Dekodierung von DNA mit KI: Living Models tritt mit 7 Mio. US-Dollar aus dem Stealth-Modus hervor

Das Pariser-Berkeley-Startup Living Models ist aus dem Verborgenen aufgetreten und hat eine Seed-Finanzierung in Höhe von 7 Millionen US-Dollar erhalten, um auf umfangreichen DNA-, RNA- und Multi-Omics-Datensätzen trainierte Basismodelle für die Biologie zu entwickeln. Diese bedeutende Investition unterstreicht das wachsende Potenzial künstlicher Intelligenz zur Revolutionierung der biologischen Forschung und landwirtschaftlichen Innovation, indem sie unser Verständnis komplexer lebender Systeme verbessert. Das Ziel des Unternehmens ist es, die grundlegende „Sprache des Lebens“ durch fortschrittliche KI-Techniken zu entschlüsseln, ähnlich dem Erfolg von großen Sprachmodellen in der menschlichen Kommunikation. Um seine ambitionierte Entwicklung voranzutreiben, hat Living Models auch Zugang zu einem beträchtlichen Rechencluster mit 120 NVIDIA B200 GPUs erhalten, die für das Training seiner nächsten Generation hochentwickelter biologischer KI-Modelle unerlässlich sind. Diese Transformer-Modelle sind darauf ausgelegt, komplexe Muster in lebenden Organismen durch die Verarbeitung riesiger Mengen genomischer und transkriptomischer Daten zu analysieren. Obwohl KI bereits zahlreiche Sektoren transformiert hat, bleibt ihre Anwendung in der Landwirtschaft, insbesondere bei der Entwicklung klimaresistenter Nutzpflanzen, eine Grenze mit immensem Wachstumspotenzial. Living Models konzentriert sich zunächst auf die Pflanzenwissenschaft und zielt darauf ab, die Entwicklung neuer Pflanzensorten zu beschleunigen, die den drängenden klimatischen Herausforderungen standhalten können. Ihr Flaggschiffangebot, BOTANIC, ist eine Familie von Transformer-Modellen, die auf vielfältigen pflanzlichen Genomsequenzen trainiert wurden und genetische Marker identifizieren können, die mit Merkmalen wie Klimaresistenz und Krankheitsresistenz verbunden sind. Diese Technologie verspricht, die traditionellen, mehrjährigen Pflanzenzuchtzyklen erheblich zu verkürzen, indem sie es Forschern und Agrarunternehmen ermöglicht, vielversprechende genetische Varianten rechnerisch vorherzusagen und für Tests zu priorisieren, wodurch die europäische digitale Souveränität in einem kritischen Sektor gefördert wird.