Print

Most az energiamező egészét látjuk

Zsiborás Gergő
2020. július 29. 18 perc olvasás

Paul Buchheit, a Gmail megalkotója mellett ült doktor Uri Lopatin, ismert orvos-befektető és Jared Freeman, a Scribd digitális könyvtár társalapítója, aki szintén régi motoros befektetőnek számít a világ legjobb startupinkubátor-programjában, a Y Combinatorban. Most nagy gondban voltak. Vagy belenyúlnak valamibe, vagy átverik őket épp, de nagyon. Mindenesetre hatig el kell dönteniük, hogy beszállnak-e az üzletbe. A Y Combinator szabálya szerint, ha valahova nem fektetnek be, akkor e-mailt írnak a jelentkezőnek – részletes indoklással, hogy miért nem –, ha viszont látnak egy projektben fantáziát, telefonálnak és gratulálnak.

Görbe Tamás és társa, a kanadai Hans Melo csak délután hat után került letargikus állapotba, miután semmilyen visszajelzést sem kaptak. Végül úgy döntöttek, elmennek San Francisco belvárosába, és beülnek egy kocsmába. Délelőtt a Y Combinatornál felvételi interjún voltak, a következő, három hónapos szemeszterben akartak részt venni cégükkel, a Menten AI-jal. Tíz percig faggatták őket az általuk fejlesztett technológiáról – azt pedig csak az interjú után csekkolták le, hogy pontosan kik is ültek velük szemben. Tamás épp nyitotta volna a kocsmaajtót, amikor okosórája pittyent: e-mail jött a Y Combinatortól. Minden összesűrűsödött egy pillanatba: épp a jó helyen vannak, hogy feldolgozzák, nem sikerült. „Várjatok, nem visszautasítás!” A levélben négy, meglehetősen hosszú kérdés volt. Egy sörre azért beültek.

Svédország visszavárta
A gyöngyösi általános iskola pedagógusa, Horváth Lászlóné maga volt a klasszikus kémiatanár: osztályonként hat–nyolc ember mindig nagyon szerette, a többiek meg nagyon nem. Ő látta meg a szikrát Görbe Tamásban, akinek innentől élete egyik legfontosabb része lett a kémia és a biológia. „Hezitáltam, de végül úgy láttam, hogy a kémia lesz az, amin keresztül jobban megértem a biológiai rendszereket.” Pedig a Görbe családban egyáltalán nem volt sztár a kémia, édesanyja fizioterápiás asszisztens, apja mérnök. A Szegedi Tudományegyetem következett, már másodévtől részt vett kutatásokban, a szerveskémia tanszéken szteroidalapú gyógyszerek fejlesztésével foglalkozott, Schneider Gyula professzor alatt tanulta ki, mit jelent a precíz labormunka.


Egyszerű, de elegáns fehér ingben, zsemleszínű szövetnadrágban mesél, közben kimért nyugalom árad belőle. Le sem tagadhatná, hogy felnőtt élete jelentős részében Stockholmban élt. Teljesen egyértelmű, miért akart Szegedről külföldre menni: „A pénz nagyon meg tudja fogni a tudományt.” Jan-Erling Bäckvall vegyészprofesszorhoz jelentkezett a Stockholmi Egyetemre, majd itt mélyedt el a biokatalízis tudományában, és kezdte meg doktori tanulmányait.


A katalízis kémiai reakció, a természetben számtalan ilyen játszódik le spontán – a katalizátor pedig olyan anyag, ami felgyorsít egy-egy ilyen reakciót. Ilyen reakciókban számtalan újtípusú anyag jöhet létre. A biokatalízis jelentősége azzal párhuzamosan kezdett el nőni, hogy a vegyipar is a kevésbé szennyező, fenntartható megoldások felé fordult. A 90-es évektől egyre erősebb trend lett, hogy a biokatalízist az ipar is használja, ez akkor ugrott szintet, mikor a molekuláris biológia eljutott oda, hogy magát a biokatalizárort, ismertebb nevükön az enzimeket is képes megváltoztatni. 


Tamás nagy jövőt látott abban, hogy a természetben működő folyamatokat, azokba egy kicsit belenyúlva, átvigyék ipari felhasználási területekre. Fehérjéket, molekulákat tervezett és hozott létre. „Az intelligens mosóporban az okos rész gyakorlatilag egy enzim, például ilyen anyagokon is dolgoztunk” – hoz egyszerű példát. Ha egy enzim génje ismert, a DNS-ben már képesek a bázispárokat cserélgetni, a gyakorlatban ennek az a jelentősége, hogy nagy mennyiségben tudják a kívánt anyagokat előállítani, amik „természetes úton” csak alacsonyabb hatásfokkal és lassan jönnének létre.


A neves California Institute of Technologyra (Caltech) ösztöndíjjal került, a Nobel-díjas Frances Arnold alatt dolgozott, még mindig laborban. Itt is katalatikus folyamatokat vizsgált, úgynevezett kikényszerített evolúciós projektekben hoztak létre anyagokat, random mutációkon keresztül. „Az a csodálatos ebben, hogy valami hihetetlenül jól működik.” Pasadenát nagyon élvezte, főleg a munkakultúra volt nagyon más. „Az amerikaiakban eleve van egy ilyen mentalitás, amikor elkezdesz nekik arról mesélni, hogy épp mivel foglalkozol, olyan izgatottak lesznek, hogy a végén te is azt mondod: oké, menjünk vissza a laborba és dolgozzunk.”


Svédország visszavárta, és az ott megkezdett doktori ösztöndíjából is hátra volt még másfél év. Ugyanakkor egyre jobban foglalkoztatta, hogy mihez kezd majd utána. Kreatívan és szabadon akart dolgozni, amihez az egyik járható út az volt, hogy teremt magának munkahelyet ahelyett, hogy pályázatoktól függve próbál kutatóként érvényesülni („ez még Svédországban is küszködős”).

Hans ismeretlenül rám írt, hogy szeretne kvantumszámítógépekkel enzimeket tervezni. Mindenképp beszéljünk. Úgy voltam vele, hogy ez annyira fura, de közben meg annyira jól hangzik, hogy miért is ne.


2018-ban a szintén stockholmi KTH-n még elfogadott egy posztdoktori állást, de a laborból már átült a számítógép elé, belekóstolt a bioinformatikába. Ezzel párhuzamosan jelentkezett az Antler startupgenerátor év elején induló programjába. Az Antler globális hálózata területük kiválóságait gyűjti össze, hogy aztán őket összekötve projekteket indíthassanak, a cél minél több alapítói csapat összerakása és startup elindítása. Tamás ezen keresztül belekóstolt a vállalkozásba, és noha akkori projektjére kapott tőkét, végül korán kiszállt. Szembejött egy érdekes lehetőség, amit nem tudott elengedni.


Ez eddig lehetetlen volt
6300 kilométerrel arrébb, 2018 őszén a kanadai Torontóban Hans Melo az új startupján dolgozott. „Az elején az volt a vízióm, hogy a kvantumszámítást és a gépi tanulást valahogy használjuk fel a fehérjetervezésben” – mondja a Forbesnak. Melo korábban is deep learning (mélytanulás) és gépi tanulási technológiákkal foglalkozott. „Hans ismeretlenül rám írt, hogy szeretne kvantumszámítógépekkel enzimeket tervezni. Mindenképp beszéljünk. Úgy voltam vele, hogy ez annyira fura, de közben meg annyira jól hangzik, hogy miért is ne” – emlékszik vissza Tamás.


„Számos emberrel tartom a kapcsolatot Linkedinen, de Tamás kicsit más volt. Egyesítette mindazt, amit akkor kerestem, ideértve, hogy nagyon erős háttere volt a fehérjetervezésben, akkor doktorált éppen, és érdeklődött az üzlet iránt is.” Hans azt mondja, ezen a ponton még úgy volt vele: beszélgessenek, aztán meglátják, Tamás játszhat-e valamilyen szerepet a cégben, ha egyáltalán akar. Tamásnak pedig egyre többször kötötte le a gondolatát a kihívás, amit a Menten AI jelentett, majd egy másfélórás videóbeszélgetés után megegyeztek, hogy társalapító lesz ő is.


„A cégnek annyi technológiai eredménye volt már, hogy láttam, működni fog. Hansszal nagyjából hatszor, ha találkoztunk, de annyira egy hullámhosszon voltunk, hogy könnyű volt letenni mellette a voksomat.” Tamás 25 százalékot kapott akkor a cégből, amiben így már hárman voltak – elég exkluzív tudásbázist jelentő alapítói csapat állt össze. Tamás hozta a biológiát, Hans a technológiát, de a Menten AI mögötti elgondolás kulcsfigurája egy igazi akadémiai figura: Vikram Mulligan. „Annak, amit csinálunk, ő az atyja. Mindent tud róla” – mondja Tamás. Vikram és Hans kapcsolata amolyan tudományos együttműködésként indult, azt vizsgálták, hogy amit addig fehérjetervezésben normál számítógépeken csináltak, azt hogyan lehet átvinni kvantumszámítógépekre.


De mi is az, amit a Menten AI ma csinál, és ami még a Y Combinator sokat látott befektetőit is zavarba hozta? Tovább szűkítve az eredeti víziót, ma proteinalapú gyógyszermolekulákat és enzimeket terveznek kvantumszámítógépek és mesterséges intelligencia segítségével.

A kvantumszámítógépek releváns felhasználása ebben a folyamatban az, ami a Menten AI-t a versenytásai elé helyezi – legalább is jelenleg. „Van előtted egy energiadiagram, aminek az egészét eddig nem láttad, csak darabokat csipegettél ki belőle valami alapján, és aztán eldöntötted, hogy ezek a részek jók vagy nem – magyarázza Tamás. – Most az energiamező teljes egészét látjuk, az összes állapotot egyszerre, köszönhetően a kvantumszámítógép szuperpozíciójának. Eddig ez lehetetlen volt.”


Ennek az a jelentősége a gyakorlatban, hogy az új gyógyszerek kutatásánál a legelső, kritikus szakaszt képesek drámaian lerövidíteni, és egy hónap alatt már látják azokat a fehérjéket, peptideket, amiket fel lehet használni a célfeladatra (ezeket aztán tőlük független laborok már minden további nélkül képesek elkészíteni). „Speciális struktúrájú peptideket tudunk létrehozni, nagyon gyorsan. Nagyon fontos, hogy amit látunk a számítógépen, az fog létrejönni a valóságban. Ez az, ami eddig nem nagyon vagy csak nehezen működött” – mondja Tamás.

Hamarabb kellett volna
Azt nem tagadják, hogy a megoldásuknak vannak még korlátjai, legfőképp a szuperszámítógépek számítási kapacitása. „Ha egy száz aminosavas fehérjét veszünk példának, abban több kombináció van, mint amennyi atom az univerzumban” – mondja Tamás, miért kell még erősebb hardver, hogy a víziójukat beteljesítsék. Ami már most is fontos eredmény: a D-Wave és a Rigetti kvantumszámítógépek számítási kapacitását használva fontos iparági felhasználást fejlesztettek ki. A gépi tanulás pedig a gyógyszerfejlesztésben egyre fontosabb, számítógépes szimulációk minél pontosabb és gyorsabb lefuttatása miatt lesz fontos.


Ez az, amit végül is a Y Combinator zsűrije is megértett, tavaly év végén a jelentkező csapatok közül szinte utolsóként, a magyar–kanadai párosnak is zöld jelzést adtak. A legtöbb, amit a program adhatott, hozzáférés ahhoz a szürkeállományhoz, ami globálisan leginkább érti ezt a területet. Komoly kapcsolati tőkével indultak neki a befektető keresésének.

Most az energiamező teljes egészét látjuk, az összes állapotot egyszerre, köszönhetően a kvantumszámítógép szuperpozíciójának. Eddig ez lehetetlen volt.


A Menten AI ezelőtt egy kanadai startupinkubátorban vett részt, itt részesedéssé konvertálható hitel formájában kaptak támogatást. Utólag azt mondják, minél hamarabb a nyakukba kellett volna venniük a Szilícium-völgyet, talán gyorsabban jutottak volna friss tőkéhez. Kanadában ugyanakkor kikristályosodott, hogy milyen üzleti modell mellett tegyék le a garast. Egészen addig szoftvercégként tekintettek magukra, de látva a piacot (szűk kör a gyógyszeriparból, akiknek licencelhetnék a szoftverüket), rájöttek, hogy itt nem fognak tudni skálázódni.


Viszont ha a saját szoftverjük alapján tervezett anyagokat, molekulákat adják el, abban bőven van növekedési potenciál. Ma is ezt az irányt tartják. „A gyógyszerek molekuláris szerkezete jogilag jól levédhető. Az ezeket tervező techcégeket nem tudják megkerülni a gyógyszercégek és jól tudnak építeni az ilyenféle szellemi tulajdon köré már kiépült partneri struktúrákra. Ennek a tevékenységnek komoly hozzáadott értéke van a piacon, egy bejáratott modell” – mondja Nagy Szabolcs, a Turbine CEO-ja, akik mesterséges intelligencia segítségével modellezik, hogy a rákos sejttípusok bizonyos gyógyszerekre hogyan reagálnak.


Az első évben bevont forrásokkal nagyon alacsony rezsi és igen konzervatív tervezés mellett működtek. Csakhogy a gyógyszeriparnak bedolgozni igyekvő biotech startupok között hatalmas a verseny, így nem volt mindegy, milyen gyorsan növekednek. Az amerikai beágyazottsága miatt volt fontos, hogy egy helyi programban részt tudjanak venni – ezen a piacon sokkal nagyobb tőkebevonások vannak, és a befektetők is hamarabb lépnek, mint Kanadában vagy akár Európában.


A San Franciscó-i kocsmából megküldték háttércsapatuknak a kérdéseket, másnap délig részletes választ adtak több oldalon – így is egészen karácsony utánig húzódott a döntés. Idén januárban az óceánparton, a Golden Gate park mellett béreltek egy kis lakást, és három hónapig innen dolgoztak. Bejegyezték amerikai holdingcégüket, és belőtték az előttük álló mérföldköveket. „Amerikában sokkal gyorsabb az élet. Ez sokat változtatott rajtunk – mondja Tamás. – Előtte is sokat dolgoztunk, de ott minden felpörgött. Azt vettük észre, hogy mindent sokkal gyorsabban intézünk el.”


Peptidek és hozzáadott érték
A januárban elkezdett programba 120 ezer dollárral a számlájukon vágtak bele (ezt még kanadai angyaloktól vonták be), a Y Combinator is 150 ezer dollárt tett a cégbe. A szemeszter vége aztán a koronavírus-járvány miatt húzódott, akárcsak a befektetői tárgyalások. A vészforgatókönyvük az volt, hogy friss tőke nélkül még tizennyolc hónapig tudnak dolgozni, a legjobb szcenárió pedig az, hogy hárommillió dolláros kört zárnak, ami a biotech cégeknél még bőven a magvető befektetés kategória, vagyis nagyon korai stádium.


Júliusra végül sikerült megállapodni egy négyszereplős, igen komoly befektetői konzorciummal, a vártnál jóval több forrásról: négymillió dollárt vontak be. A Y Combinator az újabb körbe is beszállt, de a vízió meggyőzte az Uncork Capitalt és a Social Impact Capitalt, valamint a szilícium-völgyi mércével mérve is nagyágyúnak számító Khosla Venturest is. „A legnagyobb kockázat, hogy végre tudják-e hajtani, amit elterveztek. A megközelítésük – amivel mások is próbálkoznak – forradalmi, de jelenleg nem feltététlen produkál jobb végeredményeket, mint a kézi molekulatervezés, amihez ma már szintén sok tanuló algoritmust használnak” – mondja a kört vezető Uncork Capital ügyvezető partnere, Jeff Clavier a Forbesnak. Az árazás nem nyilvános, a Pitchbook adatbázisa alapján annyit tudunk, hogy az alapítók még bőven többségben vannak.


A Menten AI visszafordíthatatlanul beszállt a versenybe, ahol, ha egy kicsivel is, de jelenleg a többiek előtt vannak, de csak nem sokkal a rajtvonal után. A technológia továbbfejlesztése (cél egy platform létrehozása) mellett a legfontosabb feladat, hogy megfelelő agyakat vonzzanak be. „Első: fehérjetervező platform. Második: kitalálni, milyen gyógyszertípus irányába induljunk. Három: tehetségek felvétele. Négy: stratégiai partnerségek kialakítása” – részletezi Melo a Forbes kérdésére, hogy pontosan mire költik majd a most kapott forrást. „Ez a négy tényező szorosan összekapcsolódik, és hosszú távú sikerünk kulcsa is ebben rejlik.”
A Menten AI eredettörténetének szerves része, hogy egyáltalán nem érdekli őket, hol vannak ennek a nagyon új területnek a legjobb koponyái, csak dolgozzanak nekik. „Van már egy olyan alkalmazottunk, aki szuper munkát végez Indiana államból, egy kisebb városból, ahol a felesége dolgozik. Ez nekünk egyáltalán nem probléma” – mondja Tamás.

Hans és Tamás San Franciscóban idén év elején
Úgy látják az anyagot, ahogy senki más. Munka Torontóban


Egyelőre keresik, melyik az a gyógyszercsoport, ahol nagy előnyük lehet, kulcsfontosságú lesz, milyen területet választanak ki, és mivel most a piac előtt járnak. Az irányt már nagyjából belőtték. „Észrevettük, hogy a gyógyszeriparban van egy rés, a kis molekulák és a meglehetősen nagy molekulák között, ahol tudunk olyan peptidet tervezni, aminek van egy kötött struktúrája, stabil szerkezetet képez, a szervezet nem bontja le, és képesek olyan helyre bekötni, ahova a kisebbek nem, a nagyobbak pedig a sejthártyán se jutnak át. Nekünk itt van hozzáadott értékünk” – így Tamás.
„A farmapiac akkor fogja elhinni nekik, hogy ez működik, amikor állatkísérletekben, de legfőképp embereken folytatott klinikai kutatásokban is bizonyítani tud egy gyógyszer, aminek molekuláját ők tervezték. Ez a 22-es csapdája, mert vagy megbízik benned egy nagy gyógyszercég, mint korai felhasználó, vagy behúzol annyi pénzt, hogy elvidd a molekulát addig, hogy a piac higgyen neked” – mondja Nagy Szabolcs. A Menten AI egyik konkrét célja, hogy két éven belül legyen három olyan gyógyszermolekulája, ami túl van az állatkísérleteken.


A távlati cél az, hogy az amerikai holdingcégből akár több spinoffot is indítsanak. A jelenlegi technológiájukkal a gyógyszeripart tudják leginkább kiszolgálni, de elméleti határa nincs annak, hogy a vegyiparnak is dolgozzanak, mint ahogy indulásuk óta mindig is voltak, ha kisebb volumenben, de ilyen projektjeik is. A piaci igények alapján indított spinoff cégek aztán külön-külön is tudnak majd tőkét vagy kutatási pénzeket bevonni. A cégépítésnél azonban fontosabb, hogy cégkultúrát teremtsenek, mert e nélkül nehéz lesz behozni az iparág nagyágyúit vagy a friss agyakat. „Kulcsfontosságú lesz, hogy olyan céget építsünk, ahol az emberek átérzik a küldetésünket, hogy részesei lehetnek egy nagy kihívás megoldásának – magyarázza Hans. – Mindezt egy olyan együttérző, kedves és sokszínű közegben, ahol az emberek támogatják egymást, és nem félnek hibázni.”


A koronavírus-járvány miatt Tamás még nem tudott visszautazni San Franciscóba. 31 évesen, közel tíz év után – szülei legnagyobb örömére – több mint három hónapja újra visszafoglalta a szobát, ahol felnőtt. Közben esti meetingeken és Skype-megbeszéléseken viszi tovább a céges ügyeket, nehogy lemaradjanak az iszonyatos versenyben. A Linkedin-üzenettel induló fura projekt láthatóan erős küldetéstudatot adott neki, ahol a pénz eszköz, a cél elérni a víziót. És hogy mi lesz az első dolog, ha visszatér San Franciscóba? Két és fél órás beszélgetésünk alatt először tűnt kissé tanácstalannak. „Azt hiszem itt az ideje, hogy vegyek egy autót magamnak. De fogalmam sincs, hogy milyet.”