Brooklyn Evolution Startup Melonfrost samler inn 7 millioner dollar for å lage flere mikrober

Sam Levins bestefar var en femte generasjons potetbonde i Vest-Massachusetts, og slet med å konkurrere med å falle potetpriser fra industrigårder i Midtvesten. Etter å ha prøvd å dyrke en rekke andre avlinger, så det ut til at et sett melonfrø smuglet fra Puerto Rico gjorde susen, og trivdes i regionens sandholdige leirjord. Disse melonene var omtrent modne for høsting, helt til en frost satte inn og drepte avlingen - slik familielegenden sier.

Levin er nå administrerende direktør og medgründer av Melonfrost, en Brooklyn-basert utviklingsoppstart som kombinerer sin proprietære programvare og maskinvare for å styre utviklingen i en automatisert lukket sløyfe. Teknologien tar sikte på å tilby en ny metode for å designe og produsere nye mikrober i stor skala for alt fra mat og energi til terapeutiske midler og syntetiske materialer - alt en del av ikke engineering eller konstruksjon av fremtiden, men snarere, økende den. "For oss handler det om å ikke lenger være fullt ut på innfall av slike katastrofer som frost, metaforisk å kunne lage frostbestandige meloner for hva ønsket bruk måtte være," forklarer han.

Ulike verktøy for å dyrke mikrober med spesifikke egenskaper for ønsket bruk har historisk sett vært begrenset av evnen til å skalere – noe som skaper en flaskehals ved å gå fra en redigert stamme til en kommersialisert – med mange metoder for å gjøre det basert på relativt dyre og noe brute force gjetting. -og-sjekk tilnærminger som vanligvis er basert på mutasjoner i en genetisk sekvens. I stedet støtter Melonfrosts nylige frørunde på 7 millioner dollar, ledet av Refactor Capital og Alexandria Venture Investments, en tese om at "evolusjon er og fortsatt vil være, i lang tid, den beste designeren av organismer," som Levin uttrykker det.

I kjernen av dette fokuset på valg av fenotype er Melonfrosts Evolution Reactor-maskinvare og Maia, dens proprietære programvareplattform. Maia er en pakke med maskinlæringsalgoritmer som lærer hvordan organismer utvikler seg - med hensyn til forskjellige seleksjonstrykk og miljøforhold når de er relatert til målte fenotyper - og iterativt returnerer et sett med instruksjoner i form av ytterligere seleksjonstrykk for å fortsette å utvikle et ønsket sett med egenskaper, enten det er avling eller frostbestandighet. Disse inngangs- og utdataene kobler Maia til Evolution Reactor, apparatet for individuelt å kontrollere, måle og bruke disse kodede seleksjonstrykkene for å dyrke tusenvis av uavhengige mikrobielle populasjoner på parallelle evolusjonsbaner.

Styring av evolusjon i stor skala er muliggjort av en serie maskinvareinnovasjoner innkapslet i en rekke modulære enheter i Evolution Reactor, som hver har omtrent 250 individuelle mikrobielle populasjoner. De to plattformene, virtuelle og mekaniske, er vevd sammen av skyprogramvare som lukker sløyfen til den automatiserte evolution-styringsplattformen - data målt av maskinvare matet inn i programvaren, instruksjoner levert tilbake til maskinvaren gjennom oppdateringer til modelleringsprogramvare - som itererer til ønsket fenotypisk målet er oppnådd eller sløyfen er slått av. For øyeblikket passer nesten hele systemet inn i Melonfrosts laboratorierom i Brooklyn, men Levin artikulerer visjonen for dette maskinvare-programvaregrensesnittet som et "biologisk datasenter" i form av et Evolution Reactor-lager.

Denne seedrunden er neste skritt mot den fulle formen av dette evolusjonære styringssystemet – finansiering av neste fase med å bygge ut Evolution Reactor-maskinvaren og flytte Melonfrost mot sin første kunde i matvaresektoren for spiselige fett. "Å mate verden uten å ødelegge den i prosessen er et område innen syntetisk biologi, spesielt der det er mange flaskehalser i å komme seg fra første oppbygging til produksjon," understreker Levin. Dette fokuset på å bygge en sunnere verden gjennom mat er ikke nytt for Levin og hans medgründer, Head of Engineering & Design, og barndomsvenninnen Loren Amdahl-Culleton. På videregående startet duoen en gård for kafeteriaen deres for å øke studentenes investering i læringsfellesskapet og presse mot bærekraft. Til tross for at de tilbrakte skoleår for lavere og høyere grad atskilt av et hav og et helt land, holdt de to kontakten fra Oxford til Stanford mens de studerte henholdsvis evolusjonær dynamikk og forsterkende læring, og begynte å legge merke til potensialet for å fylle hullene i evolusjonære modeller med maskin læringsverktøy gitt likheter i deres underliggende matematikk. Sammen med to andre barndomsvenner ble Melonfrost født - drevet av å ha positiv innvirkning ved å syntetisere på tvers av ulike felt, fra banebrytende maskinlæring og maskinvareteknikk til syntetisk biologi og spesialtilpassede programvareverktøy.

"Enhver av disse bestrebelsene vil kreve mye ekspertise, fiasko og innovasjon, så det er noe uvanlig å gjøre alle disse samtidig," innrømmer Levin, "men disse utfordringene er så store at du må innovere på flere fronter samtidig og integrere svært forskjellige typer vitenskapsmenn og ingeniører for å virkelig utvikle fremtiden. Det handler ikke bare om å ha som mål å bringe nye molekyler eller kjemikalier til markedet; snarere må vi fundamentalt endre måten verdens ressurser blir til og beveger seg på.» For Melonfrost er ikke målet å etter hvert bygge inn store fabrikker og sende i lastecontainere. I stedet er visjonen å raskt, billig og robust fremstille og optimere nye stammer – som strekker seg til produksjon for øvrig for å oversette fra å lære evolusjonsspråket til pålitelige biologiske utganger i stor skala – uansett når den metaforiske frosten kan komme.

Takk til Aishani Aatresh for ytterligere forskning og rapportering om denne artikkelen. Jeg er grunnleggeren av SynBioBeta og noen av selskapene jeg skriver om er sponsorer av SynBioBeta konferanse og ukentlig fordøyelse.