AI新药研发井喷，这家初创公司如何慧眼识珠？
【编者按】在AI浪潮席卷全球的今天，科学领域正经历一场前所未有的变革。从蛋白质结构预测到药物研发，人工智能正以前所未有的速度重塑生物科技的边界。然而，随着AI模型源源不断地生成海量候选治疗方案，一个新的瓶颈悄然浮现：如何高效、精准地对这些候选分子进行实际表征与验证？这不仅是技术难题，更是决定创新能否落地的关键一环。今天，一家名为10x Science的初创公司带着480万美元的种子轮融资闯入战场，试图用“AI+质谱”的组合拳打破僵局。它的故事，或许正是下一代生物智能革命的序章。
AI在科学领域最轰动的成就，当属谷歌DeepMind利用深度学习模型预测蛋白质的复杂结构——这些分子驱动着活细胞内几乎所有的生命进程。
但随着AI模型持续输出大量潜在治疗方案的候选分子，一个新兴瓶颈日益凸显：如何在实践中对这些候选物进行表征分析，以推进测试和大规模生产。
这正是初创公司10x Science的目标。这家成立于2025年12月的企业今日宣布获得480万美元种子轮融资，由Initialized Capital领投，Y Combinator、Civilization Ventures和Founder Factor跟投。公司三位联合创始人是经验丰富的生物化学家戴维·罗伯茨和安德鲁·赖特，以及兼具计算机科学与AI模型专长的连续创业者维什努·特贾斯。
“生物制药公司试图开发候选药物时，他们拥有各种出色的预测工具，”罗伯茨接受TechCrunch采访时说，“你可以在筛选漏斗顶端加入任意多的候选分子，但它们都必须通过这道表征分析关卡。每一个都需要被精确测量。”
理解蛋白质结构对研发生物制剂的研究者至关重要。这类药物在活细胞中生产，通过精妙设计精准靶向疾病——例如默克公司畅销的抗癌药Keytruda，能帮助免疫系统识别并攻击癌细胞。
10x的三位创始人曾在诺贝尔奖得主卡罗琳·贝尔托齐博士的斯坦福实验室共事。他们当时研究癌细胞与免疫系统的相互作用，却因无法在分子层面精确解析过程而感到挫败。
目前评估分子最精准的方法是质谱分析技术——通过电场测量来解析原子结构。这项较新的技术产生的数据极其复杂，需要深厚专业背景才能解读，且分析过程耗时巨大。
10x的平台将基于化学与生物学的确定性算法，与能解读质谱数据的AI智能体相结合。团队投入大量工作训练模型处理质谱数据，并确保分析过程可追溯——这对帮助企业通过监管审批至关重要。
马修·克劳福德是Rilas Technologies公司的科学家，该公司为其他企业提供化学分析服务，帮助生物科技初创公司省去数百万美元的质谱设备及专业操作人员投入。克劳福德使用10x Science平台数周后表示，该工具显著加速了他的工作进程。
他特别指出，该模型展现的三项能力令他惊喜：能解释结论依据、自主检索分析所需数据、灵活适配不同类型分子评估。相比以往某些过度承诺或存在精度问题的AI工具，他认为这款产品能做出合理推断，这得益于创建者深厚的领域专业知识。
“我输入某个蛋白质数据时，它仅通过文件名就推测出可能的目标蛋白，”克劳福德描述道，“随后自动在线数据库搜索该蛋白序列，我完全无需手动输入序列信息。”
10x高管透露，他们正与多家大型药企及学术机构合作。种子资金将用于招募更多工程师，持续优化模型并拓展客户群。罗伯茨希望，若能在蛋白质表征领域站稳脚跟，公司将拓展至整合蛋白质结构与细胞多维数据的生物学理解新范式。
“我们构建的深层内核，其实是一种定义分子智能的新方法。”罗伯茨如是说。
对投资者而言，10x提供了切入生物科技领域的新路径——不依赖特定药物成功获批的风险模式。无论最终上市产品成败，它都可能成为药物研发的关键基础设施。
Initialized资本合伙人佐伊·佩雷特指出：“这是药企必须按月付费的SaaS平台，用于筛选海量候选分子。”她相信创始团队的深厚经验能构筑竞争壁垒——真正掌握这类方法及数据解读能力的人才本就稀缺。
克劳福德认为，该平台的价值在于为那些受限于时间或资源的研究者解锁高端技术：“许多团队只想从质谱分析中获得快速简洁的答案，但结果往往引发更多复杂问题。这款软件能帮他们避开纠缠，直接获取推动研究下一步的关键答案。”
本文由吉伊网原创发布，未经许可，不得转载！
本文链接：http://www.jkiyi.com/kx/22336.html
