随着人工智能等工具在新药研发中的广泛应用，生物科技领域正迎来新一轮机遇。Scala Biodesign完成550万美元种子轮融资，致力于通过精准分子改造，提升现有或潜力药物的实用性与可制造性。
该公司源自特拉维夫魏茨曼科学研究所的研究成果，专注于预测蛋白质三维结构及其行为。在AlphaFold和RoseTTAfold颠覆该领域的背景下，Scala创始人认为，将结构预测能力与其他数据结合，可显著加速治疗性分子开发中最耗时的环节。
许多潜在药物虽具备功能活性，却因稳定性差（如室温或人体内易分解）而难以规模化生产与分发。理论上可通过替换部分分子片段提升稳定性，但关键在于：替换哪些位点？用什么替代？
CEO兼联合创始人拉维特·内策尔（Ravit Netzer）指出：“蛋白质开发高度复杂，即便在大公司也主要依赖试错。”传统方法常采用随机诱变，但在已知蛋白质结构的今天，盲目尝试已不再可行。
以含100个氨基酸的小蛋白为例，每个位置有20种可能，组合总数远超穷举极限。现实中，随机优化往往耗时漫长、成本高昂，甚至直接失败。
这如同在段落中随机替换词语以期改善表达，实则需要同义词词典般的精准指导。Scala整合蛋白质结构预测、临床数据及天然蛋白观察，构建出能精准定位有效修饰的系统，从而提升稳定性、增强疗效或简化制造工艺。
全流程纯计算驱动，无需湿实验，最终输出少量高置信度序列，确保至少一个方向正确推进研发。
例如，某实验室研究一种天然疟疾疫苗蛋白，但其热稳定性不足，难以承受运输储存条件。CTO兼联合创始人阿迪·戈尔登兹韦格（Adi Goldenzweig）表示：“他们明确面临热稳定问题，输入参数后获得三个优化方案，选定最优者后已进入临床试验。”他补充道：“理想是提供单一方案并具100%信心，目前虽未达此水平，但相比传统成千上万次尝试已是巨大进步。”
此类改造并非简单单点替换，大型蛋白可能需同步调整数十个位点。Goldenzweig强调：“无人会一次性进行超50个突变。”
Netzer表示：“我们在验证方面具备独特广度与深度，成功应用于抗体、酶等多种蛋白。我们反复证明蛋白质可实现重大改进，并希望将其规模化，而非仅限于博士课题。”这也正是“Scala”名称的由来。
目前，Scala正与多家未公开制药公司及实验室合作，商业模式灵活，优先提供服务验证而非自建IP，但不排除未来布局自有知识产权。
Netzer解释：“初创公司无法面面俱到，我们聚焦与合作伙伴协同，清晰展示技术价值，避免流程复杂化。”
本轮由TLV Partners领投的550万美元种子轮融资为首轮外部融资。结束隐身状态后，公司将拓展更多合作与研究，推动蛋白质工程迈向高效便捷的新阶段。