Startup de biologia sintética busca inovação no emprego de micróbios
O avô de Sam Levin era um produtor de batata de quinta geração no oeste de Massachusetts (EUA), lutando para competir com a queda dos preços da batata nas fazendas industriais no meio-oeste. Depois de tentar cultivar várias outras safras, um punhado de sementes de melão contrabandeadas de Porto Rico pareceu funcionar, prosperando no solo arenoso da região. Esses melões estavam quase maduros para a colheita, até que uma geada acabou com tudo – assim diz a lenda da família.
Levin agora é CEO e cofundador da Melonfrost, uma startup de inovação, com sede no Brooklyn, que combina seu software e hardware proprietários para conduzir a evolução em um circuito fechado automatizado. A tecnologia visa a fornecer um novo método para projetar e produzir novos micróbios em escala para tudo, de alimentos e energia até terapias e materiais sintéticos – tudo parte não de engenharia ou construção do futuro, mas sim de seu cultivo. “Para nós, trata-se de não ficar totalmente à mercê de desastres como a geada, mas de metaforicamente sermos capazes de fazer melões resistentes à geada para qualquer que seja o uso desejado”, explica ele.
LEIA MAIS: Número de agtechs cresce 8% no Brasil e chega a 1.703 em 2022
Várias ferramentas para cultivar micróbios com características específicas para usos desejados foram historicamente limitadas pela capacidade de escala – criando um gargalo para passar de uma cepa editada para uma comercializada – com muitos métodos para fazer isso, dependendo de suposições relativamente caras e um tanto brutas. Como as abordagens do tipo “e-verificação”, geralmente baseadas em mutações em uma sequência genética. Em vez disso, a recente rodada inicial de US$ 7 milhões (cerca de R$ 36 milhões) da Melonfrost, co-liderada pela Refactor Capital e a Alexandria Venture Investments, apoia a tese de que “a evolução é e ainda será, por muito tempo, o melhor designer de organismos”, como Levin coloca.
No centro desse foco na seleção do fenótipo estão o hardware Evolution Reactor da Melonfrost e o Maia, sua plataforma de software proprietária. Maia é um conjunto de algoritmos de aprendizado de máquina que aprendem como os organismos evoluem – com relação a diferentes pressões de seleção e condições ambientais relacionadas a fenótipos medidos – e retornam iterativamente um conjunto de instruções na forma de novas pressões de seleção para continuar a evoluir um desejado conjunto de características, seja de rendimento ou resistência ao frio, por exemplo. Esses dados de entrada e saída conectam Maia ao Evolution Reactor, o aparelho para controlar, medir e aplicar individualmente essas pressões de seleção codificadas para cultivar milhares de populações microbianas independentes em trajetórias evolutivas paralelas.
Reunião de cientistas de aprendizado de máquina no escritório da Melonfrost
A evolução em escala é possível graças a uma série de inovações de hardware encapsuladas em uma série de unidades modulares no Evolution Reactor, cada uma contendo aproximadamente 250 populações microbianas individuais. As duas plataformas, virtual e mecânica, são interligadas por software em nuvem que fecha o ciclo da plataforma de direção de evolução automatizada – dados medidos por hardware alimentados em software, instruções devolvidas ao hardware por meio de atualizações para software de modelagem – que itera até o fenótipo desejado, quando o objetivo é alcançado ou o loop é desligado. Atualmente, todo o sistema quase cabe no espaço de laboratório da startup Melonfrost, no Brooklyn, mas Levin articula a visão para essa interface de hardware-software como um “centro de dados biológico”, na forma de um armazém do Evolution Reactor.
Esta rodada “seed” é o próximo passo para a forma completa deste sistema de direção evolutivo – financiando a próxima fase de construção do hardware Evolution Reactor e movendo a Melonfrost para seu primeiro cliente no setor de gorduras comestíveis do setor de alimentos. “Alimentar o mundo sem destruí-lo no processo é uma área da biologia sintética em particular, onde há muitos gargalos desde a construção inicial até a produção”, afirma Levin.
LEIA MAIS: Cocriagro, o hub de inovação que conecta startups do agronegócio
O foco na construção de um mundo mais saudável por meio da alimentação não é novidade para Levin e seu cofundador, o chefe de engenharia e design e amigo de infância, Loren Amdahl-Culleton. No ensino médio, a dupla passou a tomar conta de uma fazenda destinada a abastecer seu território, visando aumentar o investimento dos alunos na comunidade de aprendizado e avançar em direção à sustentabilidade.
Apesar de passarem os anos de graduação e pós-graduação separados por um oceano, os dois mantiveram contato de Oxford a Stanford enquanto estudavam dinâmica evolutiva e aprendizado por reforço, respectivamente, e começaram a perceber o potencial para preencher lacunas em modelos evolutivos com ferramentas de aprendizado de máquina, dadas semelhanças em sua matemática subjacente. Com dois outros amigos de infância, a startup Melonfrost nasceu – impulsionada por causar um impacto positivo ao sintetizar campos díspares, desde aprendizado de máquina de ponta e engenharia de hardware até biologia sintética e ferramentas de software personalizadas de precisão.
Laboratório de pesquisa da Melonfrost, nos EUA
“Qualquer um desses empreendimentos exigiria muita experiência, fracasso e inovação, por isso é um tanto incomum fazer tudo isso ao mesmo tempo”, admite Levin, “mas esses desafios são tão grandes que você precisa inovar em várias frentes, simultaneamente, e integram tipos muito diferentes de cientistas e engenheiros para realmente crescer no futuro. Não se trata apenas de trazer novas moléculas ou produtos químicos para o mercado; em vez disso, precisamos mudar fundamentalmente a forma como os recursos do mundo surgem e se movimentam.”
Para a startup Melonfrost, o objetivo não é construir eventualmente em grandes fábricas e embarcar em contêineres de carga. Em vez disso, a visão é fabricar e otimizar novas linhagens de maneira rápida, barata e robusta – estendendo-se à produção em geral para traduzir do aprendizado da linguagem da evolução para resultados biológicos confiáveis em escala – não importa quando a geada metafórica possa ocorrer.
* John Cumbers é colaborador da Forbes EUA, phd em biologia molecular, fundador e CEO da SynBioBeta, a principal comunidade de inovadores, investidores, engenheiros e pensadores sobre uso da biologia sintética.
