AI在科学领域最具影响力的突破之一是谷歌DeepMind利用深度学习模型预测蛋白质复杂结构——蛋白质几乎参与细胞内的一切生命活动。然而随着AI模型持续输出越来越多的潜在药物候选分子一个新的瓶颈正在浮现如何在实际研发和量产过程中对这些候选分子进行全面表征。这正是10x Science致力于解决的问题。这家初创公司成立于2025年12月今日宣布完成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分别是经验丰富的生化学家David Roberts和Andrew Reiter以及拥有计算机科学与AI模型专业背景的连续创业者Vishnu Tejas。当生物制药公司尝试开发候选药物时他们有很多非常好用的预测工具Roberts在接受TechCrunch采访时表示你可以往漏斗顶端放入任意数量的候选分子但它们都必须经过表征这道关卡每一个都需要被测量。理解蛋白质结构对开发生物制剂药物的研究人员至关重要。生物制剂由活细胞产生通过精密设计精准靶向特定疾病。例如默克公司旗下畅销药物Keytruda就是通过帮助免疫系统识别并攻击癌细胞来发挥疗效。10x Science的三位创始人曾共同在诺贝尔奖得主Carolyn Bertozzi博士的斯坦福实验室工作专注于研究癌细胞与免疫系统之间的相互作用。在那里他们深感无法在分子层面精确理解相关机制的挫败这也成为他们创业的初衷。目前最精确的分子分析方法是质谱法通过在电场中测量分子来确定其原子结构。这项相对前沿的技术会产生大量复杂数据解读这些数据不仅需要深厚的专业知识分析过程也极为耗时。10x Science的平台将基于化学和生物学的确定性算法与可解释数据的AI智能体相结合。团队在质谱数据的模型训练上投入了大量工作并确保分析结果可追溯——这对于帮助企业满足监管合规要求的工具来说是核心必备条件。Matthew Crawford是Rilas Technologies的一名科学家该公司专门为其他企业提供化学分析服务帮助生物技术初创公司等客户省去数百万美元的质谱设备投入及专业人员费用。Crawford已使用10x Science平台数周表示其显著提升了工作效率。他对该模型在解释分析结论、自主查找所需数据以及适应不同类型分子评估方面的能力感到惊讶。他曾尝试过一些过度承诺或存在准确性问题的AI工具而这款工具能够做出合理假设他将此归功于其创始团队深厚的领域专业知识。我把一种特定蛋白质输入进去它仅凭我给文件起的名字就大概判断出那是什么蛋白质Crawford说然后它自行在网上的数据库中搜索该蛋白质的序列我根本不需要手动输入。10x Science高管表示公司正在与多家大型制药企业及学术研究机构展开合作。此轮种子资金计划用于招募更多工程师、持续优化模型并拓展新客户。Roberts希望若公司在蛋白质表征领域站稳脚跟未来可以进一步扩展业务将蛋白质结构与细胞其他数据融合构建对生物学的全新认知。我们所构建的更深层的意义实际上是一种定义分子智能的全新方式Roberts表示。对于投资人而言10x Science提供了一条进入生物技术领域的有效路径且不依赖某款特定药物的成功上市或监管审批。若公司能按创始人的预期发展它将成为药物研发的重要基础工具无论最终产品是否商业成功。这是一个SaaS平台制药公司每个月都需要为此付费以便筛选所有潜在候选分子Initialized合伙人Zoe Perret说。她认为创始团队的深厚经验是公司抵御竞争对手的核心壁垒——真正理解这些方法及其产生数据的人才实属稀缺。Crawford表示该平台有望帮助那些有意采用这些技术但苦于时间和资源有限的研究人员打破壁垒。这里的团队都在努力开发新药他告诉TechCrunch他们只想从质谱分析中快速得到一个简单明了的答案但这往往会引出一大堆复杂问题。这款软件能帮他们把那些复杂问题屏蔽掉直接给出他们真正需要的答案让他们继续推进下一步研究。QAQ110x Science平台是如何加速药物候选分子筛选的A10x Science平台将基于化学和生物学的确定性算法与AI智能体相结合用于解析质谱法产生的复杂数据。质谱法是目前最精确的分子分析技术但数据解读耗时且需要专业知识。该平台能自动识别分子、在线搜索数据库获取蛋白质序列并给出可追溯的分析结论从而大幅缩短研究人员处理数据的时间帮助制药公司更高效地完成药物候选分子的表征流程。Q210x Science主要面向哪些客户解决了什么核心问题A10x Science主要面向大型制药企业、生物技术初创公司和学术研究机构。核心问题在于AI工具虽然能快速生成大量药物候选分子但这些分子在进入测试和量产前都需要经过耗时且专业要求极高的表征环节。10x Science的平台以SaaS订阅形式提供服务帮助客户省去购置昂贵质谱设备和配备专业人员的成本同时提升整个表征流程的效率。Q310x Science的480万美元融资将用于哪些方面A根据公司披露此轮480万美元种子资金主要用于三个方向一是招募更多工程师扩充技术团队二是持续优化现有AI模型提升分析准确性和适用范围三是拓展新客户群体。长远来看公司希望在蛋白质表征领域建立稳固地位后进一步将蛋白质结构数据与细胞其他生物数据结合探索构建分子智能的全新方式。