Décodage de l'ADN avec l'IA : Living Models sort de l'ombre avec 7 millions de dollars

La startup parisienne-berkeley Living Models est sortie de l'ombre, levant 7 millions de dollars en financement d'amorçage pour développer des modèles fondamentaux pour la biologie entraînés sur de vastes ensembles de données ADN, ARN et multi-omiques. Cet investissement significatif souligne le potentiel croissant de l'intelligence artificielle dans la révolution de la recherche biologique et de l'innovation agricole en améliorant notre compréhension des systèmes vivants complexes. L'ambition de la société est de [INSTRUCTION SUPPRIMÉE] le "langage de la vie" fondamental par des techniques d'IA avancées, à l'instar du succès des grands modèles linguistiques dans la communication humaine. Pour alimenter son développement ambitieux, Living Models a également obtenu l'accès à un cluster informatique substantiel comprenant 120 GPU NVIDIA B200, essentiels pour l'entraînement de sa prochaine génération de modèles d'IA biologiques sophistiqués. Ces modèles transformer sont conçus pour analyser des modèles complexes au sein des organismes vivants en traitant de vastes quantités de données génomiques et transcriptomiques. Bien que l'IA ait déjà transformé de nombreux secteurs, son application dans l'agriculture, en particulier dans le développement de cultures résilientes au climat, reste une frontière avec un immense potentiel de croissance. L'objectif initial de Living Models est la science des plantes, visant à accélérer le développement de nouvelles variétés de cultures capables de résister aux défis climatiques urgents. Leur offre phare, BOTANIC, est une famille de modèles transformer entraînés sur diverses séquences génomiques végétales, capables d'identifier des marqueurs génétiques liés à des traits tels que la résilience climatique et la résistance aux maladies. Cette technologie promet de raccourcir considérablement les cycles de sélection traditionnels de plusieurs années en permettant aux chercheurs et aux entreprises agricoles de prédire et de prioriser par calcul des variantes génétiques prometteuses pour les tests, favorisant ainsi la souveraineté numérique européenne dans un secteur critique.