Generare привлекла 20 миллионов евро для расшифровки 97% микробной химии

      Парижская компания в области технологий и биологии Generare анализирует микробные геномы, чтобы найти молекулы, которые эволюция создавала на протяжении трех миллиардов лет, и утверждает, что в 2025 году она охарактеризовала больше новых маломолекулярных соединений, чем вся остальная отрасль вместе взятая. Alven и Daphni совместно возглавили раунд финансирования Series A.

      Generare, базирующаяся в Париже компания в области технологий и биологии, исследующая микробные геномы на предмет молекул, к которым разработка лекарств никогда не имела доступа, привлекла 20 миллионов евро в раунде Series A, который совместно возглавили Alven и Daphni, при этом все существующие инвесторы, включая Galion.exe, Teampact Ventures и VIVES Partners, также увеличили свои инвестиции.

      Компания была основана генеральным директором Гийомом Ванденешем и научным директором доктором Винсентом Либисом, который имеет десятилетний опыт исследований в области синтетической биологии, финансирование грантов ERC и опыт соучредительства в Abolis Biotechnologies. Этот раунд следует за посевным финансированием в 5 миллионов евро в 2024 году.

      Научная основа проста, но техническая задача значительна. Микроорганизмы, бактерии, грибы и другие микробы кодируют молекулярную химию в своих генах: биологические рецепты для маломолекул, сформированных под давлением эволюции на протяжении трех миллиардов лет.

      💜 технологий ЕС Последние новости из технологической сцены ЕС, история от нашего мудрого основателя Бориса и немного сомнительного ИИ-арта. Это бесплатно, каждую неделю, в вашем почтовом ящике. Подпишитесь сейчас! Эти молекулы когда-то были основным источником открытия лекарств: пенициллин — самый известный пример микробного соединения, ставшего лекарством. Но традиционные методы, основанные на химии, могли получить доступ лишь к крошечной доле этой химии.

      Generare оценивает, что примерно 97% молекулярной химии, закодированной в микробных геномах, остается неохарактеризованной.

      Платформа компании использует технологии высокопроизводительного клонирования и секвенирования, подтвержденные академическими исследованиями, финансируемыми ERC, и рецензируемыми публикациями, чтобы просеивать десятки тысяч микробных геномов, идентифицировать последовательности генов, которые с наибольшей вероятностью могут производить биоактивные молекулы, экспрессировать их и охарактеризовать полученные соединения по структуре, биологической активности и потенциалу для разработки лекарств.

      Компания утверждает, что охарактеризовала более 200 ранее неизвестных маломолекул, с коэффициентом успеха, который, по ее словам, соответствует самым успешным программам открытия лекарств в истории, и утверждает, что только в 2025 году она охарактеризовала в пять раз больше новых молекул, чем все остальные игроки в этой области вместе взятые.

      Эти данные раскрыты компанией и не были независимо проверены. Что подтверждено независимо, так это научный подход: освещение TechCrunch в 2024 году раунда посевного финансирования подтвердило методологию клонирования и биосинтетики, а также опыт доктора Либиса в Университете Рокфеллера и в качестве руководителя группы INSERM.

      Партнерами являются неназванные фармацевтические и агрохимические компании, описанные как «некоторые из самых известных фармацевтических компаний мира».

      Раунд Series A на сумму 20 миллионов евро будет финансировать десятикратное увеличение библиотеки молекул к 2027 году, с примерно 200 до более 2000 соединений, с долгосрочной целью достижения 10 000 со временем.

      Команда из 25 человек, включая вычислительных биологов, химиков, синтетических биологов, техников и инженеров из Франции, Великобритании, США, Германии и Австралии, будет почти удвоена.

      Советниками являются доктор Франк Петерсен, бывший исполнительный директор отдела химии природных продуктов Novartis, и профессор Надин Циемерт, описанная как один из ведущих экспертов Европы по микробным биосинтетическим генным кластерам.

      Стратегический аргумент основан на данных: модели открытия лекарств на основе ИИ, обученные на одной и той же переработанной химии, будут продолжать сходиться к одним и тем же результатам. Если предоставить им действительно новые структуры с соответствующей биологической активностью, потенциал для дифференцированных результатов умножается.