«Урожайность в экваториальных районах сильно снижается. Фермеры перемещаются на возвышенности, потому что соленая вода разрушает поля, но они сталкиваются с весенними заморозками, которые убивают их саженцы. Или им нужна устойчивая к ржавчине пшеница, чтобы пережить вспышки грибка во влажное время года. Поэтому мы должны создать новые сорта, чтобы адаптироваться к новой экологической реальности», — объяснил соучредитель и гендиректор Avalo Брендан Коллинз.
Как сообщает TechCrunch, поиск устойчивых генов растений — это не уникальный проект, над которым работают только в Avalo. Ведущие биологические компании регулярно вносят улучшения в свои продукты, выявляя новые качества. Но если распространенные методы полагаются на реальное выращивание и поэтапный отбор растений с требуемыми характеристиками, то Avalo использует алгоритмы машинного обучения для цифрового подбора подходящих геномов и виртуального «выращивания». Таким образом стартап экономит годы и миллионы долларов, которые обычно тратятся на поиск устойчивых культур.
«Попытаться повысить эффективность фермента легко, вы просто заходите с CRISPR и редактируете его. Но при увеличении урожайности кукурузы этому способствуют тысячи, а может и миллионы генов. Если вы крупный стратег, пытающийся производить устойчивый к засухе рис, вы рассчитываете на 15 лет напряженной работы и $200 млн. инвестиций. Это действительно долгая игра», — добавил второй учредитель Avalo Мариано Альварес.
Стартап Avalo построил алгоритм для моделирования изменений в геноме растения, который сокращает 15-летний период исследований до двух или трех лет, а их стоимость — на порядки. Работа платформы Avalo делится на четыре условных этапа. Сначала ИИ быстро сканирует естественные вариации культур, чтобы определить интересующие области с минимальным обучением — этот метод называется GDIP. Далее, используя минимальный набор вариаций, алгоритм конструирует оптимальный организм на виртуальной модели. Avalo передает эту модель своим партнерам, которые затем выращивают устойчивый организм. Если новое растение подтверждает свою эффективность, данные о нем возвращаются на платформу, чтобы в будущем алгоритмы работали еще быстрее и эффективнее.
В качестве примера Коллинз привел холодостойкий сорт риса, который был выведен в сотрудничестве с крупной биотехнологической компанией. В результате общегеномного исследования компания обнаружила 566 теоретически подходящих генов. Реальное исследование всего одного обошлось бы в $40 тыс. или около $22,2 млн. для изучения всех генов. Но с помощью ИИ Avalo сократил число целевых генов до 32 вариантов, затем вырастил 10 реальных сортов и в течение трех месяцев подтвердил возможности устойчивого риса.
На прошлой неделе Avalo закончил программу инкубатора IndieBio и уже привлек $3 млн. посевного финансирования. Первый раунд возглавили венчурные фонды Better Ventures и Giant Ventures, к которым присоединились инвесторы из At One Ventures, Climate Capital и материнская компания IndieBio SOSV.
