Das Startup Yoneda Labs will ein Grundmodell für die chemische Produktion entwickeln. Laut eigener Aussage will Yoneda Labs Chemiker mittels KI bei der Herstellung neuer Medikamente unterstützen. Dadurch können neue Medikamente entwickelt sowie die chemische Produktion beschleunigt und kostengünstiger werden1Yoneda Labs raises $4M from Khosla Ventures to build the ‘OpenAI for chemistry’.
Für das neue Basismodell müssen jedoch zunächst die Trainingsdaten ermittelt und generiert werden, was wiederum die Durchführung von Experimenten erfordert. Yoneda Labs verzichtet dabei auf externe Daten. Das Unternehmen wird die benötigten Daten in seinem Weblabor mithilfe von Roboterautomation erzeugen. Hierfür sollen täglich 200 Experimente erstellt werden. Bei Yoneda geht man davon aus, dass es etwa 20.000 Experimente durchführen muss, um sein Modell kommerziell nutzbar zu machen. Endes des Jahres soll so weit sein.
Das Startup hat sich auf die Entwicklung kleiner Moleküle spezialisiert. Man versuche ein Modell zu entwickeln, das für alle möglichen kleinen Moleküle, die man herstellen kann, verallgemeinert werden kann. Einer der wichtigsten Teile der Pipeline für das Training dieses Modells sei die Auswahl der Experimente, die den Robotern vorgeben werden. Das Modell habe man an einer Reihe von Reaktionen aus zwei sehr beliebten Reaktionsklassen in der Chemie validiert. Diese Reaktionsklassen seien sehr beliebt, insbesondere in der medizinischen Chemie – genau der Punkt, an dem man versucht, neue Medikamente zu entdecken2Auf der Homepage steht dazu: “Wir erstellen eine Datenbank mit Kupplungsreaktionen, um ein leistungsfähiges KI-Modell zu trainieren, das in der Lage sein wird, die Reaktionsbedingungen für jede der ausgewählten Kupplungen vorherzusagen. Kein Rätselraten – geben Sie einfach die Struktur Ihrer Substrate ein, und das Modell schlägt Bedingungen vor, die garantiert innerhalb von 20 % der bestmöglichen Ausbeute liegen. Es ist jedoch nicht möglich, dieses Modell anhand veröffentlichter Daten zu trainieren – die Reaktionen sind durch die Lieblingsreagenzien der Chemiker verzerrt, die Ergebnisse variieren von Labor zu Labor, und einige Ausbeuten sind nicht genau angegeben. Deshalb werden wir High Throughput Experimentation (HTE) verwenden, um Tausende von Reaktionen durchzuführen und so den gesamten Reaktionsraum effizient abzudecken. Während des Trainings werden wir mehr Daten für Regionen generieren, in denen das Modell selbst für schwierige Substrate nur schwer genaue Vorhersagen machen kann”..
Das Ziel von Yoneda Labs ist es, ein einziges Modell zu haben, das den Chemikern hilft, die gewünschten organischen Reaktionen und die idealen Bedingungen zu identifizieren. Man wolle den Chemikern sagen, wie sie diese kleinen Moleküle herstellen sollen – quasi Open AI für Chemie. Der Idealfall sieht so aus, dass, wann immer ein Chemiker ein kleines organisches Molekül herstellen muss, er dies in das Modell eingibt, und das Modell ihm das Rezept für die Herstellung auswirft.
Weitere Informationen:
Wissenschaft für den Markt. Das forschende Unternehmen Boehringer Mannheim