ALLOX sammelt 10,5 Mio. Dollar Seed für KI wirkstoffsuche ein

Das Biotechnologie-Unternehmen ALLOX hat eine Seed-Finanzierung über 10,5 Millionen US-Dollar abgeschlossen. Das Geld soll die Plattform zur Wirkstoffentdeckung ausbauen und die eigenen Entwicklungsprogramme voranbringen. Angeführt wird die Runde von Asabys über den Fonds Sabadell Asabys II. Beteiligt sind außerdem CDTI über SICC Innvierte sowie das Institut Català de Finances (ICF).

ALLOX kombiniert Hochdurchsatz-Genetik, experimentelle Biologie und künstliche Intelligenz, um bislang unerschlossene Ansatzpunkte für niedermolekulare Wirkstoffe zu finden. Im Fokus stehen Ziele, die mit klassischen Methoden schwer zu erreichen sind, vor allem Protein-Protein-Interaktionen und Transkriptionsfaktoren.

So funktioniert die Plattform

Die Technologie misst die Auswirkungen Tausender genetischer Mutationen parallel. So entsteht eine Karte jener Proteinregionen, die Faltung und Wechselwirkungen beeinflussen. Daraus lassen sich allosterische, orthosterische und weitere regulatorische Stellen ableiten, darunter mögliche Bindetaschen für gezielte niedermolekulare Medikamente.

CEO und Mitgründerin Júlia Domingo erklärte, die Verbindung aus umfangreichen funktionellen Daten und prädiktiver KI solle deutlich mehr schwierige Zielstrukturen erschließen und die Entdeckung wirklich differenzierter Wirkstoffe beschleunigen.

Neuer Verwaltungsratschef und Pläne

Zugleich hat ALLOX Morten Graugaard zum unabhängigen Vorsitzenden des Verwaltungsrats ernannt. Er bringt mehr als zwanzig Jahre Erfahrung in Life-Sciences-Investment, Forschung und Entwicklung sowie Geschäftsentwicklung mit und war zuvor in leitenden Positionen bei Orbis Medicines, Novo Holdings und Lundbeck tätig. Laut Graugaard schließt ALLOX eine entscheidende Datenlücke und ermöglicht die Entwicklung funktionaler Moleküle, statt nur Binder zu identifizieren.

Mit dem frischen Kapital will das Unternehmen die Fähigkeiten der Plattform erweitern und eigene KI-Modelle entwickeln, die therapeutische Chancen aus umfangreichen biophysikalischen Datensätzen vorhersagen. Zudem soll das interne Forschungsteam wachsen, mehrere Programme sollen zu einer Pipeline proprietärer niedermolekularer Kandidaten reifen, und es sind Forschungskooperationen mit Pharma- und Biotech-Partnern geplant.

Die Runde zeigt, dass Investoren zunehmend auf die Kombination aus experimenteller Datengenerierung und maschinellem Lernen setzen, um Zielstrukturen zu erreichen, die der Wirkstoffforschung lange widerstanden haben.