天津
編輯丨coisini
蛋白質結構預測堪稱人工智能對科學產生的最大影響之一。然而，隨著 AI 模型源源不斷地輸出潛在治療候選物，一個全新的瓶頸正在浮現：如何在實踐中有效表征這些候選物，以支撐后續(xù)的測試與規(guī)模化生產。
最近，一家成立于 2025 年 12 月的初創(chuàng)公司 ——10x Science 宣布完成 480 萬美元的種子輪融資，由 Initialized Capital 領投，Y Combinator、Civilization Ventures 和 Founder Factor 跟投。而這家公司的創(chuàng)立初衷就是打破上述瓶頸，三位聯合創(chuàng)始人分別是化學生物學家 David Roberts、生物學家 Andrew Reiter，以及擁有計算機科學與 AI 背景的 Vishnu Tejus。
得益于 AI 模型的發(fā)展，生物制藥公司如今在開發(fā)候選藥物環(huán)節(jié)，已經擁有了許多非常好用的預測工具，但所有候選藥物都必須經過實際驗證測試環(huán)節(jié)。
例如，理解蛋白質結構對開發(fā)生物制劑的研究人員至關重要。生物制劑在活細胞中生產，利用復雜的設計來精準靶向特定疾病。像默克公司暢銷的 Keytruda，就能幫助免疫系統識別并攻擊癌細胞。
10x Science 的三位創(chuàng)始人曾在諾貝爾獎得主卡羅琳?貝爾托齊的斯坦福實驗室共事，研究癌細胞與免疫系統之間的相互作用。他們當時因無法精確理解分子層面發(fā)生的事情而感到沮喪。
評估分子最準確的方法是質譜分析，這是一種通過測量分子的質量和電荷來確定其組成和結構的技術。但這種方法會產生復雜的數據，需要大量專業(yè)知識才能解讀，分析過程也極其耗時。
10x Science 開發(fā)了一個 SaaS 平臺，將基于化學與生物學的確定性算法與能夠解讀數據的 AI 智能體相結合。
平臺地址：https://10xscience.com/
開發(fā)團隊做了大量工作，在質譜數據上訓練模型，并使其分析過程可追溯 —— 對于一款將被用于幫助企業(yè)達到合規(guī)要求的工具而言，這是一項關鍵條件。
如 David Roberts 所說：「我們正在構建的東西背后更深層的意義，其實是一種定義分子智能的新方法。」
Matthew Crawford 是 Rilas Technologies 的科學家，該公司為其他企業(yè)提供化學分析服務，幫助生物科技初創(chuàng)公司等客戶省去自行購置價值數百萬美元的質譜設備及雇傭專業(yè)操作人員的成本。Crawford 已經使用 10x Science 的平臺數周，他表示該平臺加快了他的工作速度。
Crawford 指出，10x Science 的模型能做出合理的推斷，歸功于其創(chuàng)建者深厚的專業(yè)領域知識。
10x Science 表示，他們還在與多家大型制藥公司以及學術研究人員合作。如果在蛋白質表征方面能夠獲得市場認可，公司未來將進一步拓展，將蛋白質結構與細胞的其他數據結合起來，提供一種對生物學全新的理解方式。
參考鏈接：https://techcrunch.com/2026/04/22/ai-is-spitting-out-more-potential-drugs-than-ever-this-start-up-wants-to-figure-out-which-ones-matter/
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
