Brooklyn Evolution Startup Melonfrost hæver $7 millioner for at lave flere mikrober

Sam Levins bedstefar var en femte-generations kartoffelbonde i det vestlige Massachusetts, der kæmpede for at konkurrere med faldende kartoffelpriser fra industrielle gårde i Midtvesten. Efter at have forsøgt at dyrke en række andre afgrøder, syntes et sæt melonfrø, der blev smuglet fra Puerto Rico, at gøre tricket, og de trivedes i regionens sandede muldjord. De meloner var lige ved at være modne til at høste, indtil en frost satte ind og dræbte afgrøden - sådan lyder familielegenden.

Levin er nu administrerende direktør og medstifter af Melonfrost, en Brooklyn-baseret evolution-start-up, der kombinerer sin proprietære software og hardware for at styre udviklingen i et automatiseret lukket kredsløb. Teknologien har til formål at levere en ny metode til at designe og producere nye mikrober i stor skala til alt fra mad og energi til terapeutiske midler og syntetiske materialer - alt sammen en del af ikke konstruktion eller konstruktion af fremtiden, men snarere, voksende det. "For os handler det om, at vi ikke længere er fuldt ud på lune af sådanne katastrofer som frost, og i billedform kan vi lave frostbestandige meloner, uanset hvad den ønskede anvendelse måtte være," forklarer han.

Forskellige værktøjer til at dyrke mikrober med specifikke egenskaber til ønsket anvendelse har historisk set været begrænset af evnen til at skalere - hvilket skaber en flaskehals ved at gå fra en redigeret stamme til en kommercialiseret - med mange metoder til at gøre det baseret på relativt dyre og noget brute force gæt. -og-tjek tilgange typisk baseret på mutationer i en genetisk sekvens. I stedet understøtter Melonfrosts seneste $7 millioner seed-runde, ledet af Refactor Capital og Alexandria Venture Investments, en tese om, at "evolution er og stadig vil være, i lang tid, den bedste designer af organismer," som Levin udtrykker det.

Kernen i dette fokus på udvælgelse af fænotype er Melonfrosts Evolution Reactor-hardware og Maia, dens proprietære softwareplatform. Maia er en suite af maskinlæringsalgoritmer, der lærer, hvordan organismer udvikler sig - med hensyn til forskellige selektionstryk og miljøforhold, som de relaterer til målte fænotyper - og iterativt returnerer et sæt instruktioner i form af yderligere selektionstryk for at fortsætte med at udvikle et ønsket sæt af egenskaber, uanset om det er udbytte eller frostbestandighed. Disse input- og outputdata forbinder Maia med Evolution Reactor, apparatet til individuel styring, måling og anvendelse af disse kodede selektionstryk for at dyrke tusindvis af uafhængige mikrobielle populationer på parallelle evolutionære baner.

Styring af evolution i skala er muliggjort af en række hardwareinnovationer indkapslet i en række modulære enheder i Evolution Reactor, som hver især rummer cirka 250 individuelle mikrobielle populationer. De to platforme, virtuelle og mekaniske, er vævet sammen af ​​cloud-software, der lukker sløjfen af ​​den automatiserede evolution-styreplatform - data målt af hardware indført i software, instruktioner leveret tilbage til hardware gennem opdateringer til modelleringssoftware - som itererer indtil den ønskede fænotypiske målet er nået, eller sløjfen er lukket. I øjeblikket passer hele systemet næsten ind i Melonfrosts Brooklyn-labrum, men Levin formulerer visionen for denne hardware-software-grænseflade som et "biologisk datacenter" i form af et Evolution Reactor-lager.

Denne seed-runde er det næste skridt mod den fulde form af dette evolutionære styresystem - finansiering af den næste fase af opbygningen af ​​Evolution Reactor-hardwaren og flytte Melonfrost mod sin første kunde i fødevaresektorens spisefedtområde. "At fodre verden uden at ødelægge den i processen er især et område af syntetisk biologi, hvor der er mange flaskehalse i at komme fra indledende opbygning til produktion," understreger Levin. Dette fokus på at opbygge en sundere verden gennem mad er ikke nyt for Levin og hans medstifter, Head of Engineering & Design, og barndomsven, Loren Amdahl-Culleton. I gymnasiet startede duoen en gård til deres cafeteria for at øge elevernes investering i læringsfællesskabet og skubbe mod bæredygtighed. På trods af at de tilbragte bachelor- og kandidatskoleår adskilt af et hav og et helt land, holdt de to kontakt fra Oxford til Stanford, mens de studerede henholdsvis evolutionær dynamik og forstærkningslæring og begyndte at bemærke potentialet for at udfylde huller i evolutionære modeller med maskine læringsredskaber givet ligheder i deres underliggende matematik. Sammen med to andre barndomsvenner blev Melonfrost født - drevet af at have positiv indflydelse ved at syntetisere på tværs af forskellige områder, fra banebrydende maskinlæring og hardwareteknik til syntetisk biologi og præcisions-tilpassede softwareværktøjer.

"Enhver af disse bestræbelser ville kræve en masse ekspertise, fiasko og innovation, så det er noget usædvanligt at gøre dem alle på samme tid," indrømmer Levin, "men disse udfordringer er så store, at du er nødt til at innovere. på flere fronter samtidigt og integrere meget forskellige slags videnskabsmænd og ingeniører for virkelig at skabe vækst i fremtiden. Det handler ikke kun om at sigte mod at bringe nye molekyler eller kemikalier på markedet; snarere er vi nødt til fundamentalt at ændre den måde, verdens ressourcer bliver til og bevæger sig rundt på.” For Melonfrost er målet ikke på sigt at bygge i store fabrikker og sende i fragtcontainere. I stedet er visionen hurtigt, billigt og robust at fremstille og optimere nye stammer - der strækker sig ind i produktionen som helhed for at oversætte fra at lære evolutionens sprog til pålidelige biologiske output i skala - uanset hvornår den metaforiske frost kan komme.

Tak til Aishani Aatresh for yderligere forskning og rapportering om denne artikel. Jeg er grundlæggeren af ​​SynBioBeta, og nogle af de virksomheder, jeg skriver om, er sponsorer af SynBioBeta-konference , ugentlig fordøjelse.