Biostate AI获1200万美元A轮融资，聚焦RNA测序服务

近日，Biostate AI宣布成功完成 1200 万美元的 A 轮融资，由 Accel 领投。公司当下的重点在于革新 RNAseq 的可及性，并开发具有临床相关性的预测模型。这些技术以及数据质量的提升、分子数据类型的整合和严谨的临床验证等必要进展，构成了 Biostate 长期愿景的基础：真正的个性化疗法。

Biostate由前教授及连续创业者David Zhang和Ashwin Gopinath创立，其理念是整个 RNA 转录组（而不仅是一小部分 RNA 转录本）是人类健康未被充分利用的实时生物标志物。此前，全面同步分析所有 RNA 转录本一直受成本和分析障碍限制。

通过消除这些行业瓶颈，Biostate 联合创始人意识到，他们可将更经济高效的 RNAseq 运营模式发展为精准医疗的一站式服务平台。

目前，鲜有分子生物学实验室充分利用现有的 RNA 数据集——或机器学习分析它们的能力。这是因为传统 RNAseq 存在三大关键限制：

• 成本高昂 ：使多数实验室无法扩大生物技术研究的规模。同时，随着研究预算在当前政府管理下缩减，各机构面临着用更少资源最大化科学产出的压力。

• 数据聚合难题 ：从各研究地点聚合数据涉及诸多技术和物流问题。通常，各实验室的工作会引入数据噪音，即批次效应，这会淹没研究人员在数据中寻找的细微临床迹象。

• 供应商壁垒 ：专业供应商的分割导至沟通不畅、成本增加和工作流程变慢。

Biostate 通过生物化学创新与生成式 AI 工具相结合，并将其封装在自我维持的商业模式中，来解决这些问题：

• 成本 ：公司发明并申请了专利，利用新型生物分子技术将组织样本转化为 RNAseq 数据，其成本几乎是传统方法的十分之一，且对新鲜组织和数十年的旧组织都有效。其专有的 BIRT 技术通过创新的多重技术实现多个样本的同时处理，而 PERD 方法在不牺牲质量的前提下将信号与背景噪音分离。结果是，研究人员在现有预算内可多运行 2 至 3 倍的样本量，大幅扩大实验规模。

• 数据聚合 ：更低的成本也转化为内部优势，使 Biostate 能以竞争对手花费的一小部分进行内部实验。这一经济优势促进了从全球收集数百万份经过同意、去标识化的 RNAseq 轮廓，类似于 OpenAI 在整个互联网上训练基础模型。这一庞大的数据集推动了其训练日益复杂的生成式 AI 模型的能力，这些模型可识别不同疾病状态和组织类型中的模式。

• 标准化 ：Biostate 统一的工作流程和一致的方法论使不同时点和不同批次进行的实验得以标准化。这种一致性至关重要，因为它使 AI 能持续学习 “生物学语法”，而不受通常困扰多地点研究的批次效应干扰。标准化过程还使其能够从未知的小型去标识化数据队列中提取有意义的信号，这些数据带有详细的临床标签，用于为特定应用微调其基础模型。

• 整合 ：结果是一个整合的流程，使 Biostate 成为分子医学的一站式服务平台。其系统将生物样本转化为全面的转录组数据，可与庞大的数据集整体查看，以生成可操作的临床见解——尽在一站式屋檐下，无需依赖专业供应商网络。公司的技术栈甚至包括复杂的生成式 AI 工具，如 Quantaquill，可将分析结果转化为可发表的手稿，进一步简化研究工作流程。

“正如下ChatGPT通过学习数千亿词汇变革了语言理解，我们正从数百万样本中的数十亿 RNA 表达式学习人体疾病分子语言。”Biostate AI 联合创始人、首席技术官Ashwin Gopinath表示，“我们正在为分子医学做大型语言模型为文本所做的事情——扩大原始数据规模，让算法真正大放异彩。”

“我们相信，现代和未来的人工智能可以是通用的，用于理解和帮助治愈每一种疾病，而不是将诊断和治疗作为每个疾病各自独立、封闭的问题来解决，” Biostate AI 联合创始人兼首席执行官方David Zhang表示，“我所构建的每一个诊断工具都是为了让答案更接近患者。Biostate 通过使整个转录组变得经济实惠而迈出了迄今为止最大的一步。”

从丰富的 RNAseq 数据中开发出的 AI 将更好地为临床医生提供最优治疗决策信息。Biostate 已在内部概念验证中成功预测人类白血病患者的疾病复发。在不久的将来，公司计划扩大与临床合作伙伴在肿瘤学、自身免疫疾病和心血管疾病方面的合作。

该公司迄今已筹集超过 2000 万美元，并通过涵盖多种疾病指征的 100 多个试点项目网络，扩大其付费机构客户群，包括白血病（康奈尔大学）和多发性硬化症（Accelerated Cure Project）。

因此，在仅两个季度前商业化其产品后，Biostate 已为来自 150 多个合作者和客户的超过 10000 个样本进行了 RNAseq 测序，这些客户和合作者来自领先机构。这家初创公司还达成了每年处理数十万未标记样本的协议，快速加速其数据集的增长并推动人工智能开发。