字数 1675，阅读大约需 9 分钟
蛋白质研究背景与 DeepMind 的突破
在深入了解 Latent Labs 的创新之前，先来认识蛋白质在人类生物学中的关键作用。蛋白质驱动着活细胞内的一切活动，从酶、激素到抗体都离不开它。它由约20种不同的氨基酸组成，这些氨基酸连接成链并折叠形成三维结构，其形状决定蛋白质的功能。但过去，确定每种蛋白质的形状是极为缓慢且耗费人力的过程。
DeepMind 的 AlphaFold[1] 带来重大突破。它将机器学习与真实生物数据结合，成功预测约2亿个蛋白质结构的形状。根据权威行业报告，这一成果让科学家在疾病理解、新药设计以及全新合成蛋白质的开发等方面有质的飞跃。例如在某些罕见病研究中，借助AlphaFold预测的蛋白质结构，科学家能更精准分析致病机制，为药物研发提供新靶点。
Latent Labs 的入局与发展
Latent Labs 的创立
Latent Labs 的创始人 Simon Kohl 最初是 DeepMind 的研究科学家，曾与核心 AlphaFold2 团队合作，后来共同领导蛋白质设计团队，并在伦敦弗朗西斯·克里克研究所建立DeepMind的湿实验室。大约同一时期，DeepMind 催生同类型公司 Isomorphic Labs，专注将 DeepMind 的人工智能研究应用于药物研发变革。这些发展让Kohl 坚信，是时候以更精简团队，专注构建蛋白质设计的前沿模型。
于是，2022 年末，Kohl 离开 DeepMind 筹备 Latent Labs，并于 2023 年年中在伦敦成立公司。Kohl 接受采访时表示：“我在 DeepMind度过美妙且成果丰硕的时光，也深信生成式建模将在生物学，尤其是蛋白质设计领域产生重大影响。同时，我看到 Isomorphic Labs 的成立及其基于 AlphaFold2的计划，他们同时开展许多项目。而我认为，专注蛋白质设计领域，仍有大量未被探索空间，一个灵活且专注的团队能够将这种影响转化为实际成果。”
Latent Labs 的团队构成与布局
为实现目标，Latent Labs 招聘约 15 名员工，其中两人来自 DeepMind，还有一位来自微软的资深工程师以及剑桥大学的博士。目前，Latent Labs的员工分布在两个地点：伦敦团队负责前沿模型的研发，旧金山团队则拥有自己的湿实验室和计算蛋白质设计团队。Kohl 指出：“这样的布局使我们能够在现实世界中测试模型，并获得必要反馈，以了解模型是否按预期发展。”
Latent Labs 的技术愿景与商业理念
技术愿景
Latent Labs 的短期计划中，湿实验室对验证其技术预测至关重要，但最终目标是减少对湿实验室的依赖。Kohl 说：“我们的使命是让生物学可编程，将生物学带入计算领域，随着时间推移，减少对生物湿实验室实验的依赖。”这一目标实现将颠覆目前依赖无数实验和反复迭代，且耗时数年的药物研发过程。“我们希望能在不依赖湿实验室的情况下制造出定制分子。想象一下，有人针对某种特定疾病提出药物靶点假设，我们的模型就能通过‘一键式’操作，制造出具备所有理想特性的蛋白质药物。”
商业理念
在商业模式上，Latent Labs 不认为自己是 “以资产为中心” 的公司，即不会在内部开发自己的治疗候选药物。相反，它希望与第三方合作伙伴合作，加快早期研发阶段并降低风险。Kohl表示：“我们认为，作为一家公司，能产生的最大影响是赋能其他生物制药、生物技术和生命科学公司，无论是直接让他们使用我们的模型，还是通过基于项目的合作支持他们的研发项目。”
Latent Labs 的融资情况
Latent Labs 此次获得 5000 万美元资金，包括此前未公布的 1000 万美元种子轮融资，以及由 Radical Ventures 领投的 4000万美元 A 轮融资。Radical Ventures 的合伙人 Aaron Rosenberg 曾是 DeepMind 的战略与运营负责人。另一位领投方是 Sofinnova Partners，这是一家在生命科学领域有悠久投资历史的法国风险投资公司。参与本轮融资的还有 Flying Fish、Isomer、8VC、Kindred Capital、Pillar VC 等，以及谷歌首席科学家 Jeff Dean、Cohere 创始人 Aidan Gomez 和 ElevenLabs 创始人 Mati Staniszewski 等知名天使投资人。
这笔资金一部分用于支付员工工资，包括新招聘的机器学习人员，同时大量资金用于基础设施建设。Kohl 提到：“计算成本对我们来说是一项巨大开支，我们正在构建相当大的模型，可以说这需要大量的 GPU 计算资源。这笔资金使我们能够在各方面加大投入，获取计算资源以继续扩展模型、扩大团队规模，并开始建立与合作伙伴合作所需的带宽和能力，从而获得商业发展动力。”
行业竞争态势
除 DeepMind 及其衍生公司，还有几家获得风险投资的初创公司和成长型公司，如 Cradle 和 Bioptimus，也在努力拉近计算与生物学领域的距离。
Cradle 公司利用人工智能优化小分子药物设计，通过对大量化合物数据的学习，预测具有潜在活性的分子结构。Bioptimus 则专注于利用计算生物学方法加速抗体发现，通过模拟免疫系统的工作原理，快速筛选出有潜力的抗体序列。这些公司虽与Latent Labs 的具体方向有所不同，但都在为推动计算与生物学融合发展贡献力量。
引用链接
[1] AlphaFold: https://www.deepmind.com/technology/alphafold
