Converge Bio تجمع 25 مليون دولار لتوسيع نطاق اكتشاف الأدوية القائم على الذكاء الاصطناعي

جمعت شركة Converge Bio، وهي شركة ناشئة تساعد شركات الأدوية والتكنولوجيا الحيوية على تطوير الأدوية بشكل أسرع باستخدام الذكاء الاصطناعي التوليدي المدرب على البيانات الجزيئية، جولة تمويلية من الفئة (أ) بقيمة 25 مليون دولار، تجاوزت فيها طلبات الاكتتاب المبلغ المستهدف. وقد قادت جولة التمويل شركة Bessemer Venture Partners.

وشملت قائمة المستثمرين الآخرين في الجولة: TLV Partners، وSaras Capital، وVintage Investment Partners، بالإضافة إلى مسؤولين تنفيذيين من Meta وOpenAI وWiz.

يأتي هذا التمويل الجديد بعد جولة تمويل أولية (seed round) بقيمة 5.5 مليون دولار تم جمعها في عام 2024.

تعمل الشركة حالياً في الولايات المتحدة وكندا وأوروبا وإسرائيل، وتتوسع حالياً نحو آسيا. ووفقاً للمؤسس المشارك والرئيس التنفيذي Dov Gertz، فقد أكملت Converge Bio أكثر من 40 برنامجاً لأكثر من 12 عميلاً في قطاعي الأدوية والتكنولوجيا الحيوية. وقد طرحت الشركة الناشئة أنظمة تركز على تصميم الأجسام المضادة، وتحسين إنتاجية البروتين، واكتشاف المؤشرات الحيوية والأهداف العلاجية. ولدعم هذا النمو، قامت الشركة الناشئة بتوسيع فريقها ليصل إلى 34 موظفاً، ارتفاعاً من تسعة موظفين في نوفمبر 2024. وقد ساعدت المنصة بالفعل أحد الشركاء على تعزيز إنتاجية البروتين بمقدار 4 إلى 4.5 ضعف في دورة حسابية واحدة.

يأتي هذا التمويل في ظل تحول أوسع في القطاع من أساليب “التجربة والخطأ” التقليدية إلى التصميم الجزيئي القائم على البيانات. وأشار Gertz إلى أنه على الرغم من وجود “تشكيك” كبير فيما يتعلق بالذكاء الاصطناعي في اكتشاف الأدوية عند تأسيس الشركة قبل عام ونصف، إلا أن هذا الشعور قد تلاشى. ومع ذلك، فإن التحقق من الجزيئات الجديدة حاسوبياً يطرح تحديات فريدة مقارنة بالذكاء الاصطناعي القائم على النصوص. وأوضح Gertz أنه في حين أن “هلوسات” الذكاء الاصطناعي القائم على النصوص عادة ما يسهل تحديدها، فإن التحقق من مركب جزيئي جديد قد يستغرق أسابيع، مما يجعل تكلفة مثل هذه الأخطاء أعلى بكثير. وللتخفيف من ذلك، تقوم الشركة بتصفية الجزيئات الجديدة من خلال إقران النماذج التوليدية بنماذج تنبؤية.

لا تعتمد Converge Bio على النماذج القائمة على النصوص للفهم العلمي الجوهري، بل تستخدمها فقط كأدوات مساعدة لتصفح الأدبيات العلمية. وبدلاً من ذلك، تقوم الشركة بتدريب نماذجها على الحمض النووي (DNA)، والحمض النووي الريبوزي (RNA)، والبروتينات، والجزيئات الصغيرة، مستخدمة مزيجاً من النماذج اللغوية الكبيرة، ونماذج الانتشار، والتعلم الآلي التقليدي، والأساليب الإحصائية. ويتصور Gertz مستقبلاً تقوم فيه كل مؤسسة في علوم الحياة بإقران المختبرات الرطبة (wet labs) التقليدية — وهي بيئات مختبرية مادية يتم فيها اختبار المواد الكيميائية والبيولوجية — بمختبرات توليدية حاسوبية لتصميم الجزيئات. وقال Dov Gertz، الرئيس التنفيذي والمؤسس المشارك لشركة Converge Bio: “لا يضطر عملاؤنا إلى تجميع النماذج بأنفسهم. فهم يحصلون على أنظمة جاهزة للاستخدام تندمج مباشرة في سير عملهم”.

لماذا يهم

تحصل Converge Bio على تمويل جديد في وقت تشتد فيه المنافسة في مجال اكتشاف الأدوية القائم على الذكاء الاصطناعي، مع تحول القطاع من أساليب “التجربة والخطأ” إلى التصميم الجزيئي القائم على البيانات.