotecnologia procuram maneiras de reduzir em anos os prazos de pesquisa e desenvolvimento e aumentar as chances de sucesso em meio ao aumento dos custos. Mais de 200 startups estão agora competindo para integrar a IA diretamente nos fluxos de trabalho de pesquisa, atraindo interesse crescente dos investidores. Convergir Biografia é a mais recente empresa a aproveitar essa mudança, garantindo novo capital à medida que a concorrência no espaço de descoberta de medicamentos impulsionada pela IA esquenta.

A startup com sede em Boston e Tel Aviv, que ajuda empresas farmacêuticas e de biotecnologia a desenvolver medicamentos mais rapidamente usando IA generativa treinada em dados moleculares, levantou uma rodada Série A com excesso de assinaturas de US$ 25 milhões, liderada pela Bessemer Venture Partners. TLV Partners e Vintage Investment Partners também aderiram à rodada, juntamente com o apoio adicional de executivos não identificados da Meta, OpenAI e Wiz.

Na prática, o Converge treina modelos generativos em sequências de DNA, RNA e proteínas e depois os conecta aos fluxos de trabalho farmacêuticos e de biotecnologia para acelerar o desenvolvimento de medicamentos.

“O ciclo de vida do desenvolvimento de medicamentos definiu estágios – desde a identificação e descoberta do alvo até a fabricação, ensaios clínicos e muito mais – e dentro de cada um há experimentos que podemos apoiar”, disse o CEO e cofundador da Converge Bio, Dov Gertz, em entrevista exclusiva ao TechCrunch. “Nossa plataforma continua a se expandir nesses estágios, ajudando a lançar novos medicamentos no mercado com mais rapidez.”

Até agora, a Converge lançou sistemas voltados para o cliente. A startup já introduziu três sistemas discretos de IA: um para design de anticorpos, um para otimização do rendimento de proteínas e um para descoberta de biomarcadores e alvos.

“Tome nosso sistema de design de anticorpos como exemplo. Não é apenas um modelo único. Ele é composto de três componentes integrados. Primeiro, um modelo generativo cria novos anticorpos. Em seguida, os modelos preditivos filtram esses anticorpos com base em suas propriedades moleculares. Finalmente, um sistema de acoplamento, que usa um modelo baseado na física, simula as interações tridimensionais entre o anticorpo e seu alvo”, continuou Gertz. O valor está no sistema como um todo, e não em um modelo único, segundo o CEO. “Nossos clientes não precisam montar os modelos sozinhos. Eles obtêm sistemas prontos para uso que se conectam diretamente aos seus fluxos de trabalho.”

O novo financiamento ocorre cerca de um ano e meio depois que a empresa levantou uma rodada inicial de US$ 5,5 milhões em 2024.

Desde então, a startup de dois anos cresceu rapidamente. A Converge assinou 40 parcerias com empresas farmacêuticas e de biotecnologia e atualmente executa cerca de 40 programas em sua plataforma, disse Gertz.. Trabalha com clientes nos EUA, Canadá, Europa e Israel e agora está se expandindo para a Ásia.

A equipe também cresceu rapidamente, passando de apenas nove para 34 funcionários em novembro de 2024. Ao longo do caminho, a Converge começou a publicar estudos de caso públicos. Em um deles, a startup ajudou um parceiro a aumentar o rendimento de proteínas em 4 a 4,5 vezes em uma única iteração computacional. Em outro, a plataforma gerou anticorpos com afinidade de ligação extremamente alta, atingindo a faixa nanomolar única, observou Gertz.

A descoberta de medicamentos impulsionada pela IA está passando por um aumento de interesse. Ano passadoa Eli Lilly se uniu à Nvidia para construir o que as empresas chamam de supercomputador mais poderoso da indústria farmacêutica para descoberta de medicamentos. E em outubro de 2024, os desenvolvedores por trás O projeto AlphaFold do Google DeepMind ganhou o Prêmio Nobel em Química pela criação do AlphaFold, o sistema de IA que pode prever estruturas de proteínas.

Quando questionado sobre o impulso e como está moldando o crescimento da Converge Bio, Gertz disse que a empresa está testemunhando a maior oportunidade financeira na história das ciências da vida e que a indústria está mudando de abordagens de “tentativa e erro” para um design molecular baseado em dados.

“Sentimos profundamente o impulso, especialmente em nossas caixas de entrada. Há um ano e meio, quando fundamos a empresa, havia muito ceticismo”, disse Gertz ao TechCrunch. Esse ceticismo desapareceu muito rapidamente, graças a estudos de caso bem-sucedidos de empresas como a Converge e da academia, acrescentou.

Grandes modelos de linguagem estão ganhando atenção na descoberta de medicamentos por sua capacidade de analisar sequências biológicas e sugerir novas moléculas, mas desafios como alucinações e precisão permanecem. “No texto, as alucinações geralmente são fáceis de detectar”, disse o CEO. “Em moléculas, a validação de um novo composto pode levar semanas, então o custo é muito mais alto.” Para resolver isso, a Converge combina modelos generativos com modelos preditivos, filtrando novas moléculas para reduzir riscos e melhorar os resultados para seus parceiros. “Essa filtragem não é perfeita, mas reduz significativamente o risco e proporciona melhores resultados para nossos clientes”, acrescentou Gertz.

O TechCrunch também perguntou sobre especialistas como Yann LeCun, que permanecem cético sobre o uso de LLMs. “Sou um grande fã de Yann LeCun e concordo plenamente com ele. Não dependemos de modelos baseados em texto para a compreensão científica básica. Para compreender verdadeiramente a biologia, os modelos precisam ser treinados em DNA, RNA, proteínas e pequenas moléculas”, explicou Gertz.

LLMs baseados em texto são usados ​​apenas como ferramentas de suporte, por exemplo, para ajudar os clientes a navegar na literatura sobre moléculas geradas. “Eles não são nossa tecnologia principal”, disse Gertz. “Não estamos presos a uma única arquitetura. Usamos LLMs, modelos de difusão, aprendizado de máquina tradicional e métodos estatísticos quando faz sentido.”

“Nossa visão é que todas as organizações de ciências biológicas usem a Converge Bio como seu laboratório generativo de IA. Os laboratórios úmidos sempre existirão, mas serão emparelhados com laboratórios generativos que criam hipóteses e moléculas computacionalmente. Queremos ser esse laboratório generativo para toda a indústria”, disse Gertz.