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，以支撐后續的測試與規模化生產。
最近，一家成立于 2025 年 12 月的初創公司 ——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。而這家公司的創立初衷就是打破上述瓶頸，三位聯合創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 模型的發展，生物制藥公司如今在開發候選藥物環節，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節。
例如，理解蛋白質結構對開發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，需要大量專業知識才能解讀，分析過程也極其耗時。
10x Science 開發了一個 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達到合規要求的工具而言，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，該公司為其他企業提供化學分析服務，幫助生物科技初創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，歸功于其創建者深厚的專業領域知識。
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.
