Молодой стартап, не имеющий конкурентов на рынке?
MonomerBIO — стартап, разрабатывающий платформы для объединения, автоматизации лабораторных процессов.
В России нет альтернативы среди всех ИИ стартапов медтеха.
Не требует сложной разработки.
Round: $5.6M
Идея стартапа
Сегодня интересный стартап — ИИ для лабораторий генной инженерии.
Род деятельности стартапа прямо вытекает из названия: ИИ помогает исследовать мономеры. Мономеры — низкомолекулярные вещества, иногда даже атомы.
В биохимии мономеры используются для образования биополимеров (многокомпонентных веществ), таких, как белки, полисахариды и нуклеиновые кислоты. Например, аминокислоты являются мономерами белков, нуклеотиды — мономерами нуклеиновых кислот, а сахара — мономерами полисахаридов.
Очевидно, что лаборатории работают и с мономерами ДНК. В основном, Monomer помогает проектировать решения для клеточных структур органоидов, чтобы отыскивать лекарства от генетических заболеваний.
В частности, лаборатории работают со стволовыми клетками для открытий новых путей в регенеративной терапии, а также клеточных технологий (терапия Car-T) используются и для лечения рака, аутоиммунных заболеваний.
Проблема в том, что даже в современных автоматизированных лабораториях исследования остаются крайне монотонным и утомительным процессом. Ученые жертвуют ночами, чтобы проверять горстки клеток, при этом постоянно допуская ошибки, которые также требуют время для перепроверки.
А разрозненность всех данных приводит к тому, что ученым приходится возиться со скриптами JSON и CSV вместо того, чтобы заниматься научными открытиями.
MonomerBIO создан для автоматизации клеточных культур, беспрепятственного управления инкубаторами, устройствами для обработки жидкостей, имидж-сканерами, роботизированными манипуляторами, интеграции устройств, трансляции протоколов, планирования и отслеживания экспериментов.
В общем и целом описать работу стартапа можно тремя словами: адаптация, автоматизация, последовательность.
Сегодня Monomer может внедрять и интегрировать рабочие ячейки для культивирования клеток, автоматизируя процессы исследования и одновременно собирая данные о росте клеток для формирования базы данных и дальнейшего машинного обучения и выявления паттернов.
Как это работает
1. В систему можно загрузить все образцы и реагенты. Ученый может выстраивать графики коэффициентов разделения, выстраивать процедуры мониторинга и т.д. Достаточно просто загрузить все расходные материалы.
2. Планировать рабочие процессы. Вот что пишет сама компания по этому поводу:
Больше никаких смен по выходным и смене носителей. Больше никакой головной боли от управления более чем 45-дневными протоколами.
3. Распараллеливание сложных клеточных структур, а также общее структурирование данных и вывод новых моделей машинного обучения:
Проточной цитометрии.
Обобщает ключевые показатели роста, такие как темпы роста и время удвоения (клетки).
Отслеживает выборочное происхождение и отношения между родителями и детьми, в смысле происхождения клеток.
Записывает метаданные эксперимента по определенным вами категориям, таким как партии реагентов, состав среды, генотипы.
Уведомляет пользователей об аномальных результатах и необходимых вмешательствах на основе считываемых данных.
Такой подход позволяет не обрабатывать ячейки, повысить воспроизводимость и отмечать аномалии клеток, структурировать данные о клетках. Такая система дополнительно позволяет загружать свои кастомные модели машинного обучения и, например, задавать объективные стандарты «здоровья» клетки: например, отслеживать уровень загрязнения клетки или уязвимость ее структуры в среде.
Вектор развития и перспективы
Для любого бизнеса и стартапа, в том числе необходимо пространство для масштабирования. Желательно, чтобы это пространство было понятно и прозрачно, как в случае с предыдущим стартапом, где привлечение клиентской базы шло засчет увеличение каких-то конкретных параметров (интегрируемых приложений). Здесь масштабирование напрямую зависит от гибкости приводимой системы:
а) Числа набора реагентов и растворов, которые участвуют в исследовании.
б) Данных, собираемых с исследований (в процессе экспериментов стартап может собирать уже готовые базы данных, чтобы упростить процесс экспериментов для других лабораторий)
в) Расширение функционала системы
г) Введение новых элементов, с которыми может взаимодействовать система.
д) Увеличение масштаба экспериментов
Анализ рынков
По данным CB Insights, интерес инвесторов к этому рынку является одним из самых высоких среди всех направлений цифрового здравоохранения. В 2021 г. объем суммарных инвестиций в ИИ-продукты для здравоохранения составил 12,2 млрд. долларов.
Объем инвестиций, как кажется, падает. Это связана с резким спадом ожиданий, если выражаться неформально «хайпа» от ИИ и внедрения его во все сферы жизнедеятельности человека.
Существует много ИИ стартапов, нацеленных на обработку медицинских изображений: рентгенологических, КТ, МРТ и маммографии. Но в России нет ни единого стартапа, который бы занимался мономерами и даже попросту ДНК.
Указом Президента России №490 от 10.10.2019 была утверждена Национальная стратегия развития искусственного интеллекта (ИИ) в Российской Федерации на период до 2030 г., направленная на то, чтобы Россия стала одной из стран-лидеров в области ИИ. Одним из ключевых направлений стратегии является развитие рынка программных продуктов на основе ИИ для здравоохранения нашей страны.
С другой стороны Markets указывает, что рынок ИИ в сфере медицины должен вырасти в целых 10 раз (с 2020 по 2026 год должен вырасти с 4,9 млрд долл. до 45,2 млрд долл.).
Мы можем лишь примерно оценить, почему аналитики рынков делают такие ставки, но подобный рост объемов рынка говорит о скорейших инвестициях из венчурных фондов в перспективе ближайших трех лет, в том числе.
Если попытаться оценить все сервисы ИИ, которые работают в сфере медицины, мы не найдем ни одного стартапа, связанного с изучением и анализом мономеров. Хотя для медицины этот сегмент важен.
Стартапу благоволит все: прогнозируемый рост рынка в ближайшие несколько лет, отсутствие конкуренции в России, востребованность среди медицинских исследовательских центров (об этом ниже).
Советы для взвешенных инвестиций
Стартап совсем небольшой: есть время на разработку внутри России. В СНГ много научных лабораторий, которые занимаются изучение мономеров в совершенно разных целях: CoLab, лаборатории при государственных университетах (МГУ, ИВС РАН, ОПиКМ и др.), медицинские исследовательские центры (Оптиум, конструкторское бюро белков «Биомолекула» и др.).
У стартапа крайне широкий список клиентской базы, которая была бы заинтересована в получении такой технологии. Советуем ориентироваться, как ни странно, на университеты, обладающими крупными финансами (Например, ВШЭ), а также исследовательские коммерческие центры, фармакологические компании.
Добавим, что и государство крайне заинтересовано в разработке новых лекарств и не только от заболеваний генетической природы, рака и иммунодефицита, но и заболеваний по типу «Covid-19». Подобная автоматизация лабораторий ускоряет разработку антител (белков, нуклеарных структур) для оперативной разработки лекарств в случае пандемий наподобие эпидемии 2020 года.
Чтобы лучше всего сориентироваться в разработке продукта, следует обратиться для начала в частные фармакологические центры по разработке лекарств. Или попробовать себя в грантах, где можно почти уверенно можно выиграть нужную сумму, так как государство серьезно нацелено на инвестирование в подобные медицинские стартапы.
