天津
编辑丨coisini
蛋白质结构预测堪称人工智能对科学产生的最大影响之一。然而，随着 AI 模型源源不断地输出潜在治疗候选物，一个全新的瓶颈正在浮现：如何在实践中有效表征这些候选物，以支撑后续的测试与规模化生产。
最近，一家成立于 2025 年 12 月的初创公司 ——10x Science 宣布完成 480 万美元的种子轮融资，由 Initialized Capital 领投，Y Combinator、Civilization Ventures 和 Founder Factor 跟投。而这家公司的创立初衷就是打破上述瓶颈，三位联合创始人分别是化学生物学家 David Roberts、生物学家 Andrew Reiter，以及拥有计算机科学与 AI 背景的 Vishnu Tejus。
得益于 AI 模型的发展，生物制药公司如今在开发候选药物环节，已经拥有了许多非常好用的预测工具，但所有候选药物都必须经过实际验证测试环节。
例如，理解蛋白质结构对开发生物制剂的研究人员至关重要。生物制剂在活细胞中生产，利用复杂的设计来精准靶向特定疾病。像默克公司畅销的 Keytruda，就能帮助免疫系统识别并攻击癌细胞。
10x Science 的三位创始人曾在诺贝尔奖得主卡罗琳・贝尔托齐的斯坦福实验室共事，研究癌细胞与免疫系统之间的相互作用。他们当时因无法精确理解分子层面发生的事情而感到沮丧。
评估分子最准确的方法是质谱分析，这是一种通过测量分子的质量和电荷来确定其组成和结构的技术。但这种方法会产生复杂的数据，需要大量专业知识才能解读，分析过程也极其耗时。
10x Science 开发了一个 SaaS 平台，将基于化学与生物学的确定性算法与能够解读数据的 AI 智能体相结合。
平台地址：https://10xscience.com/
开发团队做了大量工作，在质谱数据上训练模型，并使其分析过程可追溯 —— 对于一款将被用于帮助企业达到合规要求的工具而言，这是一项关键条件。
如 David Roberts 所说：「我们正在构建的东西背后更深层的意义，其实是一种定义分子智能的新方法。」
Matthew Crawford 是 Rilas Technologies 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等客户省去自行购置价值数百万美元的质谱设备及雇佣专业操作人员的成本。Crawford 已经使用 10x Science 的平台数周，他表示该平台加快了他的工作速度。
Crawford 指出，10x Science 的模型能做出合理的推断，归功于其创建者深厚的专业领域知识。
10x Science 表示，他们还在与多家大型制药公司以及学术研究人员合作。如果在蛋白质表征方面能够获得市场认可，公司未来将进一步拓展，将蛋白质结构与细胞的其他数据结合起来，提供一种对生物学全新的理解方式。
参考链接：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/
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
