La startup Melonfrost de Brooklyn Evolution recauda $ 7 millones para hacer más microbios

El abuelo de Sam Levin era un agricultor de patatas de quinta generación en el oeste de Massachusetts, que luchaba por competir con la caída de los precios de las patatas en las granjas industriales del medio oeste. Después de tratar de cultivar una serie de otros cultivos, un conjunto de semillas de melón de contrabando de Puerto Rico pareció funcionar, prosperando en el suelo franco arenoso de la región. Esos melones estaban casi maduros para la cosecha, hasta que cayó una helada y mató la cosecha, según cuenta la leyenda familiar.

Levin ahora es director ejecutivo y cofundador de Melonfrost, una empresa emergente de evolución con sede en Brooklyn que combina su software y hardware patentados para dirigir la evolución en un ciclo cerrado automatizado. La tecnología tiene como objetivo proporcionar un método novedoso para diseñar y producir nuevos microbios a escala para todo, desde alimentos y energía hasta materiales terapéuticos y sintéticos, todo como parte no de la ingeniería o la construcción del futuro, sino más bien, crecer eso. "Para nosotros, se trata de dejar de estar completamente al antojo de desastres como las heladas, metafóricamente, poder hacer melones resistentes a las heladas para cualquier uso deseado", explica.

Históricamente, varias herramientas para cultivar microbios con rasgos específicos para los usos deseados se han visto limitadas por la capacidad de escalar, creando un cuello de botella al pasar de una cepa editada a una comercializada, y muchos métodos para hacerlo dependen de conjeturas de fuerza bruta y relativamente costosas. Los enfoques de verificación y verificación generalmente se basan en mutaciones en una secuencia genética. En cambio, la reciente ronda inicial de $ 7 millones de Melonfrost, codirigida por Refactor Capital y Alexandria Venture Investments, respalda la tesis de que "la evolución es y seguirá siendo, durante mucho tiempo, el mejor diseñador de organismos", como dice Levin.

En el centro de este enfoque en la selección del fenotipo se encuentran el hardware Evolution Reactor de Melonfrost y Maia, su plataforma de software patentada. Maia es un conjunto de algoritmos de aprendizaje automático que aprenden cómo evolucionan los organismos, con respecto a las diferentes presiones de selección y condiciones ambientales en relación con los fenotipos medidos, y devuelven iterativamente un conjunto de instrucciones en forma de más presiones de selección para continuar evolucionando un deseado. conjunto de características, ya sea rendimiento o resistencia a las heladas. Estos datos de entrada y salida conectan a Maia con el Evolution Reactor, el aparato para controlar, medir y aplicar individualmente estas presiones de selección codificadas para cultivar miles de poblaciones microbianas independientes en trayectorias evolutivas paralelas.

Dirigir la evolución a escala es posible gracias a una serie de innovaciones de hardware encapsuladas en una serie de unidades modulares en el Evolution Reactor, cada una de las cuales contiene aproximadamente 250 poblaciones microbianas individuales. Las dos plataformas, virtual y mecánica, están unidas por un software en la nube que cierra el ciclo de la plataforma de dirección de evolución automatizada (datos medidos por hardware que se introducen en el software, instrucciones devueltas al hardware a través de actualizaciones del software de modelado) que itera hasta el fenotipo deseado. se logra el objetivo o se cierra el ciclo. Actualmente, todo el sistema cabe en el espacio del laboratorio de Melonfrost en Brooklyn, pero Levin articula la visión de esta interfaz de hardware y software como un "centro de datos biológicos" en forma de almacén de Evolution Reactor.

Esta ronda inicial es el siguiente paso hacia la forma completa de este sistema de dirección evolutivo: financiar la siguiente fase de construcción del hardware Evolution Reactor y llevar a Melonfrost a su primer cliente en el espacio de las grasas comestibles del sector alimentario. “Alimentar al mundo sin destruirlo en el proceso es un área de la biología sintética en particular donde hay muchos cuellos de botella para pasar de la construcción inicial a la producción”, enfatiza Levin. Este enfoque en construir un mundo más saludable a través de los alimentos no es nuevo para Levin y su cofundador, Jefe de Ingeniería y Diseño y amigo de la infancia, Loren Amdahl-Culleton. En la escuela secundaria, el dúo comenzó una granja para su cafetería para aumentar la inversión de los estudiantes en la comunidad de aprendizaje e impulsar la sostenibilidad. A pesar de pasar los años de estudios de pregrado y posgrado separados por un océano y un país entero, los dos se mantuvieron en contacto desde Oxford a Stanford mientras estudiaban la dinámica evolutiva y el aprendizaje por refuerzo, respectivamente, y comenzaron a notar el potencial de llenar los vacíos en los modelos evolutivos con máquinas. herramientas de aprendizaje dadas las similitudes en sus matemáticas subyacentes. Con otros dos amigos de la infancia, nació Melonfrost, impulsado por lograr un impacto positivo al sintetizar en campos dispares, desde el aprendizaje automático de vanguardia y la ingeniería de hardware hasta la biología sintética y las herramientas de software personalizadas de precisión.

“Cualquiera de esos esfuerzos requeriría mucha experiencia, fracaso e innovación, por lo que es algo inusual hacer todo eso al mismo tiempo”, admite Levin, “pero estos desafíos son tan grandes que tienes que innovar en múltiples frentes simultáneamente e integrar muy diferentes tipos de científicos e ingenieros para realmente hacer crecer el futuro. No se trata solo de intentar llevar nuevas moléculas o productos químicos al mercado; más bien, necesitamos cambiar fundamentalmente la forma en que los recursos del mundo surgen y se mueven”. Para Melonfrost, el objetivo no es construir grandes fábricas y enviar en contenedores de carga. En cambio, la visión es fabricar y optimizar nuevas cepas de manera rápida, económica y sólida, extendiéndola a la producción en general para traducir del aprendizaje del lenguaje de la evolución a resultados biológicos confiables a escala, sin importar cuándo llegue la helada metafórica.

Gracias a Aishani Aatresh por investigar e informar adicionalmente sobre este artículo. Soy el fundador de SynBioBeta y algunas de las empresas sobre las que escribo son patrocinadores de la Conferencia SynBioBeta y resumen semanal.