Imperagen ใช้ AI + ควอนตัม + ห้องแล็บอัตโนมัติ เร่งการออกแบบเอนไซม์ยุคใหม่

ทำไมการออกแบบเอนไซม์แบบเดิมจึงช้า

เอนไซม์คือโปรตีนที่ทำหน้าที่เป็นตัวเร่งปฏิกิริยาทางชีวภาพ (biocatalyst) ทำให้ปฏิกิริยาเคมีเกิดขึ้นได้เร็วขึ้นและเฉพาะเจาะจงมากกว่าวิธีเคมีทั่วไป จึงถูกใช้ในอุตสาหกรรมยา อาหาร และเคมีสมัยใหม่

แต่การสร้างเอนไซม์ที่มีคุณสมบัติเหมาะกับกระบวนการอุตสาหกรรม—เช่น ทำงานได้ดีในอุณหภูมิสูงหรือในสารละลายเฉพาะ—มักต้องอาศัยการสร้างการกลายพันธุ์จำนวนมาก แล้วทดลองคัดเลือกตัวที่ดีที่สุด วิธีนี้อาจต้องใช้เวลาหลายเดือนหรือหลายปี

แพลตฟอร์ม “Digital Enzyme Evolution” ของ Imperagen

Imperagen พยายามทำให้ขั้นตอนทั้งหมดกลายเป็นระบบดิจิทัลที่เรียนรู้ได้อย่างต่อเนื่อง บริษัทเรียกแนวทางนี้ว่า Digital Enzyme Evolution ซึ่งรวม AI การจำลองทางฟิสิกส์ และหุ่นยนต์ในห้องแล็บเข้าด้วยกันใน workflow เดียว

แทนที่จะพึ่งการทดลองจำนวนมาก ระบบจะทำงานแบบ วงจรปิด design‑build‑test‑learn ที่ข้อมูลจากทุกการทดลองจะถูกนำกลับไปปรับปรุงโมเดลรอบถัดไป

1) การจำลองด้วยฟิสิกส์ควอนตัม

ขั้นแรกใช้การจำลองเชิงฟิสิกส์เพื่อทำนายพฤติกรรมของเอนไซม์ในระดับโมเลกุล

การจำลองเชิงกลศาสตร์ควอนตัมสามารถประเมินโครงสร้าง การเคลื่อนไหว และปฏิกิริยาเคมีของเอนไซม์ได้ก่อนการทดลองจริง ช่วยคัดเลือกแนวทางการกลายพันธุ์ที่มีโอกาสสำเร็จสูง และลดจำนวนตัวอย่างที่ต้องทดลองในห้องแล็บ

2) โมเดล AI สำหรับทำนายการกลายพันธุ์

จากนั้น Imperagen ใช้โมเดล machine learning ที่ฝึกจากข้อมูลการทดลองจริง เพื่อทำนายว่าการเปลี่ยนแปลงลำดับโปรตีนแบบใดมีแนวโน้มช่วยเพิ่มประสิทธิภาพของเอนไซม์

AI จะช่วยระบุ ตำแหน่งสำคัญ (hotspots) ในโครงสร้างเอนไซม์ ซึ่งหากปรับเปลี่ยนอาจเพิ่มความเร็วปฏิกิริยา ความเสถียร ความจำเพาะ หรือความสามารถในการผลิตในระดับอุตสาหกรรม

เมื่อระบบได้รับข้อมูลจากการทดลองใหม่ โมเดลก็จะเรียนรู้และปรับปรุงการทำนายให้ดีขึ้นในรอบต่อไป

3) ห้องแล็บอัตโนมัติแบบวงจรปิด

เมื่อ AI เสนอแบบเอนไซม์ใหม่ ระบบหุ่นยนต์ในห้องแล็บจะทำหน้าที่สร้างและทดสอบตัวแปรเหล่านั้น

หุ่นยนต์สามารถสังเคราะห์ DNA แสดงออกโปรตีน และวัดประสิทธิภาพของเอนไซม์ จากนั้นข้อมูลผลลัพธ์จะถูกส่งกลับเข้าสู่ระบบคอมพิวเตอร์เพื่อฝึกโมเดลใหม่ ทำให้เกิด วงจรปรับปรุงอย่างต่อเนื่อง

ทำไมเรื่องนี้จึงสำคัญต่อหลายอุตสาหกรรม

การพัฒนาเอนไซม์ที่มีประสิทธิภาพขึ้นมีผลกระทบกว้าง เพราะเอนไซม์ถูกใช้เป็นตัวเร่งปฏิกิริยาในกระบวนการผลิตจำนวนมาก

อุตสาหกรรมยา

ในการผลิตยา เอนไซม์ที่ออกแบบดีขึ้นสามารถช่วยให้การสังเคราะห์โมเลกุลซับซ้อนเกิดขึ้นได้สะอาดขึ้น ใช้ขั้นตอนน้อยลง และลดของเสียจากสารเคมี

เทคโนโลยีของ Imperagen เริ่มต้นจากการใช้งานใน การค้นพบยาโมเลกุลขนาดใหญ่และการพัฒนาไบโอคะตะลิสต์ สำหรับอุตสาหกรรมยา

ไบโอเทคอุตสาหกรรมและเคมีที่ยั่งยืน

หลายอุตสาหกรรมกำลังเปลี่ยนจากตัวเร่งปฏิกิริยาเคมีแบบดั้งเดิมมาใช้เอนไซม์ เพราะสามารถทำงานได้ในสภาวะที่ใช้พลังงานต่ำกว่าและสร้างของเสียน้อยกว่า

เอนไซม์ที่ออกแบบดีขึ้นอาจช่วยลดการใช้พลังงาน วัตถุดิบ และผลพลอยได้ที่เป็นอันตรายในอุตสาหกรรม เช่น เคมีภัณฑ์พิเศษ ผลิตภัณฑ์ดูแลร่างกาย และการผลิตที่ยั่งยืน

อาหาร เชื้อเพลิงชีวภาพ และเกษตร

แนวคิดเดียวกันยังใช้ได้กับหลายภาคส่วนที่พึ่งพาเอนไซม์ เช่น

• การแปรรูปอาหารและการผลิตส่วนผสม
• การผลิตเชื้อเพลิงชีวภาพจากชีวมวลพืช
• เทคโนโลยีชีวภาพด้านการเกษตร

เอนไซม์ที่ได้รับการออกแบบใหม่อาจช่วยให้กระบวนการผลิตทำงานในสภาพแวดล้อมที่รุนแรงขึ้น ใช้วัตถุดิบราคาถูกลง หรือเพิ่มผลผลิตได้ อย่างไรก็ตาม แหล่งข้อมูลที่มีอยู่ยังให้รายละเอียดจำกัดเกี่ยวกับการใช้งานจริงของ Imperagen ในแต่ละตลาด

เงินทุน 5 ล้านปอนด์จะช่วยอะไร

Imperagen เพิ่งระดมทุน 5 ล้านปอนด์ ในรอบ Seed โดยมี PXN Ventures เป็นผู้นำ และมีนักลงทุนเดิมอย่าง IQ Capital และ Northern Gritstone เข้าร่วม

บริษัทระบุว่าเงินทุนนี้จะถูกใช้เพื่อ

• ขยายขีดความสามารถของการจำลองเชิงฟิสิกส์และโมเดล AI
• พัฒนาโครงสร้างพื้นฐานของห้องแล็บอัตโนมัติ
• ขยายแพลตฟอร์มสำหรับความร่วมมือกับลูกค้าและโครงการเชิงพาณิชย์

การระดมทุนครั้งนี้ยังมาพร้อมกับการแต่งตั้ง Guy Levy‑Yurista, PhD เป็นซีอีโอ เพื่อนำบริษัทเข้าสู่ช่วงการเติบโตและการนำเทคโนโลยีไปใช้งานจริงในตลาด

ภาพใหญ่ของกระแส “TechBio”

Imperagen เป็นตัวอย่างของบริษัทในกลุ่ม TechBio ที่ผสานเทคโนโลยีคอมพิวเตอร์ขั้นสูงเข้ากับห้องแล็บชีววิทยาอัตโนมัติ

แนวคิดหลักคือรวม การจำลอง การคาดการณ์ด้วย AI และระบบหุ่นยนต์ เข้าเป็นวงจรเดียวที่เรียนรู้จากทุกการทดลอง หากแนวทางนี้พิสูจน์ตัวเองได้ในวงกว้าง การออกแบบเอนไซม์อาจเปลี่ยนจากงานทดลองที่ใช้เวลานาน ไปสู่กระบวนการวิศวกรรมที่ขับเคลื่อนด้วยข้อมูล

อย่างไรก็ตาม หลักฐานจำนวนมากในปัจจุบันยังมาจากประกาศของบริษัทเอง และยังมีข้อมูลการเปรียบเทียบจากภายนอกเกี่ยวกับความเร็ว ต้นทุน หรืออัตราความสำเร็จที่เผยแพร่ไม่มากนัก

หากแพลตฟอร์มลักษณะนี้สามารถขยายได้จริง ก็อาจช่วยเร่งการพัฒนาเอนไซม์สำหรับยา เคมี และอุตสาหกรรมชีวภาพในอนาคตอย่างมีนัยสำคัญ