Molekul kecil yang dibangun terutama dari ikatan karbon-karbon digunakan secara luas mulai dari obat-obatan, material baru, hingga produk pertanian. Meski kecerdasan buatan berpotensi mengubah cara penemuan molekul baru dilakukan, teknologi ini tetap membutuhkan metode untuk membuat dan menguji molekul kecil baru dalam berbagai uji coba secara cukup cepat agar datanya bisa langsung memperbaiki algoritme yang digunakan.
Pendekatan Kimia Ramah Mesin dari Smart Bloccs
Excelsior Sciences menilai bahwa berbagai upaya sebelumnya untuk mengotomatisasi proses sintesis kimia mengalami kegagalan karena hanya meniru pendekatan artisanal tradisional dalam kimia sintetis. Sebagai gantinya, perusahaan ini mengembangkan apa yang mereka sebut sebagai kimia ramah mesin, berbasis blok bangunan kimia yang dirancang khusus untuk memudahkan sintesis bernama "smart bloccs".
Smart bloccs merupakan molekul yang dimodulasi sedemikian rupa sehingga dapat disatukan dan dimurnikan menggunakan teknologi kimia milik Excelsior untuk menghasilkan molekul yang utuh. Dengan mengombinasikan blok bangunan ini bersama kecerdasan buatan, Excelsior mengklaim dapat mempercepat siklus rancang, buat, uji, dan analisis untuk molekul-molekul baru.
Pendanaan 95 Juta Dolar dari Sejumlah Investor
Pendanaan yang berhasil dihimpun Excelsior Sciences terdiri dari putaran Seri A senilai 70 juta dolar AS yang dipimpin bersama oleh Deerfield Management, Khosla Ventures, dan Sofinnova Partners, ditambah hibah senilai 25 juta dolar AS dari Empire State Development milik negara bagian New York. Kombinasi pendanaan swasta dan hibah pemerintah ini menunjukkan dukungan luas terhadap pendekatan yang ditawarkan perusahaan tersebut.
Brian Goldman, wakil presiden bidang AI dan ilmu data di Excelsior, mengatakan bahwa salah satu hal yang selalu menarik perhatiannya adalah bagaimana mempercepat proses penemuan obat. "There is a whole wealth of beautiful computer science theory that you can apply, but when it meets the real world of drug discovery, the problem is making the actual molecules that your algorithms suggest," kata Goldman.
Goldman menjelaskan bahwa algoritme machine learning yang canggih dapat menyarankan molekul yang diketahui bisa disintesis, namun untuk mendapatkan umpan balik guna memperbaiki model tersebut, proses sintesis tetap diperlukan. Ia menyebut bahwa jika proses sintesis dialihdayakan ke pihak luar, prosesnya bisa memakan waktu berminggu-minggu hingga berbulan-bulan, sehingga tim kimia medis kerap sudah beralih ke proyek atau ide lain sebelum hasilnya diperoleh.
Pendekatan Berbeda dalam Desain Generatif AI
Goldman menambahkan bahwa hal yang membuatnya antusias terhadap Excelsior adalah adanya siklus berkelanjutan tersebut, serta desain platform yang memungkinkan iterasi dan eksplorasi berbagai jenis kimia baru secara bersamaan dalam jumlah besar. Pendekatan ini berbeda dari kebanyakan perusahaan lain yang menggunakan AI generatif untuk menghasilkan molekul dengan properti tertentu, yang kerap menimbulkan masalah baru ketika kimiawan harus benar-benar mensintesis molekul tersebut.
Excelsior sebaliknya menggunakan proses desain generatif diskret yang didasarkan pada apa yang bisa disintesis melalui mesin mereka lewat smart bloccs, untuk menghasilkan molekul yang dioptimalkan bagi properti tertentu. Goldman menyebut bahwa faktor pembeda utama perusahaannya adalah kemampuan mengakses ruang kimia yang sangat luas, kemudian menjalankan algoritme machine learning pada ruang tersebut untuk secara diskret menghasilkan atau memilih molekul yang bisa langsung dibuat pada mesin sintesis mereka.
"So the velocity, combined with the unique discrete nature of our space is the differentiating factor that allows us to iterate and optimize," ujar Goldman menegaskan keunggulan kombinasi kecepatan dan sifat diskret dari pendekatan tersebut.
Kematangan Kimia sebagai Kunci Otomatisasi
Jana Jensen, salah satu pendiri sekaligus Chief Operating Officer Excelsior, menyebut bahwa kematangan kimia yang mendasari teknologi ini menjadi kunci utama perkembangan tersebut, karena bidang ini telah mencapai titik di mana ia bisa diindustrialisasikan dan digunakan untuk mengotomatisasi kimia di laboratorium secara andal ketika dipadukan dengan AI. Jensen menyebut bahwa timnya menyadari pendekatan ini pada dasarnya merupakan cara baru memandang kimia, memecahnya menjadi bagian-bagian yang ideal untuk dipelajari oleh AI.
Excelsior berencana menanamkan investasi pada jalur pengembangan internalnya sendiri sekaligus membangun kemitraan lintas sektor industri, termasuk bidang terapeutik dan ilmu material. Peluncuran perusahaan ini muncul di tengah tekanan yang dihadapi industri farmasi Amerika Serikat untuk mengamankan rantai pasoknya, dengan salah satu tujuan Excelsior adalah membuat proses reshoring, baik untuk penemuan maupun manufaktur, menjadi lebih terjangkau.
Dengan kombinasi blok bangunan kimia modular dan algoritme kecerdasan buatan yang dirancang khusus, Excelsior Sciences menawarkan pendekatan baru yang berpotensi memangkas waktu penemuan molekul dari bertahun-tahun menjadi jauh lebih singkat, sekaligus membuka peluang bagi berbagai sektor industri untuk mempercepat inovasi produk berbasis kimia di masa mendatang.