De acordo com pt.wedoany.com-A Bota Biosciences desenvolveu uma linguagem de protocolo biológico compilável chamada BPL e sua ferramenta de geração automática de código, BPL-COGEN, com o objetivo de permitir que a inteligência artificial compreenda e execute verdadeiramente os fluxos de trabalho de experimentos biológicos.
No campo da biomanufatura, as operações laboratoriais exigem altíssima precisão. Ações como operação de pipetas, registro de temperatura e transferência de placas de Petri, quando apresentam erros de unidade, desvios de parâmetros ou inversão de etapas, podem levar ao fracasso do experimento. Embora a inteligência artificial possa ajudar os cientistas a projetar protocolos experimentais, é difícil para ela realmente entrar no laboratório e executar as operações. Isso se deve principalmente à falta inerente de padronização nos experimentos biológicos: diferentes operadores têm hábitos distintos, as interfaces dos equipamentos variam e as estruturas de dados não são uniformes. Grande parte da experiência experimental reside apenas no cérebro humano, dificultando a reprodutibilidade dos experimentos, o acúmulo de dados e o fechamento do ciclo de automação.
Anteriormente, a comunidade acadêmica tentou soluções de padronização como BioCoder, Autoprotocol, Antha e LabOP, mas estas apresentavam problemas como capacidade de expressão limitada, vinculação a equipamentos específicos ou alto custo de uso. Recentemente, a Bota Biosciences publicou um artigo de pesquisa relacionado no repositório de pré-impressão de ciências da vida, bioRxiv, propondo uma linguagem de descrição biológica compilável e verificável chamada BPL.
A BPL não é apenas uma linguagem de descrição, mas também uma linguagem compilável. Antes do início do experimento, o sistema realiza uma simulação experimental em nível de software, verificando se as unidades estão corretas, se os reagentes existem, se a capacidade do recipiente não foi excedida e se há conflitos lógicos entre as etapas. Uma vez identificado um problema, o sistema reporta o erro diretamente, em vez de esperar que o experimento falhe para então retrabalhar. Com base na BPL, a Bota Biosciences desenvolveu ainda a ferramenta BPL-COGEN, que traduz automaticamente as necessidades experimentais descritas em linguagem natural para código BPL padronizado. Este código então passa pela etapa de verificação do compilador, passando por um processo iterativo de detecção de erros, correção automática, nova verificação e nova correção, até que o código seja aprovado na compilação e na validação por simulação. O sistema então sincroniza as instruções conformes para o laboratório para iniciar o experimento físico.
Para avaliar a precisão da geração de protocolos experimentais, a equipe de pesquisa selecionou 30 protocolos experimentais clássicos do Nature Protocols, abrangendo áreas como biologia molecular, cultura de células e análise bioquímica, e construiu especificamente um conjunto de dados de referência. Este benchmark adotou um modelo combinado de avaliação por grandes modelos de linguagem e verificação objetiva pelo compilador, pontuando em três dimensões: grau de correspondência de conteúdo, eficácia do protocolo e integridade experimental. Os resultados mostraram que, ao gerar o código 10 vezes repetidamente para o mesmo experimento, 98,3% dos resultados foram completamente consistentes, com uma pontuação geral de 95,1, dos quais a pontuação de eficácia do protocolo atingiu 98,7. Em termos de verificação pelo compilador, o benchmark detectou um total de 343 problemas, incluindo incompatibilidade de unidades, sobrecarga de recipientes e reagentes não definidos. A taxa de aprovação de compilação do código gerado na primeira rodada pelo modelo foi de 82,3%, e após no máximo três rodadas de correção automática, a taxa geral de aprovação atingiu 98,6%, com apenas 1,4% dos problemas não sendo possíveis de corrigir.
A equipe da Bota Biosciences também concluiu duas verificações experimentais úmidas. Na primeira, o mesmo código BPL foi convertido em um manual de instruções para operação manual e em um script de execução para uma pipetadora automatizada. Os resultados de sequenciamento e detecção de fluorescência dos dois sistemas não mostraram diferenças significativas. Na segunda, em um experimento de cromatografia líquida, o sistema converteu automaticamente o processo analítico original de 32 minutos em um protocolo de ultra-alta eficiência de 2,1 minutos. Todas as cinco substâncias lipossolúveis foram completamente separadas na linha de base, e a ordem de separação foi exatamente a mesma do método original.
Com base na linguagem BPL, a Bota Biosciences lançou a plataforma SAION AI, uma plataforma de IA Física voltada para o campo da biomanufatura. Posicionada como um Cientista de IA, a plataforma é composta por três camadas: a camada cognitiva, responsável por entender problemas científicos e gerar protocolos experimentais; a camada de controle, responsável pela compilação BPL, verificação e orquestração de tarefas; e a camada de execução, responsável por acionar equipamentos experimentais reais para concluir as operações. Em cenários de engenharia de cepas, o SAION AI pode aumentar a eficiência de um único projeto de P&D de cerca de 500 experimentos com cepas por ano no modelo tradicional para 300.000 experimentos realizáveis no mesmo período para um único projeto, permitindo a execução experimental e o retorno de dados sem qualquer intervenção humana.
Fundada em 2019 em Hangzhou, a Bota Biosciences construiu simultaneamente, em seus primeiros dias, a fundição biológica Cell2Cloud impulsionada por IA Física, cobrindo todo o processo, desde a engenharia de cepas e desenvolvimento de processos até a produção em escala. O sistema gera continuamente dezenas de milhões de dados experimentais reais e conecta milhões de conhecimentos de literatura e patentes. O fundador e CEO da empresa, Cui Hao, é bacharel pela Universidade de Toronto, no Canadá, e possui doutorado em Engenharia Médica e Física Médica pelo programa conjunto da Harvard Medical School e do MIT. Durante seu doutorado, publicou artigos como primeiro autor ou autor principal em periódicos como Science, Nature Nanotechnology e PNAS, e detém patentes de invenção relacionadas à biologia sintética e automação experimental.
Em 2021, a Bota Biosciences concluiu uma rodada de financiamento Série B de US$ 100 milhões, com investidores incluindo Sequoia China, 5Y Capital, Source Code Capital, Baidu, Meituan, BASF, Matrix Partners China, entre outros. Atualmente, a empresa já colabora com empresas como NHU, SYENSQO, Yili, BASF, Proya e Pechoin nas áreas de alimentos, nutrição e saúde, e cuidados pessoais.
A indústria compara a BPL com a Automação de Projeto Eletrônico (EDA) da indústria de semicondutores. Antes do surgimento da EDA, o design de chips dependia fortemente da experiência dos engenheiros, com altos custos de verificação e longos ciclos de tentativa e erro; o valor da EDA reside em transformar o design de chips em ativos digitais descritíveis, verificáveis e simuláveis. O papel da BPL no campo da biomanufatura é semelhante. Não é apenas uma ferramenta para melhorar a eficiência experimental, mas também uma infraestrutura subjacente voltada para o futuro da indústria, permitindo que a IA passe de apenas fornecer sugestões de raciocínio para experimentos a se tornar um Cientista de IA capaz de realizar operações experimentais úmidas de forma autônoma.
