"ZhiYuan ShenLan" erhält Angel-Runde-Finanzierung und baut eine datengesteuerte Plattform für die künstliche Intelligenz in der Biomoleküldesign auf | Exklusivbericht von 36Kr
36Kr hat erfahren, dass „ZhiYuan ShenLan“ kürzlich eine Angel-Runde von mehreren Millionen Yuan finanziert hat. Die Leitung übernahm WoYan Capital, gefolgt von TianFeng Capital und anderen Angel-Investoren. Die alten Aktionäre YingNuo Angel Fund und LingYi Venture Capital haben weiterhin investiert. Die Mittel werden hauptsächlich für den Aufbau einer generativen KI-Plattform für Biomoleküle, einer Plattform für die selbstgesteuerte molekulare Funktionsentwicklung und die Erschließung des kommerziellen Marktes verwendet.
ZhiYuan ShenLan wurde 2024 von MagMAX Technology gegründet und konzentriert sich auf die datengesteuerte Biomolekül-Entwicklung und -Herstellung. Ihr Gründer, Dr. Wang Chengzhi, war einst Chief Scientist von MagMAX Technology und hat mehr als zwanzig Jahre Erfahrung in der Lebenswissenschaftenbranche.
Derzeit löst die generative KI (GenAI) in der Lebenswissenschaftenbranche tiefgreifende Veränderungen aus. Wang Chengzhi sagte einst gegenüber 36Kr, dass in diesem Bereich ein „Qualitätssprung“ bevorstehe. Mit der Entwicklung der KI-Technologie von einem Hilfsmittel zu einer selbstständigen Plattform wandelt sich das Forschungs- und Entwicklungsparadigma in der gesamten Lebenswissenschaftenbranche von „großangelegtes Ausprobieren“ hin zu „präzises Design und Schaffung“. Er ist der Meinung, dass die Lebenswissenschaften erst dann eine rationale Planung erreichen können, wenn sie zuerst eine Ingenieurwissenschaft und Digitalisierung realisieren.
In den Jahren nach der Entstehung von AlphaFold 2 hat es die Strukturen von mehr als 200 Millionen Proteinen vorhergesagt, was fast alle Proteine aller bekannten Lebewesen auf der Erde umfasst und in hohem Maße zuverlässig ist. In der Praxis interessiert die Branche jedoch hauptsächlich die Funktion der Proteine und nicht nur die dazwischen liegende Proteinstruktur.
ZhiYuan ShenLan hat sich entschieden, die „Funktion“ als Optimierungsobjekt zu wählen und die Funktionsanforderungen in realen Anwendungsfällen zu erforschen. Derzeit sind hochpräzise Proteinstrukturdaten relativ rar. Daher hat es eine selbstgesteuerte (self-driving) automatisierte Experimentierplattform aufgebaut, um effizient Funktionsdaten zu generieren. Ihr Biomolekül-Entwicklungssystem kombiniert die automatisierte Experimentierplattform mit KI-Algorithmen, sodass die KI in der Lage ist, sich schnell anhand echter Funktionsrückmeldungen zu verbessern und die Forschungs- und Entwicklungseffizienz zu erhöhen.
Wang Chengzhi sagte gegenüber 36Kr, dass in Zukunft Teams, die schnell und in großem Umfang hochwertige biologische Experimentierdaten produzieren können, eher in der Lage sein werden, leistungsstarke KI-Modelle zu entwickeln. In der Vergangenheit dienten automatisierte und hochdurchsatzfähige Experimente hauptsächlich der Effizienzsteigerung. In der KI-Zeit können sie jedoch nicht nur den Forschern schnell Experimentierergebnisse liefern, sondern auch effizient strukturierte und iterierbare Daten generieren, die direkt für das Training und die Optimierung von Modellen genutzt werden können.
Basierend auf dieser Einschätzung versucht ZhiYuan ShenLan, eine datengesteuerte Biotechnologie- und Molekül-Entwicklungplattform aufzubauen, um die Entwicklung von AI for Science von der 2.0-Phase „Navigationsbasiertes Design-Engine“ zur 3.0-Phase „Selbstständige wissenschaftliche KI-Plattform“ voranzutreiben.
In der 2.0-Phase von AI for Science hat die Genauigkeit der KI bei bestimmten Aufgaben dank der zunehmenden Datenmenge und des Fortschritts von Deep-Learning-Algorithmen sowie der Validierung und Iteration basierend auf einem „geschlossenen Kreislauf von Trocken- und Nassexperimenten“ erheblich zugenommen.
In der kommenden 3.0-Phase wird die KI in der Lage sein, den gesamten wissenschaftlichen Experimentierkreislauf selbstständig zu planen, durchzuführen und zu verbessern. Menschliche Wissenschaftler werden hauptsächlich für die Aufgaben an den beiden Enden verantwortlich sein, nämlich das Stellen von Schlüsselfragen, die Festlegung strategischer Richtungen und die Risikokontrolle. Wenn diese Phase eintritt, wird die Forschung und Entwicklung in der Lebenswissenschaftenbranche ebenso wie die App-Entwicklung in der Internetzeit und die Entwicklung von Agenten in der KI-Zeit zu einer Technologie, die allen Menschen gleichermaßen zugänglich ist, und demokratisiert werden.
Konkret erfordert diese Plattform für die Entwicklung selbstständiger KI drei entscheidende Durchbrüche.
„Einheitliches Koordinatensystem: Die Berechnung, die Daten, die Experimentiergeräte und die Produktionsanlagen werden einheitlich in eine von der KI verständliche Form übersetzt. Die Iteration des theoretischen Modells erfolgt synchron mit dem Fortschritt der Experimente, und die Experimentierergebnisse werden in Echtzeit empfangen, um die Parameter automatisch zu aktualisieren. Selbstständiges KI-Agent: Als Forschungsgehirn zerlegt es komplexe Probleme und plant automatisch Experimente, um die kleinsten Hypothesen zu validieren. Automatisierte intelligente Experimentierplattform: Als Hände und Augen der KI bietet sie die physikalische Grundlage für umfangreiche und zuverlässige Forschungen.“
Auf der Grundlage dieser drei Elemente hat ZhiYuan ShenLan einen „Zehn-Schritte“-Plan für AI4S 3.0 vorgeschlagen: Vom Lernen vorhandener menschlicher Kenntnisse, dem Stellen von Hypothesen und der Validierung von Experimenten bis hin zur Fähigkeit, in mehreren wissenschaftlichen Bereichen wissenschaftliche Entdeckungen zu machen, die über das menschliche Intuition hinausgehen.
Im Bereich der Generierung und Vorhersage von Biomolekülen können Forscher mit Hilfe der generativen KI neue Zielstrukturen identifizieren, die Molekülstrukturdesigns optimieren, den präklinischen Validierungsprozess vereinfachen und die Forschung und Entwicklung in vielen Bereichen wie der Arzneimittelentwicklung und der Entwicklung von neuen Materialmolekülen beschleunigen, um die Effizienz und die Innovationsfähigkeit der gesamten Branche zu verbessern.