జనరేటివ్ AI మరియు బయోటెక్నాలజీల కలయిక భారీ మూలధనాన్ని ఆకర్షిస్తోంది. ప్రముఖ పరిశోధకులు సాధారణ LLM పనుల నుండి శాస్త్రీయ అనువర్తనాల (scientific applications) వైపు మళ్లుతున్నారు. OpenAI పరిశోధకుడు మైల్స్ వాంగ్ (Miles Wang), అధునాతన AI మోడలింగ్‌తో మందుల ఆవిష్కరణను (drug discovery) విప్లవాత్మకంగా మార్చే ఒక కొత్త సంస్థను ప్రారంభించడానికి సిద్ధమవుతున్నట్లు సమాచారం.

OpenAI నుండి బయోటెక్ వైపు ఒక కీలక అడుగు

2024లో OpenAIలో చేరిన హార్వర్డ్ కంప్యూటర్ సైన్స్ గ్రాడ్యుయేట్ అయిన వాంగ్, $2 బిలియన్ల వాల్యుయేషన్‌తో $200 మిలియన్లను సేకరించడానికి చర్చలు జరుపుతున్నారు. ఆయన కొన్ని గణాంకాలను ఖండించినప్పటికీ, విస్తృత AI ల్యాబ్‌ల నుండి ప్రభావవంతమైన శాస్త్రీయ రంగాలకు జరుగుతున్న పెరుగుతున్న "మేధో వలస" (brain drain) ఆయన నిష్క్రమణ ద్వారా స్పష్టమవుతోంది.

ఈ స్టార్టప్ మరికొంతమంది OpenAI పరిశోధకులను నియమించుకోవాలని యోచిస్తోంది, తద్వారా బయోలాజికల్ డిస్కవరీని ఆటోమేట్ చేయడంపై దృష్టి సారించే ఒక శక్తివంతమైన ప్రతిభావంతుల బృందాన్ని సృష్టించవచ్చు. ఈ అడుగు చాట్‌బాట్‌ల నుండి మాలిక్యులర్ బయాలజీ యొక్క సంక్లిష్టతలను అర్థం చేసుకోగల మోడల్స్ వైపు మారుతున్న మార్పును సూచిస్తుంది.

డ్రగ్ రీపర్పసింగ్ మరియు మాలిక్యులర్ ప్రిడిక్షన్‌ను లక్ష్యంగా చేసుకోవడం

కొత్త రసాయన సమ్మేళనాల కోసం వెతకడానికి బదులుగా, వాంగ్ సంస్థ ఇప్పటికే ఉన్న, FDA-ఆమోదించిన మందుల కొత్త ఉపయోగాలను కనుగొనడం మరియు క్లినికల్ ట్రయల్స్‌లో విఫలమైన సమ్మేళనాలను పునరుద్ధరించడం వంటి AI మోడల్స్‌పై దృష్టి సారించవచ్చు.

డ్రగ్ రీపర్పసింగ్ (Drug repurposing) స్పష్టమైన వాణిజ్య ప్రయోజనాన్ని అందిస్తుంది: భద్రతా పరీక్షలు ఇప్పటికే పూర్తయ్యాయి, కాబట్టి కొత్త మందుల అభివృద్ధి (de novo drug development) తో పోలిస్తే ఆదాయ మార్గం గణనీయంగా తగ్గుతుంది. మాలిక్యూల్స్ వివిధ బయోలాజికల్ టార్గెట్‌లకు ఎలా బంధించబడతాయో అంచనా వేయడానికి AIని ఉపయోగించడం ద్వారా, ఈ స్టార్టప్ సంవత్సరాల తరబడి సాగే ప్రయోగశాల పనులను దాటవేయవచ్చు.

AI-బయోటెక్ రంగం యొక్క అద్భుతమైన వృద్ధి

వాంగ్ లక్ష్యంగా పెట్టుకున్న వాల్యుయేషన్ వేగంగా విస్తరిస్తున్న మార్కెట్‌ను ప్రతిబింబిస్తుంది. AI ఆధారిత లైఫ్-సైన్స్ రంగంలో ఇప్పటికే దిగ్గజ సంస్థలు ఆధిపత్యం చెలాయిస్తున్నాయి:

  • Chai Discovery: మాలిక్యులర్ ఇంటరాక్షన్‌లను అంచనా వేయడానికి మోడల్స్‌ను నిర్మించడానికి $3.8 బిలియన్ల వాల్యుయేషన్‌తో $400 మిలియన్లను సేకరించింది.
  • Isomorphic Labs: Google DeepMind నుండి విడివడి వచ్చిన ఈ సంస్థ, AI ఆధారిత డ్రగ్ డిస్కవరీ కోసం మేలో $2.1 బిలియన్ల సిరీస్ B ని సేకరించింది.

ఈ ఒప్పందాలు చూస్తుంటే, వాంగ్ రౌండ్‌లో కీలక పాత్ర పోషించే అవకాశం ఉన్న Lightspeed వంటి వెంచర్ ఫర్మ్స్, AI-ఆధారిత బయాలజీని అత్యంత లాభదాయకమైన సరిహద్దులలో ఒకటిగా చూస్తున్నాయని అర్థమవుతోంది.

AI రంగంలో ఇది ఎందుకు ముఖ్యం?

డ్రగ్ డిస్కవరీలో ప్రత్యేకించబడిన AI, చర్చలను అబ్‌స్ట్రాక్ట్ AGI చర్చల నుండి వాస్తవమైన అప్లైడ్ AI ఫలితాల వైపు మళ్లిస్తుంది. వాంగ్ వంటి పరిశోధకులు OpenAIలో అభివృద్ధి చేసిన స్కేలింగ్ లాస్ మరియు ట్రాన్స్‌ఫార్మర్ ఆర్కిటెక్చర్‌లను బయోలాజికల్ డేటాసెట్‌లపై ప్రయోగించినప్పుడు, అవి శాస్త్రీయ ఆవిష్కరణలను వేగవంతం చేస్తాయి. AI విలువ సృష్టిలో తదుపరి దశ బహుశా భౌతిక శాస్త్రాలతో (physical sciences) నిలువు ఏకీకరణ (vertical integration) పై ఆధారపడి ఉంటుంది.

ముఖ్య అంశాలు

  • భారీ మూలధన ప్రవాహం: AI డ్రగ్-డిస్కవరీ స్టార్టప్ కోసం వాంగ్ $2 బిలియన్ల వాల్యుయేషన్‌తో $200 మిలియన్లను కోరుతున్నారు.
  • వ్యూహాత్మక దృష్టి: ఈ సంస్థ డ్రగ్ రీపర్పసింగ్‌కు ప్రాధాన్యతనిస్తుంది, అంటే ఇప్పటికే ఉన్న FDA-ఆమోదించిన మందులకు కొత్త క్లినికల్ అప్లికేషన్లను కనుగొనడానికి AIని ఉపయోగించి మార్కెట్లోకి వచ్చే సమయాన్ని తగ్గిస్తుంది.
  • పోటీ రంగం: ఈ స్టార్టప్ Chai Discovery మరియు Isomorphic Labs వంటి ఉన్నత విలువ కలిగిన సంస్థలతో పాటు ఉంటుంది, ఇది AI-ఆధారిత లైఫ్ సైన్సెస్ వైపు వెంచర్ క్యాపిటల్ (VC) మళ్లుతున్నట్లు స్పష్టం చేస్తోంది.

మాజీ OpenAI పరిశోధకుడైన మైల్స్ వాంగ్, కొత్త AI ఆధారిత డ్రగ్-రీపర్పసింగ్ స్టార్టప్ కోసం $2 బిలియన్ల వాల్యుయేషన్‌తో $200 మిలియన్లను సేకరించడానికి ప్రయత్నిస్తున్నారు. ఈ రౌండ్ పూర్తయితే, ఈ సంస్థ ఇప్పటికే బిలియన్ల డాలర్లను ఆకర్షించిన కొద్దిపాటి బయోటెక్-AI స్టార్టప్‌ల జాబితాలో చేరుతుంది, ఇది "AI-for-biology" ప్రాజెక్టులలో మూలధనం ఎంత వేగంగా ప్రవహిస్తుందో తెలియజేస్తుంది.

LLMల నుండి మాలిక్యూల్స్ వరకు

వాంగ్ 2024లో హార్వర్డ్ నుండి కంప్యూటర్ సైన్స్ డిగ్రీ పొందిన తర్వాత OpenAIలో చేరారు. మాలిక్యులర్ సైన్స్‌కు కూడా అదే స్కేలింగ్ ట్రిక్స్‌ను వర్తింపజేయాలని ఆయన యోచిస్తున్నట్లు వర్గాలు చెబుతున్నాయి. ఇప్పటికే ఉన్న మందుల కొత్త ఉపయోగాల కోసం వెతకడాన్ని ఆటోమేట్ చేయగల బృందాన్ని నిర్మించడానికి ఆయన పలువురు OpenAI పూర్వ ఉద్యోగులను నియమించుకుంటున్నారు.

ఈ అడుగు సాధారణ AI ల్యాబ్‌ల నుండి నిష్పత్తి కలిగిన శాస్త్రీయ రంగాలకు జరుగుతున్న విస్తృతమైన "మేధో వలస"ను ప్రతిబింబిస్తుంది. టెక్స్ట్ కోసం రూపొందించబడిన ట్రాన్స్‌ఫార్మర్ ఆర్కిటెక్చర్‌లను ప్రోటీన్ నిర్మాణాలు, జన్యు వ్యక్తీకరణ (gene expression) మరియు రసాయన పరస్పర చర్యల వంటి మరింత సంక్లిష్టమైన డేటాకు వర్తింపజేయడానికి పరిశోధకులు ఈ అవకాశాన్ని చూస్తున్నారు.

డ్రగ్ రీపర్పసింగ్ ఎందుకు?

చాలా బయోటెక్ స్టార్టప్‌లు కొత్త సమ్మేళనాల కోసం వెతుకుతాయి, ఇది ఒక మందు మార్కెట్‌లోకి రావడానికి దశాబ్ద కాలం పట్టవచ్చు మరియు బిలియన్ల ఖర్చు చేయవచ్చు. వాంగ్ సంస్థ ఒక షార్ట్‌కట్‌ను లక్ష్యంగా చేసుకుంది: ఇప్పటికే FDA ద్వారా ఆమోదించబడిన లేదా క్లినికల్ ట్రయల్స్‌లో విఫలమై నిలిపివేసిన మందులకు కొత్త చికిత్సా కోణాలను గుర్తించడానికి AIని ఉపయోగించడం. ఇప్పటికే ఉన్న భద్రతా డేటా నియంత్రణ ప్రక్రియను సులభతరం చేస్తుంది మరియు ఆదాయం వచ్చే సమయాన్ని గణనీయంగా తగ్గిస్తుంది.

ఈ ప్రధాన సాంకేతికత ఒక మాలిక్యూల్ వివిధ బయోలాజికల్ టార్గెట్‌లకు ఎలా బంధించబడుతుందో అంచనా వేస్తుంది, తద్వారా ఊహించని వ్యాధి సంబంధాలను గుర్తిస్తుంది.

AI-బయోటెక్ నిధుల పెరుగుదల

వాంగ్ లక్ష్యంగా పెట్టుకున్న విలువ అసాధారణమైనది కాదు. మాలిక్యులర్ ఇంటరాక్షన్‌లను అంచనా వేసే మోడళ్లను రూపొందించడానికి, Chai Discovery $3.8 బిలియన్ల విలువతో $400 మిలియన్ల నిధులను సేకరించినట్లు ప్రకటించింది. Google DeepMind నుండి విడివడి వచ్చిన Isomorphic Labs కూడా అదే ప్రయోజనం కోసం మే నెలలో $2.1 బిలియన్ల Series B నిధులను పొందింది. ఈ రెండు కంపెనీలు అగ్రశ్రేణి వెంచర్ సంస్థలను ఆకర్షించాయి, మరియు వాంగ్ నిధుల సేకరణ ప్రక్రియకు నాయకత్వం వహించడానికి Lightspeed చర్చలు జరుపుతున్నట్లు సమాచారం.

గమనించాల్సిన అంశాలు

స్టార్టప్ సాధించే మొదటి శాస్త్రీయ మైలురాళ్లు కూడా అంతే ముఖ్యమైనవి.

సారాంశం

$2 బిలియన్ల విలువ కలిగిన, AI-ఆధారిత డ్రగ్-రీపర్పసింగ్ కంపెనీ కోసం మైల్స్ వాంగ్ చేస్తున్న ప్రయత్నం, సాధారణ లార్జ్-లాంగ్వేజ్-మోడల్ పనుల నుండి ప్రత్యేక శాస్త్రీయ అనువర్తనాల వైపు పెట్టుబడులు ఎంత వేగంగా మళ్లుతున్నాయో తెలియజేస్తుంది. ఈ ప్రయత్నం ఇప్పటికే ఉన్న మందులను పునర్నిర్మించడం ద్వారా కొత్త చికిత్సల డెలివరీని వేగవంతం చేయవచ్చు, కానీ ఇది డేటా పరిమితులు, నియంత్రణ తనిఖీలు మరియు నైపుణ్యం కలిగిన వ్యక్తుల కొరత వంటి సవాళ్లను అధిగమించాల్సి ఉంటుంది. ఈ స్టార్టప్ AI-బయోటెక్ రంగంలో ఒక ప్రముఖ సంస్థగా మారుతుందా లేదా అనేది, మోడల్ అంచనాలను వాస్తవ ప్రపంచ క్లినికల్ ఫలితాలుగా మార్చడంలో దాని సామర్థ్యంపై ఆధారపడి ఉంటుంది.