Стартап просеивает огромное количество потенциальных лекарственных препаратов, сгенерированных с помощью ИИ, чтобы найти наиболее перспективные

Одним из наиболее значимых вкладов искусственного интеллекта в науку является применение компанией Google DeepMind модели глубокого обучения для прогнозирования сложных структур белков — молекул, которые управляют практически всеми процессами в живых клетках.

Однако по мере того, как модели ИИ генерируют всё больше вариантов потенциальных методов лечения, возникает новое препятствие: практическая оценка этих вариантов для тестирования и крупномасштабного производства.

Именно в этом заключается миссия 10x Science — стартапа, запущенного в декабре 2025 года, который сегодня объявил о проведении раунда посевного финансирования на сумму 4,8 млн долларов под руководством Initialized Capital при участии Y Combinator, Civilization Ventures и Founder Factor. Его тремя соучредителями являются Дэвид Робертс и Эндрю Рейтер, оба — опытные биохимики, а также Вишну Теджас, серийный предприниматель, специализирующийся на информатике и моделях искусственного интеллекта.

«Когда биофармацевтические компании приступают к созданию потенциального лекарственного препарата, у них есть все эти превосходные инструменты прогнозирования», — рассказал Робертс TechCrunch. «В верхнюю часть воронки можно добавить столько кандидатов, сколько угодно, но все они должны пройти процесс характеристики. Все должно быть измерено».

Для исследователей, разрабатывающих биологические препараты — производимые в живых клетках и созданные для точного воздействия на заболевания и патологические состояния — понимание структуры белков имеет решающее значение. Например, эти препараты могут быть разработаны так, чтобы нацеливаться на конкретные клетки, подобно Keytruda — широко используемому препарату компании Merck, который помогает иммунной системе распознавать и атаковать раковые клетки.

Трое основателей компании 10x ранее работали вместе в stanfordской лаборатории лауреата Нобелевской премии доктора Кэролайн Бертоцци, изучая взаимодействия между раковыми клетками и иммунной системой. Их все больше раздражала невозможность точно понять, что именно происходило на молекулярном уровне.

Наиболее точным методом оценки молекул является масс-спектрометрия — сложная техника, позволяющая определять атомную структуру путем измерения молекул в электрическом поле. Этот относительно новый подход генерирует сложные данные, для интерпретации которых требуются глубокие знания, а сам процесс анализа занимает много времени.

Платформа 10x объединяет детерминированные алгоритмы, основанные на химии и биологии, с ИИ-агентами, способными интерпретировать данные. Команда приложила значительные усилия для обучения моделей на данных спектрометрии и обеспечения прослеживаемости их анализов — это критически важная особенность для инструмента, призванного помочь компаниям соблюдать нормативные требования.

Мэтью Кроуфорд, ученый из Rilas Technologies — компании, которая проводит химические анализы для других фирм, — помогает таким клиентам, как биотехнологические стартапы, избежать вложения миллионов в собственное спектрометрическое оборудование и наем экспертов для его эксплуатации. Кроуфорд использует платформу 10x Science уже несколько недель и отмечает, что она ускоряет его работу.

Кроуфорд отметил, что модель произвела на него впечатление своей способностью объяснять ход рассуждений, самостоятельно находить правильные данные для анализа и адаптироваться к оценке различных типов молекул. В то время как некоторые инструменты искусственного интеллекта, которые он тестировал ранее, либо давали завышенные обещания, либо имели проблемы с точностью, он говорит, что этот инструмент делает разумные предположения — качество, которое он связывает с глубокой экспертизой его создателей в данной области.

«Я проанализировал с помощью этой модели конкретный белок, и она, по сути, по имени файла определила, что это, вероятно, за белок, — сказал Кроуфорд. — Затем она провела поиск последовательности этого белка в онлайн-базах данных, так что мне не пришлось вводить последовательность вручную».

Руководство 10x сообщает, что компания также сотрудничает с несколькими крупными фармацевтическими компаниями и научными исследователями. В планах — использовать стартовое финансирование для найма дополнительных инженеров, дальнейшей доработки модели и привлечения новых клиентов. Если им удастся добиться успеха в области характеристики белков, Робертс надеется, что компания со временем расширит свою деятельность, чтобы обеспечить новое понимание биологии — такое, которое объединяет структуру белков с другими клеточными данными.

«В сущности, мы создаем новый подход к определению молекулярного интеллекта», — сказал Робертс.

Для инвесторов 10x представляет собой точку входа в биотехнологический сектор, которая не зависит от успеха и получения разрешения регулирующих органов на конкретный препарат. Если компания будет развиваться так, как это задумывают её основатели, она станет важнейшим инструментом в разработке лекарств, независимо от того, достигнут ли конечные продукты коммерческого успеха.

«Это SaaS-платформа, за которую фармацевтические компании должны платить ежемесячно, чтобы обрабатывать все эти потенциальные кандидаты», — сказала Зои Перре, партнер в Initialized. Она делает ставку на глубокую экспертизу основателей, которая защитит компанию от конкурентов — очень мало людей, которые по-настоящему понимают эти методы и генерируемые ими данные.

По словам Кроуфорда, платформа способна сделать эти методы доступными для исследователей, которые могли бы извлечь из них пользу, но не имеют времени или ресурсов для их внедрения.

«Здешние группы пытаются разработать новый препарат», — рассказал он TechCrunch. «Им просто нужен быстрый и простой ответ от масс-спектрометра, а затем открывается целая куча проблем. Это программное обеспечение поможет не допустить появления этих проблем и просто даст им ответ, который им действительно нужен, чтобы перейти к следующему этапу своих исследований».