BioState AI是一家分子診斷初創公司，將下一代RNA測序（RNASEQ）與生成AI結合在一起，今天宣布，它已在Accel領導的A系列A融資中籌集了1200萬美元。這一輪還看到了Gaingels，Mana Ventures，Infoedge Ventures以及返回投資者Matter Venture Partners，Vision Plus Capital和Catapult Ventures的參與。諸如人道首席執行官Dario Amodei，10倍基因組學CTO Mike Schnall-Levin和Twist Bioscience首席執行官Emily Leproust等備受矚目的天使也支持了該公司。
新的資金為BioState的雄心勃勃的目標提供了：使生物學可預測並在大規模上解鎖精確藥物。就像開放式培訓的changpt在數万億個單詞上如何理解人類語言一樣，Biostate是培訓基礎模型，以了解數十億個RNA表達概況，以學習人類疾病的“分子語言”。
Netflix分子醫學模型
該初創公司由麻省理工學院（MIT）和稻米教授轉變為企業家Ashwin Gopinath和David Zhang創立，設想了一種新的診斷範式。 BioState不用提供孤立的測序服務，而是使用Netflix啟發的自我維持的業務模型：公司以超低成本處理數千個RNA樣品，將數據饋送到專有的生成AI系統中，並通過每個實驗來改進其模型。結果是一個良好的周期 – 可實現的測序能力更好，更好的模型提供了更深層次的臨床見解。
“我建立的每個診斷都在於將答案移至患者的近距離方面，” 說 張，Biostate AI的首席執行官。 “ BioState通過使整個轉錄組負擔得起，取得了最大的飛躍。”
轉錄組（細胞中的RNA分子的完整集）提供了人類健康和疾病的實時快照。然而，從歷史上看，全轉錄組測序非常昂貴且難以解釋。 BioState通過雙重方法解決這兩個問題：根本性的成本降低和尖端AI。
技術創新：Birt，Perd和Generative AI
BioState產品的核心是兩種專利技術：BIRT（Biostate Integrated RNASEQ技術）和PERD（概率表達減少反捲積）。 BIRT是一種多路復用方案，允許從多個樣品中同時提取RNA提取並進行測序，從而降低了成本幾乎十倍。同時，Perd應用新穎的算法來濾除“批處理效應”，這是由於實驗室條件或樣品處理的差異引入的，這些算法通常會掩蓋多站點研究中的生物學信號。
這款高度標準化的RNASEQ管道源於Biostate的專有基礎模型， 生物酶，它的功能與自然語言處理中的GPT模型非常相似。在組織類型，疾病狀態和物種的成千上萬的轉錄組譜進行了培訓，生物酶捕獲了“生物學語法”，即定義健康和疾病的基因表達的潛在模式。
正如GPT可以進行微調以撰寫論文或總結法律文件一樣，生物酶也可以適應以檢測早期癌症復發，預測自身免疫性疾病中的藥物反應或在心血管試驗中分層患者。 Biostate的 預後AI，建立在生物鹼基的頂部，已經顯示出預測白血病復發的希望，並通過加速治療項目被駕駛用於多發性硬化症。
“正如Chatgpt通過從數万億個單詞中學習而改變了語言的理解一樣，我們也從數十億個RNA表達中學習人類疾病的分子語言一樣， 說 Gopinath，公司的首席技術官。 “我們正在為分子醫學做什麼，大型語言模型為文本做了什麼 – 縮放原始數據，以便算法最終可以發光。”
構建世界上最大的RNASEQ數據集
迄今為止，BioState已經為150多個合作者（包括康奈爾和其他主要機構）進行了10,000多個樣本。它的目標是每年將該數字擴展到數十萬個樣本。通過其低成本的RNASEQ過程和簡化數據攝入管道，OmicsWeb，該指數增長成為可能，該管道標準化，標籤和安全地存儲跨司法管轄區的轉錄組數據。
該公司的雲基礎架構包括幾種新穎的Genai工具，例如：
OmicsWeb副駕駛 – 一種自然語言接口，用於分析無代碼的RNASEQ數據。
Quantaquill – 一位AI助手，生成準備出版的科學手稿，並帶有數字和引用。
嵌入衝浪者 – 一種可視化工具，可在基因表達數據中發現隱藏的生物學關係。
Biostate在休斯敦，帕洛阿爾托，班加羅爾和上海設有辦事處，在全球範圍內擴展，以支持不斷增長的臨床和學術夥伴網絡。該初創公司已經在處理新鮮和數十年的組織樣品 – 螺旋實驗室從以前無法使用的標本中提取洞察力。
邁向所有疾病的通用AI
Biostate的最後遊戲是大膽的：創建一個通用AI，能夠理解和指導治療 全部 人類疾病。這種統一的方法與當今零散的生物技術景觀形成鮮明對比，在當今，每種狀況通常都需要自己的孤立的診斷工具和治療路徑。
“與其將診斷和治療學作為每種疾病的獨立，孤立的問題，我們認為現代和未來的AI可以通用，以理解和幫助治愈每種疾病，” 說 張。
通過將生物學視為一種生成系統（當今的分子狀態決定了明天的結果），二現代人認為它不僅可以預測當前的健康狀況，而且可以預測未來的疾病軌跡和最佳干預措施。
接下來是什麼？
迄今為止籌集了超過2000萬美元的籌集資金，並且客戶群迅速增長，BioState正在加快腫瘤學，心血管疾病和免疫學方面的臨床合作。該公司的下一個里程碑包括對其預測模型的監管驗證以及其AI驅動診斷工具的商業規模。
作為 Gopinath 說： “我們不僅在解釋生物學。我們正在建立與大語言模型的生物學等效物，僅是這次是對人體的訓練。”
如果BioState AI成功，那麼下一波精密醫學可能不僅是反應性的，它將具有預測性，個性化和由生成性AI提供支持。
