Podcast Ag Tech Talk: Lavie Bio utiliza el motor de inteligencia artificial para ahorrar tiempo y dinero al llevar productos al mercado (Parte 1)
21 abril 2023 
Llevar nuevos productos al mercado es un proceso costoso y, a menudo, bastante largo. Cualquier cosa que pueda acortar ese proceso ahorra tiempo y dinero. Biografía de Lavie usado IA MicroBoost para desarrollar dos nuevos fungicidas biológicos que planea lanzar al mercado en los próximos años. Hablamos con Russ Putland, vicepresidente ejecutivo comercial y gerente general de EE. UU. para Lavie Bio, y Nir Arbel, director de productos de Evogene, la empresa matriz de Lavie Bio, para conocer cómo surgieron esas soluciones y cómo la empresa planea garantizar la aprobación reglamentaria y fomentar la adopción por parte del usuario final.
Transcripción del podcast:
AgriBusiness Global: Hagamos un poco de historia sobre la empresa. ¿Qué es lo que está ofreciendo, qué está haciendo y qué lo separa de otros jugadores en el mercado?
Russ Putlandia: Lavie Bio nació de Evogene, que es nuestra empresa matriz que nos proporciona. Conoces la tecnología y la IA, big data y esa base.
Nos esforzamos por mejorar la calidad de los alimentos, la sostenibilidad y la productividad agrícola. Y lo hacemos a través del microbioma, directamente a través de los microbios. Esa es toda la idea. Y al hacer eso con microbios, tenemos que aprovechar esa tecnología para poder hacerlo. Esa es una especie de visión de alto nivel de lo que tratamos de hacer.
Y realmente se trata de reemplazar productos sintéticos o mejorar la producción de alimentos para que sea más saludable y sostenible. Y para hacer esas dos cosas tienes que tener una agricultura productiva, y tienes que tener mayor valor.
Sabes que es bueno tener una visión altruista del mundo al que vamos, sabes. Conviértalo en un mejor lugar ambiental y salvaremos nuestro suelo. Pero para hacer eso, si no hay sustentabilidad financiera debajo de todo, falla.
Los productos se mantuvieron, y produjeron más, o produjeron mejor, o produjeron atributos. Hay un montón de maneras diferentes de hacerlo, pero al final del día, tiene que ser financieramente sostenible.
Entonces, eso es lo que nos esforzamos por hacer: poner esas herramientas en manos de nuestros productores para que puedan producir más bushels, o bushels más específicos, o bushels más saludables de granos, frutas o verduras, según el mercado en el que nos encontremos. Y luego, a su vez, hacer que la cadena de suministro reconozca ese valor hasta el consumidor, donde los consumidores están dispuestos a pagar por alimentos más saludables, mejores o de mayor valor.
ABG: Bien, con respecto al microbioma. Hemos estado escuchando mucho sobre eso recientemente. Sé que hemos escrito historias al respecto. ¿Dónde estamos en el proceso de comprender lo que hay allí, todas las diferentes piezas que componen ese microbioma?
PR: Sí es eso. Es muy diferente de lo que sabes si lo comparas con la química y la agricultura sintéticas tradicionales, o incluso con la salud humana. Es muy, muy diferente en eso. Hay miles de millones de microbios en el mundo y en el mundo sintético, nos hemos quedado sin grupos e ingredientes activos, y para ser honesto, no hemos visto mucha innovación o novedad desde los años 80.
Y ahora, al poder aprovechar estos miles de millones de microbios, se vuelve más difícil descubrir cuáles son beneficiosos.
Están ahí, y tenemos estos maravillosos microbios que hacen grandes cosas, pero necesitamos poder verlos claramente, para que podamos convertirlos en fábricas vivientes en una planta y usarlos para un uso positivo de una manera natural.
Nir Abel: Si me permites, interviene aquí. Creo que también el campo del microbioma y los microbios y su comprensión es bastante incipiente. Ha tenido un gran salto en los últimos 10 a 15 años.
Pero en términos de desarrollo de productos de ciencias de la vida, eso nació prácticamente ayer. Entonces, es un campo muy emocionante. Ves muchos inversores interesados en el espacio. Ves muchas empresas entrando en el espacio. Pero creo que la verdadera magia de este campo aún está por llegar, porque hay mucho más que aprender, mucho más que comprender, y en este momento solo estamos arañando la superficie.
ABG: Quizás este sea un buen momento, entonces, para hablar sobre las soluciones que ofrece la empresa. Usted mencionó MicroBoost AI, el motor tecnológico. ¿Cómo influye eso en el microbioma de los productos que está tratando de crear?
N / A: MicroBoost AI comenzó a convertirse en un motor hace varios años, cuando Evogene decidió usar o aprovechar su conocimiento en tecnología, en el espacio genómico. Así que la base de micro impulso. La IA es la capacidad de comprender la genómica, pero no como antes, originalmente, principalmente en las plantas. Ahora, observando los microbios y comprendiendo muy bien la genómica de los microbios. El desafío, cuando quieres observar las comunidades microbianas, es que hay tanta información en la que debemos profundizar para comprender realmente qué es lo que estás viendo, qué es lo que estás tratando de encontrar, y es realmente una aguja en un pajar en un momento dado. Entonces, lo que estamos tratando de hacer, encontrar nuestras soluciones, es descifrar esas preguntas tan desafiantes.
Entonces, la base de MicroBoost AI fue recopilar una cantidad muy significativa de genomas de genomas microbianos y dividirlos en genes y esos genes a su vez pueden comprender cuáles son sus funcionalidades y agruparlos. Entonces, tenemos, si no la base de datos más grande, una de las bases de datos más grandes del mundo para genes microbianos y sus funciones, que está catalogada. Entonces, podemos agrupar genes para comprender cuáles son sus funcionalidades, y Lavie puede aprovechar eso, obviamente, porque cuando están buscando desarrollar productos y descubrir nuevos microbios. Pueden utilizar estos catálogos para tratar de comprender qué tipo de funcionalidad están buscando. ¿Dónde existe esta funcionalidad y qué bacterias hay en sus refrigeradores o están en el dominio público al que pueden llegar? Pueden encontrar estas ciertas funcionalidades. Esa sería la mayor ventaja de MicroBoost AI.
Además de eso, lo que podemos hacer al comprender la genómica es realizar comparaciones muy sofisticadas entre diferentes muestras o diferentes microbios, y lo que eso permite a los científicos es comparar y descubrir nuevas funcionalidades y los genes relacionados con esas funcionalidades, lo que significa eso si lo saben, y tal vez este sea un buen ejemplo. Entonces, Lavie Bio estuvo buscando durante mucho tiempo qué genes estarían relacionados con la vida útil, lo cual no es una pregunta obvia. ¿Bien? Entonces, la evolución de las bacterias no las guió hacia la vida útil, obviamente, pero al final del día, tienen algún tipo de vida útil como producto. Entonces, lo que MicroBoost AI pudo hacer, para Lavie, una vez fue observar las bacterias que tenían una buena vida útil y las que no, fue resaltar qué genes tienen más probabilidades de proporcionar a sus microbios o su producto una buena vida útil, y eso tiene un gran impacto cuando se busca desarrollar el producto.
PR: Entonces, piensa en el por qué; ¿Por qué eso importa? Bueno, se trata de que necesites los microbios para mantenerse con vida mientras los usas, correcto, y para establecer y crear esa fábrica viviente dentro de una planta.
Además, desde un punto de vista comercial, es muy bueno tenerlo donde puede guardar el producto durante un año y seguir usándolo directamente desde la gestión de inventario. Hay un aspecto comercial en eso, así como no solo la viabilidad.
ABG: Hay muchos factores a considerar cuando estás desarrollando un producto. El desarrollo de productos sintéticos tradicionales puede llevar una docena de años y cientos de millones de dólares. Y esos son los productos que realmente lo hacen. Y eso no cuenta todas las cosas que se intentan, invierte un año y descubre que no funcionan. ¿Este sistema le ahorra tiempo? ¿Te ahorra dinero? Hay miles de millones de microbios por ahí. Tratando de averiguar cómo funcionan todos juntos. Las permutaciones son probablemente prácticamente infinitas.
PR: Tal vez solo recorre un alto nivel de nuestro proceso y luego dejo que Nir hable sobre la tecnología subyacente. Creo que también serviría. Entonces, no es diferente a la química sintética, y comienzas con un requisito de producto. Tenemos que saber qué estamos tratando de construir, por qué, estamos tratando de construirlo.
Tenemos que pensar en cuánto costará construirnos, y ya sabes cuáles serán los engranajes para construirlo, y si es utilizable en el entorno y las regulaciones actuales. Entonces, ¿toda esa pieza obtiene cuál es la necesidad y cómo se ve ese producto?
Y cuanto más se acerque al principio, mejor será durante todo el proceso.
Luego entra en el mundo de Nir, donde sabes que mapearon estos genes en funciones, y sabes que todo se está haciendo y catalogando, ¿verdad? Y sabes que teníamos un catálogo llamado Taxon que compramos. Tenemos algunos, ya sabes, microbios de dominio público de los que sabemos mucho, y luego los hemos agregado.
Israel es un gran lugar para obtener microbios, porque tienes todos los climas diferentes, ¿verdad? Entonces, tienes un montón de diversidad en el país. Entonces, es muy afortunado para nosotros. Y a medida que los mapea, comienza a seleccionar los microbios individuales o el consorcio de microbios que se ajusta a los requisitos de ese producto. Y luego MicroBoost se hace cargo. Empiezas a tirar de ahí y tiras de combinaciones. Y he escuchado a nuestros líderes científicos decir que saben que hay combinaciones que surgen como sugerencias de que esto funcionará que la ciencia tradicional simplemente no podría armar. Simplemente no es una realidad.
N / A: Russ habló exactamente al grano y esto es algo crucial para que la gente lo entienda. Lo computacional no está ahí para dar el producto final. Por lo tanto, nadie espera que introduzcamos información en la computadora y que algún tipo de IA emita un solo microbio que es, ya sabes, la solución perfecta. El punto central de lo que estamos tratando de eliminar es el riesgo de todo el proceso mediante la identificación de una cantidad menor y más alcanzable de microbios que pueda probar, y eso le daría la idea de que sabe que realmente funciona y que la predicción fue lo suficientemente buena. .
Entonces, la forma en que funciona la eficiencia y el ahorro de costos es que una vez, como mencionó Russ, comienza con los requisitos del producto. Intentas entender qué es lo que necesitas. Puede ir a los catálogos y elegir los genes que necesita con anticipación. Pero, por lo general, lo que sucedería es que todavía habría algunas funcionalidades de las que no está absolutamente seguro de cuáles son los genes relacionados y luego construir los experimentos correctos que provendrían del dominio público de las publicaciones, o saldrían, usted saben, desde el aspecto experimental de la empresa, y alimentándolos correctamente en los algoritmos que luego pueden desarrollar los genes más gratificantes para esa funcionalidad.
Y el punto al final sería, ya sabes, conectar todos esos puntos. Porque si quieres esto en un aspecto de frecuencia, es muy fácil encontrarlo bien, porque lo harías. Fácilmente encontraría bacterias que son antifúngicas, o insectos enteros, y así sucesivamente. Pero entonces eso no cumple con todos los requisitos del producto. Necesitas engranajes también. También se necesitan aspectos regulatorios y combinarlos todos juntos a un ritmo bastante eficiente y rápido; eso es lo que permite a los científicos obtener lo que creen que es el mejor producto potencial para probarlo. Y eso es con la solución simple de crear un solo producto bacteriano.
Una vez que desee buscar más de una bacteria para construir un consorcio. Entonces todo lo que dije se vuelve, ya sabes, exponencialmente más complicado, y es una necesidad usar herramientas computacionales aquí, porque formar equipos de bacterias definitivamente no es sencillo. Entonces, descubrir cómo trabajaríamos juntos es una pregunta muy desafiante. Existen múltiples soluciones, pero el uso de herramientas computacionales es muy, muy efectivo para lograrlo.
Entonces, combinar todos estos atributos juntos es clave. Pero luego, realmente probarlos y asegurarse de que funcionen es lo que realmente ahorra costos y tiempo. Y tal vez como último punto, como mencioné anteriormente, observar la vida útil también es clave. Y eso es definitivamente un ahorro de tiempo y dinero, porque la tasa de deserción de las bacterias que tienen una vida útil deficiente es de alrededor de 30%. La estantería suele ser lo último que prueba porque pasa por todo el proceso y desarrolla su producto. Y luego, lo último que hará es cultivarlo y luego ponerlo en el estante y probarlo cada pocos meses para asegurarse de que sabe que es sostenible y tiene una larga vida útil. Y si se da cuenta seis meses después, entonces tiene que regresar y con una tasa de deserción de 30%, eso significa que tres o cuatro de cada 10 productos en desarrollo fallarían en ese punto.
Entonces, al poder predecir cuáles son los genes que contribuirían a la vida útil, escanear las bacterias desde el principio y asegurarse de que contengan estos genes, realmente reduciría el riesgo de fallar en ese momento, y eso ahorrar mucho tiempo.
¡Obtenga el boletín hoy!
