《WSGR的Norviel为合成生物学初创公司提供了这样的IP建议》

  • 来源专题:人类遗传资源和特殊生物资源流失
  • 编译者: yanyf@mail.las.ac.cn
  • 发布时间:2019-03-15
  • 本文由Mayfield和Wilson Sonsini Goodrich & Rosati提供。梅菲尔德是硅谷一家处于初创阶段的顶级风险投资公司,在过去50年里,梅菲尔德投资了超过500家公司,包括安进(Amgen)、应用生物系统公司(Applied Biosystems)、千禧制药(Millennium Pharmaceuticals)、基因泰克(Genentech)和Intuitive Surgical——其中300家已经上市或被收购。Wilson Sonsini Goodrich & Rosati是一家全球法律顾问公司,为技术、生命科学和增长领域的公司,以及为这些公司提供资金的风险投资公司、私人股本公司和投资银行提供咨询。

    Wilson Sonsini Goodrich & Rosati合伙人弗恩•诺维尔(Vern Norviel)表示:“生物学很混乱。”“这推动了生物技术领域的一切。”

    我最近有机会与诺维尔交谈,他从事专利和知识产权(IP)律师工作超过30年,这是他在该行业工作的主要收获。但当他开始他的职业生涯时,生物技术行业和专利行业几乎不存在。

    “当我毕业时,那是一个完全不同的世界。在生命科学领域还没有任何发明,”他告诉我。

    专利法是他将工程学本科学位和律师职业结合起来的一种方式。1984年,专利法和知识产权法被认为是极客的,甚至令人尴尬。斯坦福大学不教授知识产权法课程。当然,当科技成为硅谷的主要出口产品时,情况发生了变化。现在成为一名技术律师很酷。

    在过去的三十年里,诺维尔目睹并参与了生物技术和合成生物学产业的发展。在他职业生涯的早期,他帮助创建了Affymetrix公司,该公司生产用于全国各地研究实验室的DNA微阵列。离开公司后,他为清理漏油的基因工程细菌申请了专利,为Pivot Bio研制了一种固氮合成肥料,以及其他许多令人着迷的生物发明。

    诺维尔是生物技术和合成生物学初创企业专利法方面的专家资源。以下是他给生物技术创始人的四个最重要的教训。

    投资者最关心的将是专利实力

    要从投资者那里筹集资金,强有力的专利是必要的。生物产品经常会失败,而且在花费了数十亿美元之后。这使得申请专利对于一家生物技术公司来说极其重要,因为这样才能赚回钱。投资者的目标是赚钱。要做到这一点,唯一的方法是拥有一个没有任何直接竞争的高利润率产品。专利使这成为可能。

    诺维尔说:“风险投资家不会投资,除非他们能确保你的专利是好的,而且如果有副本,你的专利可以用来关闭其他专利。”他说:“投资者百分之百不能容忍任何人拥有可以用来起诉你的专利。专利必须是防弹的,才能筹集资金或出售一家公司。”

    专利是生命科学创新的必要条件

    罗伯·卡尔森在他的书《生物就是技术》中指出,专利会减缓创新——但诺维尔的看法不同。生命科学的专利非常狭窄,而且只涵盖已开发的内容,而不像软件界所授予的专利那样包罗万象。但诺维尔认为,这是因为再造代码很容易,但再造药物或生物发明却极其困难。

    “发展一家生物技术公司需要很多钱。做概念验证和临床试验都很昂贵。在生物技术领域没有车库发明家这种东西。你不能在车库里研发药物,”他说。“所以如果没有专利,就不会有发展。句号。”

    CRISPR产品可能需要10年时间和20到50亿美元才能推向市场。这项专利使得把钱赚回来成为可能。

    公司领导层应该深入参与专利申请过程

    向诺维尔发出的一个信号是,一位科学家或首席执行官将成功地驾驭专利申请的水域,这几乎是对细节的强迫性关注。

    他说:“如果我们向科学家提交专利申请,他们却只说‘看起来不错’,这让我感到害怕。”“这对我来说意味着它们不是点乘i和叉乘t。”

    律师在那里回答创始人的问题并提供支持。它们应该被视为一种资源,而不是一个拥有充分自主权的机构。没有人,甚至律师,会像它的创造者一样理解这个产品。诺维尔希望看到公司领导做笔记,提出问题,并提出修改建议。他就是这样知道他们在关注他。

    不要便宜买

    合成生物学公司可能犯的最大错误就是没有为他们的专利申请进行投资。好的律师是昂贵的,但对生命科学公司来说是值得的。审查世界上所有其他专利是否存在侵权问题,并撰写一份能够阻止第三方竞争对手的铁板钉钉的专利,都需要资金。

    错过一项与之竞争的专利将会带来灾难性的后果。投资者不会削减开支,当大公司发现你忽视的问题时,它们会撤出收购,而它们也会这么做。

    诺维尔说:“如果你做得不对,它会把所有该死的东西都关掉。”“当一家公司试图低价收购时,它就会显现出来,这预示着一个糟糕的结果。”

    申请专利可能是复杂和令人困惑的,但它是生物技术行业的一个重要组成部分。好的专利是财务成功的关键。诺维尔强调,理解这个过程的最好老师是获得经验。他建议有抱负的生物技术创始人在学术生涯中进行实践。在大学研究实验室,年轻的p.h.d.。s可以坐在前排观看专家以正确的方式开发专利。

    “学术领域的领导者也非常擅长获得专利,”他说。“这是任何生命科学领域的领导者都必须具备的技能。”

    人民建立了强大的专利组合,同时在生命科学行业的领导者。哈佛大学的乔治•丘奇、斯坦福大学的史蒂夫•奎克、加州大学伯克利分校的詹妮弗•杜德纳和布罗德研究所的埃里克•兰德的职业生涯都建立在良好的专利申请之上。

    这些科学家明白生物学结合了两个使成功变得困难的特征;高成本和可能的失败。正如诺维尔所说,生物学是混乱的。一旦生物技术产品起作用,就需要采取措施来保护它。

相关报告
  • 《2019年四家合成生物学初创公司值得关注》

    • 来源专题:人类遗传资源和特殊生物资源流失
    • 编译者:yanyf@mail.las.ac.cn
    • 发布时间:2019-01-07
    • 生物经济正以惊人的速度增长,而且没有放缓的迹象。在2017年,2016年是被击败的一年。没问题——这个门槛比以往任何时候都要高,整个社区兴奋地期待着2018年的到来。截至第二季度末,2018年已经是业绩喜人的一年,筹资规模是2017年第二季度的4倍。 只要看看今年新成立的公司,我们就可以了解到很多关于我们生物经济的知识。他们是谁,他们在做什么,他们在哪里,这些问题的答案告诉我们什么,如果有的话,关于合成生物学的预测?让我们来看看2018年给我们带来的最激动人心的四张新面孔。 新的合成生物学初创公司值得关注 Ansa生物技术 DNA合成是合成生物学的基石,对这项技术的需求正以前所未有的速度增长。安莎生物科技(Ansa Biotechnologies)总部位于加州,该公司正寻求颠覆一个依赖化学过程长达数十年的行业。该行业使用酶而非化学物质,提供准确、清洁、重要的是快速的DNA。 利用大自然的工具箱,该公司正在优化一种名为末端脱氧核苷酸转移酶(TdT)的DNA聚合酶,这种酶通常随机合成DNA。Ansa希望通过控制TdT的活性,同时保持其速度,来消除合成生物学研究测试/构建/学习周期中的DNA合成瓶颈。 酶法似乎是高通量DNA合成的未来,Ansa加入了其他几家已经在努力优化酶法DNA合成的公司。这是合成生物学的一个领域,我们都应该密切关注。 人道的技术有限 实验室设备的高成本往往使科学实验成为不可能,而且只能把研究限制在那些有足够财力的人身上。华威大学的教授Kalesh Sasidharan和Orkun S Soyer厌倦了这个问题——因此他们创造了有限的人道技术,使科学对大公司、小公司、大学和公民科学家都能负担得起并成为可能。 它们在长时间跨度内以高时间分辨率增长。 该公司专注于三个领域——生物医学设备、生物技术微生物过程和生命科学基础研究——帮助产品从原型到大规模生产。他们目前提供两种产品,MicrobeMeter测量它,但是总有一天他们的终极目标是提供一个完整的产品线,使“£10000例实验室”成为现实。 “让我们与众不同的是,我们让公众可以看到我们设备的设计,这样,有机会使用3D打印和基本电子设备的人就可以以最低的成本组装自己的设备。”我们相信,这种开源方法是实现科学民主化的关键,它使更多的学生、合格的科学家和公民能够使用专业研究实验室认为理所当然的设备。在DIY生物蓬勃发展的今天,观察人性化的技术并追踪它们对促进“公民合成生物学”的影响将是一件有趣的事情。 我是 iMEAN的总部位于法国的拉蒙维尔-圣阿涅(Ramonville-Saint-Agne),致力于解决当今合成生物学所面临的最大挑战之一:在噪音中进行分类,以找到有用的数据。他们是怎么做到的?数字有机体。 iMEAN技术是“基于数字生物体的重建,描述所建模的生物的复杂基因组级别的分子网络”。他们将自己的数据库与人工智能算法结合起来,生成模型,然后根据因果机制进行基于系统生物学的分析,解释基因型、表型和环境之间的复杂关系。iMEAN服务于行业和学术界,它提供的服务简单到现有模型中的特定分析,复杂到整个模型的重建和分析。 iMEAN是一家值得关注的公司——他们的技术有可能简化合成生物学研究,帮助科学家理解他们的数据,优化生物过程,并最终提高研发过程的效率和产出。 成对植物 当我们努力养活世界上迅速增长的人口时,迫切需要新的农业解决方案。如果你能把对一种植物的营养价值或口味进行基因优化的时间从几十年减少到几年呢?这正是北卡罗来纳州的成对植物所承诺的。 CRISPR base编辑技术(一种新的基因组编辑工具,可以在不发生双链断裂的情况下转换核苷酸)获得哈佛大学(Harvard University)的许可,通过这种技术,成对地利用植物中存在的自然基因变异,创造出人们愿意食用的营养、方便、经济、可持续的植物。他们的技术使他们能够瞄准他们想要强调的特征,比如味道,而不带来其他可能不太理想的特征,比如疾病易感性。 通过优化现有作物并通过基因编辑创造新的作物,两两组合确实有潜力解决饥饿和营养不良问题——当今最严重的挑战之一——使世界变得对每个人都更美好。他们是一个值得关注的公司。 虽然2018年对于合成生物学初创公司来说并不是一个繁荣的年份,但那些真正崭露头角的公司正在解决一些最大的合成生物学市场领域以及我们今天面临的全球问题。它们并不是孤军奋战,不仅将面临竞争对手带来的挑战,还将面临它们试图利用的生物学原理带来的挑战。而且,它们已经证明已经成为一种已经合成的生物,它引领着通往一个更好、更可持续的宇宙的道路。
  • 《与五家使用AI工程生物学的合成生物学公司会面》

    • 来源专题:人类遗传资源和特殊生物资源流失
    • 编译者:yanyf@mail.las.ac.cn
    • 发布时间:2019-09-24
    • 电视和广播称“人工智能即将来临”,它将接替您的工作并在国际象棋上击败您。 但是,人工智能已经来临了,它可以在国际象棋上击败您,这是世界上最好的。在2012年,Google还使用它来识别YouTube视频中的猫。今天,这就是特斯拉拥有Autopilot,Netflix和Spotify似乎“读懂你的思想”的原因。现在,人工智能正在改变合成生物学的领域以及我们如何设计生物学。它可以帮助工程师设计出新的方法来设计基因回路,并且通过已获得的巨额投资(过去10年中的12.3亿美元)及其正在破坏的市场,它可能对人类的未来产生重大影响。 人工智能的概念相对简单,它是具有推理,学习和决策行为的机器编程。一些AI算法(只是计算机遵循的一组规则)在这些任务上非常出色,以至于可以轻易胜过人类专家。 我们听到的关于人工智能的大多数信息都涉及机器学习,这是AI算法的子类,可以从数据中推断出模式,然后使用该分析进行预测。这些算法收集的数据越多,其预测就越准确。深度学习是机器学习的一个更强大的子类别,其中大量称为神经网络(受大脑结构启发)的计算层协同工作以增加处理深度,从而促进诸如高级面部识别(包括iPhone上的FaceID)之类的技术)。 [有关人工智能及其各个子类别的更详细说明,请查看本文及其流程图。] 无论AI的类型或用途如何,我们都处于计算革命之中,它将其卷须扩展到“计算机世界”之外。很快,AI将影响您服用的药物,燃烧的燃料,甚至是您用来洗衣服的洗涤剂。 特别是生物学,是人工智能最有希望的受益者之一。从调查导致肥胖的遗传突变到检查癌细胞的病理样本,生物学产生的数据非常复杂,令人费解。但是,这些数据集中包含的信息通常提供有价值的见解,可用于改善我们的健康状况。 在合成生物学领域,工程师寻求“重新连接”活生物体并为其编程以新功能,许多科学家正在利用AI设计更有效的实验,分析其数据并使用其来创建突破性的疗法。这是五家将机器学习与合成生物学相结合的公司,为更好的科学和更好的工程铺平了道路。 Riffyn催化干净的数据收集和分析 (加州奥克兰,成立于2014年,已筹集了2490万美元) 机器学习算法必须从大量数据开始-但是,在生物学上,要生成好的数据非常困难,因为实验耗时,繁琐且难以复制。幸运的是,有一家公司正在通过简化科学家的工作来解决这一瓶颈。 Riffyn基于云的软件平台可帮助研究人员标准化,定义和执行实验,并简化数据分析,这使研究人员能够专注于进行实际的科学研究,并使使用机器学习算法从他们的实验中获得更深刻的见识成为日常现实。 使用此平台,可以更有效地进行实验,从而导致成本大幅下降,生产率和质量得到改善,并且准备使用复杂的机器学习技术进一步分析数据。这意味着公司可以使用这项技术来开发用于癌症治疗的新蛋白质,并且他们可以比以前更快,更好地做到这一点。里芬(Riffyn)已经与15家全球生物技术和生物制药公司中的8家进行了合作-他们成立于五年前。 Microsoft Research Station B:汇集编程生物学的难题 (英国剑桥,于2019年正式启动) 合成生物学世界中有许多活动的部分,这使得尽可能简化和整合操作变得困难而至关重要。在过去的十年中,Microsoft Research的计算生物学部门B站一直在开发生物学的机器学习模型,以解决此问题并加快从医学到建筑的各个领域的研究。 它的努力也以各种新的伙伴关系的形式获得了回报。借助Synthace,它正在开发用于自动化和加速实验室实验的软件。 B站还与普林斯顿大学合作,通过利用基于机器学习的方法从生物生长不同阶段拍摄的图像中提取图案,研究生物膜背后的机制(与细菌菌落如何产生抗生素抗性有关)。 B站还与牛津生物医学公司合作,该公司利用这些机器学习功能来改善针对白血病和淋巴瘤的有前途的基因疗法。这也许是合成生物学影响最大的领域之一:设计与多种疾病作斗争的疗法。 Atomwise:深度学习解码结构蛋白设计的黑匣子 (总部位于美国加利福尼亚州旧金山,成立于2012年,已筹集了5100万美元) Atomwise正在通过其称为AtomNet的深度学习平台来应对药物开发,该平台可以快速对分子结构进行建模。它可以准确地分析小分子内的化学相互作用,从而预测针对埃博拉病毒至多发性硬化症等疾病的功效。通过利用有关原子结构的数据,Atomwise设计了新颖的疗法,否则将几乎不可能开发。 他们与包括Charles River Laboratories,默克,多伦多大学和杜克大学医学院在内的机构建立了众多学术和公司合作伙伴关系,这些机构正在提供许多现实世界的应用程序和机会来推动这项研究的发展。他们最近还宣布了与江苏汉寿药业集团的高达$ 1.5B的合作,该公司是今年最大的生物制药IPO之一。 尽管Atomwise的分子设计方法功能强大且可以有效抵抗多种疾病,但还没有一种完美的方法来进行计算发现。那就是Arzeda进来的地方。 Arzeda:使用从头深度学习重写蛋白质设计规则 (华盛顿州西雅图市,成立于2008年,已筹集了1520万美元) Arzeda是一家来自华盛顿大学贝克实验室的公司,利用其蛋白质设计平台(当然植根于机器学习算法)来对蛋白质进行工程改造,从工业酶到农作物及其微生物群落。 Arzeda完全从零开始(或从头开始)构建其分子,而不是优化现有分子,以执行自然界中未发现的新功能;深度学习技术对于确保其设计的蛋白质正确折叠(非常复杂的计算问题)并按预期发挥功能至关重要。一旦完成计算步骤,就可以通过发酵(就像啤酒一样)来生产新蛋白质,而绕过自然进化过程以有效地生产全新的分子。 分布式生物:彻底改变流感,癌症,蛇咬等的未来 (加利福尼亚州南旧金山,成立于2012年,由许可技术自筹资金) 在设计范围的另一端,Distributed Bio利用合理的蛋白质工程技术来优化现有的抗体,这些抗体是您体内的蛋白质,可以检测细菌并与其他引起疾病的入侵者抗争,从而创造出新颖的疗法。 Tumbler平台是该公司拥有的众多免疫工程技术之一(从通用流感疫苗到广泛覆盖的蛇抗蛇毒)。 Tumbler使用机器学习方法创建了超过5亿种起始抗体变体,以扩展和量化分子中哪些变化最有价值的搜索空间。然后,它会对序列进行评分,以预测它们在现实生活中与目标的结合程度,并使用“有价值的变化”信息进一步改善得分最高的序列。随着最高级序列的合成和在实验室中的测试,生产周期继续进行。最终,原型分子应运而生,以实现预期的治疗目的-自然界中不一定观察到这种现象,而是结合了所有可能的最佳特征。 Tumbler已帮助实现了超越传统单一靶标药物开发的广泛应用-从设计可同时与多个靶标结合的抗体到创建嵌合抗原受体T细胞(CAR-T)治疗(与Chimera Bioengineering一起)用于癌症治疗具有降低的毒性,此端到端优化平台大规模产生理想抗体的能力是空前的。 尽管这一进展令人兴奋,但人工智能并不是我们对自然界研究的普遍替代,也不是开发治疗人类疾病的唯一方法。有时,它在技术上可能没有用,甚至从道德上讲也不是合理的。随着我们继续获得这项技术的好处并将其日益融入我们的日常生活中,我们必须继续就合成生物学和AI创新的设计,实施和道德操守进行对话。我们站在科学和人类新时代的悬崖上。 ——文章发布于2019年9月19日