AI 一次產生更多潛在藥物 這間新創公司想找出哪些真正重要

AI對科學最大的影響是Google DeepMind使用深度學習模型預測蛋白質複雜結構 —— 這些分子驅動幾乎所有生物細胞的過程。然而，隨著AI模型持續產生更多潛在治療方案的候選者，一個新興瓶頸出現：實際在實驗與大規模生產前，對這些候選者進行完整鑑定。這正是10x Science的目標，這家於2025年12月創立的創業公司今天宣布獲得480萬美元的種子輪融資，由Initialized Capital領投，並獲得Y Combinator、Civilization Ventures以及Founder Factor的支持。其三位創辦人分別是化學生物學家David Roberts、生物學家Andrew Reiter，以及擁有電腦科學與AI模型專長的連續創業者Vishnu Tejus。Roberts告訴TechCrunch：「當生物科技藥物嘗試創造藥物候選者時，他們擁有許多非常優秀的預測工具。你可以將許多候選者加入到篩選流程的頂端，但它們都必須通過這個鑑定流程。所有東西都需要測量。」了解蛋白質結構對開發生物藥物的研究人員至關重要，這些藥物是在活細胞中製造，並透過精細設計來針對特定疾病與狀況。例如，它們可以被設計來針對特定細胞，例如由默克公司銷售的熱門藥物Keytruda，幫助免疫系統識別並攻擊癌症。10x Science的三位創辦人曾一同在諾貝爾獎得主Dr. Carolyn Bertozzi的史丹佛實驗室工作，他們研究癌細胞與免疫系統之間的互動，並對無法精確理解分子層面發生的狀況感到挫折。評估分子最準確的方式是透過質譜分析，這是一種測量分子質量與電荷的技術，用以確定其組成與結構。這種相對較新的方法產生複雜的數據，需要大量專業知識來解讀，而且分析過程耗時。10x Science的平台結合化學與生物學根植的確定性演算法與AI代理，用以解讀這些數據。團隊必須進行大量工作來訓練模型處理質譜數據，並使其分析過程可追蹤，這對一個將用來協助公司達到監管合規的工具來說是關鍵需求。Matthew Crawford是Rilas Technologies的科學家，這家公司為其他公司執行化學分析 —— 為客戶如生物科技新創公司節省數百萬美元的質譜儀設備與操作專家成本。Crawford已經使用10x Science平台數週，並表示這項技術正在加快他的工作速度。Crawford說這個模型出乎他意料地能解釋其結論、自行尋找適合分析的數據，並適應評估不同種類的分子。雖然他過去實驗過一些AI工具，這些工具過度承諾或準確度不足，但他表示這個模型能做出合理的假設，這一點他歸功於創作者深厚的領域專業知識。「我將一個特定蛋白質輸入，它根據我命名的檔案名稱，就推測出這可能是什麼蛋白質，」Crawford說。「然後它在網路上搜尋該蛋白質的序列，因此我無需自行輸入序列。」10x的執行長表示他們也與多家大型製藥公司以及學術研究者合作。他們的計畫是利用這筆種子資金聘請更多工程師，持續優化模型並提供給新客戶。如果他們能如創辦人所期望的那樣取得成功，Roberts希望公司將擴展至提供對生物學的新理解方式，結合蛋白質結構與其他細胞數據。「我們正在建立的東西背後更深層的東西，其實是建立一種新的分子智能定義方式，」Roberts說。對投資人來說，10x提供一個進入生物科技領域的途徑，這並不依賴特定藥物成功並獲得監管批准。如果這家公司能如創辦人所期望的那樣順利運作，它將成為藥物開發的重要工具，不管最終產品是否能在市場上成功。「這是一個SaaS平台，製藥公司必須每個月支付費用，用來處理所有這些潛在候選者，」Initialized的合伙人Zoe Perret說。她依賴創辦人深厚的經驗來保護公司免受競爭對手的威脅；畢竟，真正了解這些方法與它們產生的數據的人實在不多。Crawford說這個平台能幫助研究者解鎖這些技術，這些研究者雖然能從這些方法中受益，但缺乏時間或資源來部署這些方法。「這裡的團隊正在嘗試製造新藥，」他告訴TechCrunch。「他們只是想要從質譜分析中快速得到一個簡單的答案，然後這會打開一連串問題。這軟體將幫助他們關閉這連串問題，並得到他們真正需要的答案，以便進行下一步研究。」