人工智能赋能蛋白质表征：10x Science获480万美元种子轮融资
人工智能在科学领域的最大突破，莫过于谷歌DeepMind利用深度学习模型预测蛋白质的复杂结构。然而，随着AI模型不断生成海量潜在治疗候选药物，一个新的瓶颈随之显现：如何在实际操作中对这些候选物进行全面表征，以满足测试及大规模生产的需求。
这正是成立于2025年12月的初创公司10x Science致力于解决的问题。该公司今日宣布完成480万美元种子轮融资，由Initialized Capital领投，Y Combinator、Civilization Ventures和Founder Factor参投。三位创始人分别为化学生物学家David Roberts、生物学家Andrew Reiter以及具备计算机科学和AI模型专长的连续创业者Vishnu Tejus。
破解药物开发中的“表征瓶颈”
Roberts指出，尽管生物制药公司拥有出色的上游预测工具，但所有候选药物都必须经过严格的表征与测量过程。理解蛋白质结构对于开发生物药至关重要，这类药物需在活细胞中生产并精密设计以靶向特定疾病（如默克的Keytruda通过帮助免疫系统识别攻击癌细胞）。
10x Science的三位创始人曾共事于斯坦福大学诺贝尔奖得主Carolyn Bertozzi博士的实验室，期间因无法从分子层面精确解析癌细胞与免疫系统的相互作用而深感挫败，这也成为他们创立公司的初衷。
确定性算法+AI代理：提升质谱分析效率
目前评估分子最准确的方法是质谱法，但其产生的数据复杂且解读耗时，高度依赖专家经验。10x Science的平台创新性地将基于化学和生物学的确定性算法与能解读数据的AI代理相结合。团队投入大量精力利用质谱数据训练模型，并确保分析过程可追溯，以满足企业合规性要求。
Rilas Technologies科学家Matthew Crawford已使用该平台数周。他表示，该模型在解释结论、自主检索数据及适应不同分子评估方面表现优异，且假设合理，这得益于创始团队深厚的领域专业知识。例如，系统可根据文件名推断蛋白质信息并自动搜索在线数据库序列，免去了手动输入的繁琐。
打造药物开发的通用基础设施
10x Science正与多家大型制药公司及学术机构合作，计划利用本轮融资扩充工程团队、完善模型并拓展客户。Roberts希望未来能将蛋白质结构与其他细胞数据结合，提供一种全新的生物学理解方式，“定义分子智能的新范式”。
对投资者而言，10x Science提供了一条不依赖单一药物获批的实用路径。Initialized合伙人佐伊·佩雷特将其定义为制药公司必须按月付费使用的SaaS平台，用于筛选潜在候选药物，并认为创始人的专业壁垒能有效抵御竞争。
Crawford评价道，该平台能帮助科研人员避开质谱分析引发的复杂问题（即“潘多拉魔盒”），直接获取推进研究所需的快速、简单答案，让那些缺乏资源部署相关技术的科研人员也能受益。