Converge Bioが2500万ドルを調達、BessemerやMeta・OpenAI・Wizの幹部が出資

人工知能は創薬の分野に急速に浸透しており、製薬・バイオテクノロジー企業は研究開発期間を短縮し、成功率を高め、コストを削減する方法を模索している。現在200以上のスタートアップがAIを研究ワークフローに組み込む競争を繰り広げ、投資家の関心を集めている。Converge Bioはその流れに乗る最新の企業であり、AI駆動創薬分野の競争が激化する中で新たな資金を確保した。

ボストンとテルアビブに拠点を置く同社は、分子データで訓練された生成AIを用いて製薬・バイオテクノロジー企業の医薬品開発を加速する。Bessemer Venture PartnersがリードするシリーズAラウンドで2500万ドル（超過需要）を調達した。TLV Partners、Saras Capital、Vintage Investment Partnersに加え、Meta、OpenAI、Wizの幹部（氏名非公開）も参加した。2024年には550万ドルのシードラウンドを実施している。

Converge BioのCEO兼共同創業者Dov Gertz氏はTechCrunchの独占インタビューで、「創薬ライフサイクルは標的同定から製造、臨床試験など明確な段階に分かれており、それぞれで支援可能な実験がある。当社のプラットフォームはこれらの段階を拡大し、新薬をより早く市場に届ける」と語った。

同社はこれまでに3つの顧客向けAIシステムを発表している。抗体設計、タンパク質収率最適化、バイオマーカー・標的発見のためのシステムだ。抗体設計システムを例にとると、単一モデルではなく3つの統合コンポーネントで構成される。まず生成モデルが新規抗体を作成し、次に予測モデルが分子特性に基づき抗体をフィルタリングし、最後に物理モデルベースのドッキングシステムが抗体と標的の3次元相互作用をシミュレートする。Gertz氏は「顧客は自分でモデルを組み立てる必要がなく、ワークフローに直接組み込めるレディメイドのシステムを入手できる」と強調する。

設立2年のスタートアップは急速に成長している。Gertz氏によれば、Converge Bioは12社以上の製薬・バイオテクノロジー顧客と40以上のプログラムを完了し、米国、カナダ、欧州、イスラエルに顧客を持ち、現在アジアに拡大中だ。チームも2024年11月の9人から34人に増加した。公開されたケーススタディでは、1回の計算イテレーションでパートナーのタンパク質収率を4～4.5倍に向上させ、別の事例ではナノモル濃度範囲の高結合親和性抗体を生成した。

AI駆動創薬への関心は高まっている。昨年、イーライリリーはエヌビディアと提携し、製薬業界で最も強力な創薬用スーパーコンピュータを構築。2024年10月、Google DeepMindのAlphaFoldプロジェクト開発者がタンパク質構造予測AIでノーベル化学賞を受賞した。Gertz氏は「業界は試行錯誤からデータ駆動型分子設計へ移行しており、ライフサイエンス史上最大の財務機会を目撃している」と述べる。「1年半前の創業時は多くの懐疑論があったが、成功事例によって急速に消え去った」

大規模言語モデル（LLM）は生物学的配列分析や新規分子提案で注目されるが、幻覚や正確性の問題が残る。Gertz氏は「テキストでは幻覚は見つけやすいが、分子では新規化合物の検証に数週間かかるためコストがはるかに高い」と指摘。Convergeは生成モデルと予測モデルを組み合わせ、新規分子をフィルタリングしてリスクを低減する。「フィルタリングは完璧ではないが、リスクを大幅に減らし、顧客に良い結果をもたらす」

Yann LeCun氏などのLLM懐疑派について、Gertz氏は「私はYann LeCunの大ファンで、彼の意見に完全に同意する。中核的科学理解のためにテキストベースのモデルに依存しない。生物学を真に理解するには、DNA、RNA、タンパク質、低分子で訓練する必要がある」と説明。テキストベースLLMは生成分子の文献調査など補助ツールとしてのみ使用される。「それが中核技術ではない。単一アーキテクチャに固執せず、LLM、拡散モデル、従来の機械学習、統計手法を適宜使用する」

「当社のビジョンは、すべてのライフサイエンス組織がConverge Bioを生成AIラボとして活用することだ。ウェットラボは常に存在するが、計算的に仮説や分子を創出する生成ラボと組み合わされる。我々は業界全体のその生成ラボになりたい」とGertz氏は語った。