一家由前谷歌 DeepMind 科学家创立的新创公司带着 5000 万美元的融资正式亮相。这家公司名为 Latent Labs，他们正在开发人工智能基础模型，目标是“让生物学可编程”，并计划与生物技术和制药公司合作，生成和优化蛋白质。
要理解 DeepMind 及其同类公司的研究方向，首先需要了解蛋白质在人类生物学中的重要性。蛋白质是活细胞中一切活动的核心，从酶和激素到抗体，它们几乎参与了所有的生物过程。蛋白质由大约 20 种不同的氨基酸组成，这些氨基酸连接成链并折叠成三维结构，其形状决定了蛋白质的功能。
然而，历史上，确定每种蛋白质的形状一直是一个非常缓慢且劳动密集型的过程。DeepMind 在 AlphaFold 上取得的重大突破，正是解决了这一难题。他们将机器学习与真实的生物数据相结合，成功预测了大约 2 亿种蛋白质结构的形状。借助这些数据，科学家能够更好地理解疾病、设计新药物，甚至为全新的应用场景创造合成蛋白质。这正是 Latent Labs 的切入点——他们希望通过计算生成的方式，从零开始创造全新的治疗分子。
Latent Labs 的创始人西蒙·科尔（Simon Kohl）曾是 DeepMind 的研究科学家，参与了核心的 AlphaFold2 团队工作，并在伦敦的弗朗西斯·克里克研究所（Francis Crick Institute）为 DeepMind 建立了湿实验室。在他看来，蛋白质设计是一个极具潜力的领域，充满了未被探索的空白空间。因此，2022 年底，科尔离开 DeepMind，创立了 Latent Labs，并于 2023 年中期在伦敦正式注册公司。
科尔在接受采访时表示：“我在 DeepMind 的经历非常美好且富有影响力，我坚信生成式建模将在生物学和蛋白质设计中发挥重要作用。随着 Isomorphic Labs 的推出，他们基于 AlphaFold2 开展了许多项目，但我认为真正的机会在于专注于蛋白质设计。这个领域如此广阔，我认为一个灵活且专注的团队能够更好地实现这一目标。”
作为一家获得风险投资支持的初创公司，Latent Labs 招聘了大约 15 名员工，其中包括两名来自 DeepMind 的科学家、一名来自微软的高级工程师，以及剑桥大学的博士。目前，公司的团队分布在伦敦和旧金山两个地点。伦敦团队负责前沿模型的开发，而旧金山团队则拥有自己的湿实验室和计算蛋白质设计团队。科尔表示：“这种布局使我们能够在现实世界中测试我们的模型，并获得必要的反馈，以确保我们的模型朝着预期的方向发展。”
虽然湿实验室在验证技术预测方面仍然重要，但 Latent Labs 的最终目标是减少对湿实验室的依赖。科尔说：“我们的使命是让生物学可编程，真正将生物学带入计算领域，随着时间的推移，减少对生物湿实验室实验的依赖。”这不仅能够颠覆目前依赖大量实验和迭代的药物发现过程，还能大大缩短研发时间。
科尔进一步解释说：“我们的愿景是通过计算模型，真正定制出符合需求的分子，而不依赖于传统的湿实验室。想象一下，当有人提出针对某种疾病的目标药物时，我们的模型能够以‘一键式’的方式，制造出具有所有所需特性的蛋白质药物。”
在商业模式上，Latent Labs 并不打算自行开发治疗候选药物，而是希望通过与第三方合作伙伴携手，加速并降低早期研发阶段的风险。科尔表示：“我们最大的价值在于赋能其他生物制药、生物技术和生命科学公司。我们可以通过直接提供模型，或者通过项目合作支持他们的研发计划。”
公司的 5000 万美元融资包括此前未公布的 1000 万美元种子轮，以及由 Radical Ventures 领投的 4000 万美元 A 轮融资。其他参与方还包括法国生命科学领域的知名风投公司 Sofinnova Partners，以及谷歌首席科学家杰夫·迪恩（Jeff Dean）、Cohere 创始人艾丹·戈麦斯（Aidan Gomez）等知名天使投资人。
这笔资金将主要用于扩大团队规模、提升计算能力以及支持合作伙伴关系的建立。科尔表示：“计算能力对我们来说是一个很大的成本，我们正在构建相当大的模型，这需要大量的 GPU 计算资源。这笔资金将帮助我们继续扩大模型规模，提升团队能力，并为未来的合作奠定基础。”
尽管 DeepMind 在这一领域已经取得了显著进展，但科尔认为，目前整个行业仍处于早期阶段，尚未确定最佳的模型方法或商业模式。他说：“虽然 AlphaFold 和其他团队的早期生成式模型已经种下了一些有趣的种子，但这个领域还没有达成共识。我们有能力在这个领域进行真正的创新。”
随着越来越多的初创公司和成长型企业致力于将计算和生物学紧密结合，Latent Labs 的出现无疑为这一领域带来了新的活力和可能性。
