新創公司從大量由人工智慧生成的藥物候選分子中篩選，以找出最具潛力的候選分子

人工智慧對科學最重大的貢獻之一，是 Google DeepMind 將深度學習模型應用於預測蛋白質的複雜結構——這些分子主宰著活細胞中幾乎所有的過程。

然而，隨著人工智慧模型產生越來越多的潛在療法候選方案，一個新的瓶頸隨之浮現：如何對這些候選方案進行實用的特性分析，以便進行測試與大規模生產。

這正是 10x Science 的使命——這家於 2025 年 12 月成立的新創公司，今日宣布完成由 Initialized Capital 領投、Y Combinator、Civilization Ventures 及 Founder Factor 參與的 480 萬美元種子輪融資。 該公司的三位共同創辦人分別是 David Roberts 和 Andrew Reiter——兩位皆為資深生物化學家——以及精通電腦科學與人工智慧模型的連續創業家 Vishnu Tejas。

「當生物製藥公司著手開發藥物候選物時，他們擁有各種出色的預測工具，」羅伯茨向 TechCrunch 表示。「你可以將任意數量的候選物加入研發漏斗的頂端，但它們都必須經過特性分析流程。所有數據都必須經過測量。」

對於開發生物製劑的研究人員而言——這些藥物在活細胞中生產，並經過工程設計以精準針對特定疾病與病症——理解蛋白質結構至關重要。例如，這些藥物可以被設計成鎖定特定細胞，就像默克公司廣泛使用的藥物「Keytruda」一樣，該藥物能幫助免疫系統識別並攻擊癌細胞。

10x 的三位創辦人曾共同在諾貝爾獎得主卡羅琳·貝托齊（Carolyn Bertozzi）博士位於史丹佛大學的實驗室工作，研究癌細胞與免疫系統之間的相互作用。由於無法精確掌握分子層面究竟發生了什麼，他們感到十分沮喪。

評估分子最精確的方法是質譜分析，這是一種透過在電場中測量分子來確定原子結構的複雜技術。這種相對較新的方法會產生複雜的數據，需要相當專業的知識才能解讀，且分析過程十分耗時。

10x 的平台將基於化學與生物學的確定性演算法，與能夠解讀數據的人工智慧代理相結合。該團隊投入大量心力，利用質譜數據訓練模型，並確保其分析結果具有可追溯性——對於旨在協助企業符合法規要求的工具而言，這是一項關鍵功能。

Rilas Technologies（一家為其他企業提供化學分析服務的公司）的科學家馬修·克勞福德（Matthew Crawford），協助生物科技新創公司等客戶避免投入數百萬美元購置專屬光譜儀設備及聘請操作專家。克勞福德已使用 10x Science 平台數週，並表示該平台正加速他的工作進度。

克勞福德指出，該模型能解釋其推理過程、獨立定位正確的分析數據，並適應評估各類分子，這些能力令他印象深刻。他提到，雖然先前測試過的某些 AI 工具不是承諾過多，就是存在準確性問題，但這款工具會做出合理的假設——他將此歸功於開發者深厚的領域專業知識。

「我將一種特定蛋白質輸入系統，它基本上是根據檔案名稱就推斷出該蛋白質的可能身分，」克勞福德表示。「接著，它便在線上資料庫中搜尋該蛋白質的序列，因此我無需手動輸入序列。」

10x的高階主管表示，他們目前也正與數家大型製藥公司及學術研究人員展開合作。 該公司的計畫是利用這筆種子資金增聘工程師、進一步優化模型，並吸引新客戶。若能在蛋白質特性分析領域成功取得進展，羅伯茨希望公司最終能拓展業務，提供對生物學的嶄新理解——一種將蛋白質結構與其他細胞數據整合的理解方式。

「我們真正正在構建的，是一種定義『分子智慧』的新方法，」羅伯茨表示。

對投資者而言，10x 提供了一條進入生物科技領域的途徑，且無需依賴特定藥物的成功與監管批准。若公司能如創辦人所構想的那樣發展，無論最終產品能否在商業上取得成功，它都將成為藥物開發中不可或缺的工具。

「這是一個 SaaS 平台，製藥公司必須每月付費，才能處理所有這些潛在候選藥物，」Initialized 合夥人佐伊·佩雷特（Zoe Perret）表示。她看好創辦人深厚的專業知識能讓公司免受競爭對手威脅——真正理解這些方法及其所產生數據的人寥寥無幾。

據克勞福德（Crawford）所述，該平台的價值在於讓那些能從這些技術中受益、卻缺乏時間或資源來實施的研究人員，也能輕鬆運用這些技術。

「這裡的研究團隊正致力於開發新藥，」他向 TechCrunch 表示。「他們只是希望從質譜分析中獲得快速、簡單的答案，但這往往會引發一連串的複雜問題。這款軟體將有助於避免這些複雜問題，並直接提供他們實際所需的答案，以便推進至研究的下一階段。」