Menskalakan bioproses “terkenal lambat dan sangat mahal,” kata Bio diferensial CEO Christian Spier. “Kami di sini untuk mengubahnya.”
Muncul dari Stealth minggu ini dengan € 2 juta ($ 2,2 juta) dalam pendanaan pra-benih, startup yang berbasis di Munich telah mengembangkan platform yang mengintegrasikan AI, mikrobiologi, dan otomatisasi lab untuk membantu perusahaan memangkas biaya dan menghilangkan risiko proses skala biomanufaktur.
Babak itu dipimpin oleh Usaha dampak ananda Dan Usaha Regen dengan partisipasi dari Karbon13, Modal iklim, Usaha yang lebih baik, Usaha CDTMdan investor malaikat, dan akan membantu diferensial Bio memperluas platform dan timnya dan menarik klien baru dalam makanan, kosmetik, dan bahan kimia khusus.
“Biomanufaktur dibatasi oleh krisis penskalaan. Dengan memanfaatkan pembelajaran mesin pada data fenotipik dan bioproses yang luas, diferensial memiliki potensi untuk mendefinisikan kembali biomanufaktur pada skala dengan memberikan pengurangan fungsi langkah dalam biaya dan waktu untuk komersialisasi. ” Tom McQuillen, Mitra, Regen Ventures
De-risking proses skala
Tiga inovasi inti mendukung platform, kata Spier:
- Mikrobiologi lanjutan untuk miniatur proses fermentasi
- Robotika untuk mengotomatiskan alur kerja laboratorium dan menghasilkan data berkualitas tinggi
- Algoritma AI untuk mensimulasikan dan mengoptimalkan bioproses secara virtual
Dalam kombinasi, mereka meminimalkan ketergantungan pada eksperimen fisik yang mahal dan intensif sumber daya dan memberikan wawasan yang tepat tentang faktor-faktor seperti tingkat pertumbuhan biomassa, produksi metabolit, dan kelayakan sel, jelasnya.
“Hasilnya? Siklus optimisasi yang lebih cepat, pengurangan biaya yang signifikan melalui otomatisasi, dan peningkatan profitabilitas berkat hasil yang lebih tinggi dan peningkatan efisiensi proses.”
Studi kasus probiotik
Sebagai contoh platform virtualnya dalam aksi, bio diferensial bekerja dengan klien untuk mentransisi strain mikroba dari media pertumbuhan berbasis hewan ke media, mencapai peningkatan 4x dalam hasil biomassa, meningkatkan efisiensi produksi, dan memberikan pengurangan 16% dalam biaya produksi.
“Proyek ini memamerkan kemampuan platform untuk menangani optimasi multi-objektif,” CSO Dong Zhao menjelaskan. “Kami membuktikan bahwa biomanufaktur yang berkelanjutan dapat meningkatkan kinerja dan memotong biaya secara bersamaan sambil mencapai tujuan keberlanjutan.”
Lab Self-Driving
Berbicara dengan AgfunderNews di KTT teknologi makanan di masa depan Di San Francisco, Spier mengatakan: “Janji pembuatan data pada skala dan AI sangat besar. Tetapi untuk beralih dari skala lab ke pilot ke skala komersial, biaya per percobaan meningkat secara eksponensial. Jadi Anda harus pergi ke skala mikro untuk menghasilkan data dan kemudian menjembatani kesenjangan ke skala besar.
“Jadi kami memiliki laboratorium yang sepenuhnya otomatis dengan robot penanganan cair, dan kami menggunakan data yang kaya itu untuk melatih model kami,” tambah Spier, seorang bioinformatika yang berbasis di Munich tetapi telah tinggal dan belajar di AS.
“Kami secara bersamaan melihat mengoptimalkan media, ketegangan, bioproses mekanik, pemrosesan hilir, dan meningkatkan skala.”
Ketika datang ke fermentasi mikroba, katanya, menemukan alternatif yang lebih murah untuk gula yang dimurnikan seperti glukosa yang akan bekerja sebagai bahan baku untuk mikroorganisme menjadi semakin penting, dan teknologi bio diferensial dapat membantu perusahaan mengidentifikasi sumber karbon yang lebih murah yang akan bekerja dengan ketegangan mereka.
“Aliran sisi dan aliran limbah ini (yang dapat berfungsi sebagai sumber karbon alternatif) kompleks dan heterogen, tetapi potensinya sangat besar. Kami menghasilkan data eksperimental fenotipik yang kurang di dalam rumah industri dan memetakan sehingga kami dapat membangun hubungan antara mikroorganisme dan bahan baku.
“Dan kemudian di sisi pemrosesan hilir, yang juga dapat memiliki dampak besar pada profitabilitas, kita dapat bekerja pada stabilitas proses dan misalnya mencari tahu berapa banyak sel yang bertahan setelah pengeringan beku (metrik penting untuk bakteri probiotik, misalnya) dan menggunakannya sebagai data pelatihan untuk model kami.”
Singkatnya, bio diferensial dapat membantu perusahaan menghilangkan risiko bioproses mereka dalam skala kecil sebelum mereka menghabiskan lebih banyak uang secara eksponensial mengujinya pada skala yang lebih besar, katanya.
Menurut Spier, bio diferensial telah bekerja dengan beberapa strain mikroba termasuk E. coli, ragi dan lactobacillus dan sekarang “pelanggan onboarding di sebagian besar ruang probiotik, di mana kita melihat banyak permintaan, terutama ketika datang ke probiotik generasi berikutnya.”
Model Bisnis
Awalnya, kata Spier, “Kami secara efektif melakukan pekerjaan untuk klien kami, dari pembuatan data hingga pemodelan hingga optimasi, dan bekerja secara langsung dengan strain kepemilikan mereka, misalnya. Kami melakukan itu untuk menunjukkan luasnya pendekatan kami dalam waktu yang singkat dan menghasilkan lebih banyak studi kasus, lebih banyak kemampuan optimasi, di samping kemampuan teknologi kami (lebih banyak strain, lebih banyak biop, di sebelah kemampuan biop kami, di samping kemampuan teknologi (lebih banyak biop, di samping kapabilitas teknologi (lebih banyak strain, di samping kapabilitas teknologi (lebih dari biop, di samping kapabilitas kami (lebih banyak.
Namun, seiring waktu, model bisnis akan berkembang, katanya. “Kami meluncurkan platform sehingga tersedia untuk mitra sehingga mereka dapat menghasilkan dan belajar dari data in-house, tanpa berbagi data sensitif dengan kami. Kami memiliki platform web yang sangat mudah digunakan, platform eksperimen virtual, di mana Anda dapat menyeret dan menjatuhkan, menyesuaikan parameter dan melakukan eksperimen virtual. Anda tidak perlu mengetahui sains data atau memiliki keterampilan pemrograman.
Secara umum, kata Spier: “Korporat besar memiliki proses mereka sendiri seputar berbagi data, yang dapat memperpanjang siklus keputusan, tetapi secara umum, ada pemahaman bahwa semakin banyak yang Anda berikan, dari segi informasi, semakin tinggi kemungkinan keberhasilan. Namun, ada juga cara untuk bekerja sama jika Anda tidak ingin berbagi data dengan kami.
“Kami juga dapat menawarkan model pra-terlatih yang dapat Anda gunakan untuk menyempurnakan ketegangan Anda dan berlaku untuk kasing Anda, dan kami tidak pernah melihat data Anda.”
'Kami membutuhkan data'
Melangkah mundur, katanya, ada beberapa teknologi yang memungkinkan yang dapat meningkatkan ekonomi biomanufaktur, dari alat baru untuk menjinakkan beragam host mikroba (Mikroba liar), untuk menebus bahan baku yang lebih murah dan lebih berkelanjutan (Hyfé), produksi bebas sel (Debut), pemrosesan terus menerus (Pow.bio, Kawah), desain bioreaktor baru (Lingkungan), AI/mL untuk membantu mengoptimalkan garis sel dan bioproses (Triplebar), dan sel yang lebih produktif (Genetika Enduro).
“Saya pikir organisme non-model (di luar workhorses standar biomanufaktur) memiliki potensi besar, termasuk inang yang menggunakan karbon dioksida sebagai bahan baku (melalui fermentasi gas).
“Tetapi dengan semua hal ini, kami membutuhkan data. Bagaimana Anda melakukan optimasi yang didorong data jika Anda tidak memiliki cukup data? Jadi di situlah kami dapat membantu.”