Однако подобрать фермент с нужными характеристиками — например, стабильностью, скоростью реакции или селективностью — непросто. Классический метод заключается в создании тысяч вариантов фермента и их лабораторном тестировании.
Этот подход, известный как направленная эволюция, требует множества циклов мутаций и скрининга, что может занимать месяцы или даже годы и требует значительных лабораторных ресурсов.
Imperagen пытается цифровизировать этот процесс. Компания называет свою систему Digital Enzyme Evolution — платформой, которая объединяет вычислительные модели, машинное обучение и лабораторную автоматизацию в единую систему разработки ферментов.
Вместо того чтобы полагаться исключительно на экспериментальный скрининг, система работает в замкнутом цикле design‑build‑test‑learn — «спроектировать, создать, протестировать, обучиться».
На первом этапе используются модели, основанные на квантовой механике, чтобы предсказать поведение ферментов на молекулярном уровне.
Такие симуляции позволяют изучать структуру фермента, механизм реакции и динамику молекул до проведения лабораторных экспериментов. Это помогает определить наиболее перспективные мутации и сократить количество вариантов, которые нужно проверять в реальности.
Затем в работу вступают модели машинного обучения, обученные на экспериментальных данных.
Они анализируют структуру белка и ищут так называемые «горячие точки» (hotspots) — участки, где изменение аминокислотной последовательности может улучшить активность фермента, его стабильность или пригодность для промышленного производства.
По мере накопления данных от новых экспериментов точность моделей может постепенно расти.
Когда модели предлагают новые варианты фермента, автоматизированные лаборатории синтезируют и тестируют их.
Роботизированные системы выполняют создание, экспрессию и анализ ферментных вариантов, а полученные данные сразу возвращаются в вычислительные модели. Так формируется непрерывный цикл оптимизации, в котором каждая серия экспериментов улучшает следующую.
Ферменты играют роль биокатализаторов во множестве промышленных процессов. Поэтому более быстрые и точные методы их разработки могут повлиять на целый ряд отраслей.
В производстве лекарств ферменты позволяют проводить более селективные химические реакции и упрощать синтез сложных молекул. Это может снизить количество этапов производства и уменьшить объем химических отходов.
Технология Imperagen изначально создавалась, в частности, для задач поиска лекарств и разработки биокатализаторов для фармацевтики.
Многие компании пытаются заменить традиционные химические катализаторы биологическими альтернативами.
Более эффективные ферменты могут уменьшить:
Это особенно важно для производства тонких химикатов, косметических ингредиентов и других промышленных материалов.
Похожие технологии могут применяться и в других секторах, где используются специализированные ферменты:
Например, новые ферменты могут работать при более высоких температурах, выдерживать агрессивные промышленные условия или перерабатывать более дешёвое сырьё. Однако источники пока дают ограниченную информацию о конкретных коммерческих проектах Imperagen в этих секторах.
Imperagen недавно привлекла £5 млн посевных инвестиций, раунд возглавил венчурный фонд PXN Ventures при участии существующих инвесторов IQ Capital и Northern Gritstone.
Компания заявляет, что средства пойдут на:
Одновременно с финансированием Гай Леви‑Юриста, PhD, был назначен генеральным директором. Он ранее занимался масштабированием технологических компаний и выводом deep‑tech проектов на рынок.
Imperagen относится к быстро растущей категории компаний techbio — стартапов, которые объединяют вычислительные технологии и автоматизированную биологию.
Идея заключается в том, чтобы соединить симуляции, искусственный интеллект и роботизированные лаборатории в единую систему обратной связи, которая обучается на каждом эксперименте.
Если такой подход окажется масштабируемым, разработка ферментов может перейти от экспериментального ремесла к полноценной инженерной дисциплине, управляемой данными.
Пока эта модель находится на ранней стадии развития. Большая часть заявлений о преимуществах платформы исходит от самой компании, а независимые бенчмарки по скорости, стоимости и эффективности разработки ферментов остаются ограниченными. Но при успешной реализации такие системы могут существенно ускорить появление новых биокатализаторов в фармацевтике, химии и промышленной биотехнологии.
Comments
0 comments