— Automatyzujemy proces projektowania syntezy chemicznej z wykorzystaniem baz danych reakcji chemicznych, źródeł związków chemicznych, ich cen itp. — mówi Paweł Włodarczyk-Pruszyński, chief scientific and technology officer w Molecule.one.

Informacje wykorzystywane przez algorytm pochodzą z wielu różnych źródeł — z domeny publicznej, a także od partnerów i klientów spółki.

— Rozwiązanie to ma pozwolić chemikom nie tylko na bardzo szybki i precyzyjny dostęp do informacji, która dziś jest mocno pofragmentowana. Przede wszystkim za pomocą rozwiązań bazujących na głębokich sieciach neuronowych [deep learning — red.] ma proponować wiele alternatywnych ścieżek pozwalających na fizyczne wykonanie nieznanych wcześniej związków chemicznych. W konsekwencji skracamy proces opracowywania nowych leków — mówi Paweł Włodarczyk-Pruszyński.

Baza patentowa

Pomysł biznesowy wykluł się w głowach Pawła Włodarczyka-Pruszyńskiego i Piotra Byrskiego, którzy poznali się jeszcze w liceum podczas przygotowań do olimpiady chemicznej. Potem obaj ukończyli w Warszawie medycynę i międzywydziałowe indywidualne studia matematyczno-przyrodnicze.

— Już na początku naszych prac w laboratorium zwracaliśmy uwagę na to, jak mało zautomatyzowany i zinformatyzowany jest ten proces i jak czasochłonne jest pozyskiwanie fundamentalnych przy takiej pracy danych — wspomina Paweł Włodarczyk-Pruszyński.

Spółka narodziła się, gdy do dwóch lekarzy z chemiczno-matematycznym doświadczeniem dołączył Paweł Łaskarzewski, który ma na koncie kilka serwisów internetowych, współtworzył m.in. rekrutacyjny Absolvent.pl.

— Fundamentem naszego rozwiązania są publicznie dostępne dane z bazy patentów Stanów Zjednoczonych. To ogromny zbiór, który w środowisku firm zajmujących się syntezą związków nie jest odpowiednio wykorzystywany. Głównym powodem jest duża liczba błędów wynikających z nieprawidłowego przetwarzania tych danych, co pozornie ogranicza jego użyteczność. Znaleźliśmy jednak sposoby na poprawienie tego procesu i oczyszczenie danych, dzięki czemu nasze algorytmy dostarczają wyniki o wysokim poziomie dokładności — tłumaczy Paweł Łaskarzewski, chief operating officer w Molecule.one.

Gotowy produkt

Przedstawiciele start-upu zapewniają, że są gotowi do rozpoczęcia sprzedaży rozwiązania. W ostatnich tygodniach prezentowali je m.in. w ramach konkursu TechCrunch Startup Battlefield, a w tym tygodniu Piotr Byrski reprezentował spółkę podczas konferencji Pistoia Alliance President’s Startup Challenge w Bostonie, na której byli obecni przedstawiciele największych globalnych koncernów farmaceutycznych.

— Wiele start-upów wychodzi na rynek po finansowanie, gdy ich projekt jest na etapie MVP [minimum viable product — red.], czyli działa, ale wszystkie jego funkcjonalności ograniczone są do absolutnego minimum. My jesteśmy już w fazie SRP [sales ready product — red.] i w najbliższych tygodniach spodziewamy się pierwszych kontraktów — mówi Paweł Łaskarzewski.

Molecule.one ma kilka pomysłów na komercjalizację rozwiązania.

— Podstawowy model dla mniejszych podmiotów to oferowanie rozwiązania w formule oprogramowanie jako usługa z płatnością za stanowisko lub na podstawie ilości przetwarzanych informacji. Rozwiązanie może być też dostosowywane do indywidualnych potrzeb dużych klientów, m.in. z branży farmaceutycznej, np. poszerzane o integrację z ich wewnętrznymi zbiorami danych. Pozwoli im to na wykorzystanie wiedzy gromadzonej przez ostatnich kilkadziesiąt lat. W dalszej perspektywie w grę wchodzi również samodzielne syntetyzowanie i sprzedaż związków chemicznych z wykorzystaniem automatycznych laboratoriów — wyjaśnia Paweł Łaskarzewski.

Perspektywiczny rynek

Przedstawiciele spółki zapewniają, że prowadzą rozmowy o wdrożeniach z największymi globalnymi graczami z rynku farmaceutycznego oraz z kilkoma znaczącymi polskimi firmami biotechnologicznymi, z którymi realizowali beta-testy. Narzędzie było już modyfikowane według ich wskazówek, a prace nad dalszymi modyfikacjami będą prowadzone dzięki 1 mln zł, który w sierpniu wyłożył Sunfish Partners, działający w ramach programu PFR Starter. Chodzi o dodanie możliwości planowania ścieżek syntezy dla bibliotek związków, rozszerzenie możliwości interakcji z zaproponowanymi syntezami i wiele innych.

— Mamy w planach kolejną rundę finansowania na początku przyszłego roku. Jej wielkość uzależniamy od tego, co uda się osiągnąć i jak będzie wyglądała sprzedaż w czwartym kwartale — mówi Paweł Łaskarzewski.

Rozwiązanie start-upu testuje m.in. giełdowa spółka biotechnologiczna OncoArendi Therapeutics.

— Wykorzystanie głębokiego uczenia maszynowego i sztucznej inteligencji w procesie poszukiwania nowych leków to na pewno przyszłościowy kierunek. Chodzi o „wyszukiwarkę Google” dla syntezy chemicznej — optymalizację prawdopodobieństwa dojścia z punktu A do punktu B przy syntezie na podstawie dostępnych informacji, które algorytmy mogą przeanalizować. Testowaliśmy prototyp i na wdrożenie jest jeszcze za wcześnie, ale na pewno to sensowne i potrzebne rozwiązanie, z pewnością też konkurencja w tym segmencie rynku będzie rosła — ocenia Marcin Szumowski, prezes OncoArendi Therapeutics.