La startup Melonfrost di Brooklyn Evolution raccoglie 7 milioni di dollari per produrre più microbi

Il nonno di Sam Levin era un coltivatore di patate di quinta generazione nel Massachusetts occidentale, che lottava per competere con il calo dei prezzi delle patate dalle fattorie industriali nel Midwest. Dopo aver provato a coltivare una serie di altre colture, una serie di semi di melone contrabbandati da Porto Rico sembrava fare il trucco, prosperando nel terreno sabbioso e argilloso della regione. Quei meloni erano quasi maturi per la raccolta, fino a quando non si è verificata una gelata che ha ucciso il raccolto, così racconta la leggenda di famiglia.

Levin è ora CEO e co-fondatore di Melonfrost, una start-up di evoluzione con sede a Brooklyn che combina software e hardware proprietari per guidare l'evoluzione in un circuito chiuso automatizzato. La tecnologia mira a fornire un nuovo metodo per progettare e produrre nuovi microbi su larga scala per qualsiasi cosa, dal cibo e l'energia alle terapie e ai materiali sintetici - tutto parte non dell'ingegneria o della costruzione del futuro, ma piuttosto, crescente esso. "Per noi, si tratta di non essere più completamente soggetti a disastri come il gelo, metaforicamente essere in grado di produrre meloni resistenti al gelo per qualunque sia l'uso desiderato", spiega.

Vari strumenti per coltivare microbi con tratti specifici per usi desiderati sono stati storicamente limitati dalla capacità di scalare, creando un collo di bottiglia nel passaggio da una varietà modificata a una commercializzata, con molti metodi per farlo che si basano su congetture relativamente costose e in qualche modo forzate. Approcci -and-check tipicamente basati su mutazioni di una sequenza genetica. Invece, il recente seed round da 7 milioni di dollari di Melonfrost, co-guidato da Refactor Capital e Alexandria Venture Investments, supporta la tesi secondo cui "l'evoluzione è e sarà ancora, per molto tempo, il miglior progettista di organismi", come afferma Levin.

Al centro di questa attenzione alla selezione del fenotipo ci sono l'hardware Evolution Reactor di Melonfrost e Maia, la sua piattaforma software proprietaria. Maia è una suite di algoritmi di apprendimento automatico che apprendono come si evolvono gli organismi - rispetto a diverse pressioni selettive e condizioni ambientali in relazione ai fenotipi misurati - e restituiscono iterativamente una serie di istruzioni sotto forma di ulteriori pressioni selettive per continuare a evolvere un desiderato insieme di caratteristiche, se resa o resistenza al gelo. Questi dati di input e output collegano Maia all'Evolution Reactor, l'apparato per controllare, misurare e applicare individualmente queste pressioni di selezione codificate per coltivare migliaia di popolazioni microbiche indipendenti su traiettorie evolutive parallele.

La guida dell'evoluzione su larga scala è resa possibile da una serie di innovazioni hardware incapsulate in una serie di unità modulari nell'Evolution Reactor, ciascuna delle quali contiene circa 250 singole popolazioni microbiche. Le due piattaforme, virtuale e meccanica, sono intrecciate insieme dal software cloud che chiude il ciclo della piattaforma di guida dell'evoluzione automatizzata - dati misurati dall'hardware immessi nel software, istruzioni restituite all'hardware tramite aggiornamenti al software di modellazione - che itera fino al fenotipico desiderato l'obiettivo viene raggiunto o il ciclo viene interrotto. Attualmente, l'intero sistema si adatta quasi allo spazio del laboratorio di Brooklyn di Melonfrost, ma Levin articola la visione di questa interfaccia hardware-software come un "data center biologico" sotto forma di un magazzino Evolution Reactor.

Questo seed round è il passo successivo verso la forma completa di questo sistema di guida evolutivo, finanziando la fase successiva della costruzione dell'hardware Evolution Reactor e spostando Melonfrost verso il suo primo cliente nello spazio dei grassi commestibili del settore alimentare. "Nutrire il mondo senza distruggerlo nel processo è un'area della biologia sintetica in particolare dove ci sono molti colli di bottiglia nel passaggio dalla costruzione iniziale alla produzione", sottolinea Levin. Questa attenzione alla costruzione di un mondo più sano attraverso il cibo non è una novità per Levin e il suo co-fondatore, Head of Engineering & Design, e amico d'infanzia, Loren Amdahl-Culleton. Al liceo, i due hanno avviato una fattoria per la loro mensa per aumentare l'investimento degli studenti nella comunità di apprendimento e spingere verso la sostenibilità. Nonostante abbiano trascorso anni di scuola universitaria e di specializzazione separati da un oceano e da un intero paese, i due si sono tenuti in contatto da Oxford a Stanford mentre studiavano rispettivamente le dinamiche evolutive e l'apprendimento per rinforzo, e hanno iniziato a notare il potenziale per colmare le lacune nei modelli evolutivi con la macchina strumenti di apprendimento date somiglianze nella loro matematica sottostante. Con altri due amici d'infanzia, è nato Melonfrost, guidato dall'avere un impatto positivo sintetizzando in campi disparati, dall'apprendimento automatico all'avanguardia e dall'ingegneria hardware alla biologia sintetica e strumenti software personalizzati di precisione.

"Ognuno di questi sforzi richiederebbe molta esperienza, fallimento e innovazione, quindi è in qualche modo insolito farli tutti contemporaneamente", ammette Levin, "ma queste sfide sono così grandi che devi innovare su più fronti contemporaneamente e integrare tipi molto diversi di scienziati e ingegneri per far crescere davvero il futuro. Non si tratta solo di portare sul mercato nuove molecole o prodotti chimici; piuttosto, dobbiamo cambiare radicalmente il modo in cui le risorse del mondo nascono e si muovono". Per Melonfrost, l'obiettivo non è alla fine costruire in grandi fabbriche e spedire in container. Invece, la visione è quella di fabbricare e ottimizzare in modo rapido, economico e robusto nuovi ceppi, estendendoli alla produzione in generale per tradurre dall'apprendimento del linguaggio dell'evoluzione a risultati biologici affidabili su larga scala, indipendentemente da quando potrebbe arrivare il gelo metaforico.

Grazie ad Aishani Aatresh per ulteriori ricerche e segnalazioni su questo articolo. Sono il fondatore di SynBioBeta e alcune delle aziende di cui scrivo sono sponsor di Conferenza SynBioBeta ed digest settimanale.