生物制药研发正面临一个新兴瓶颈：AI 虽能快速生成大量候选药物分子，但如何高效表征这些分子、验证其结构，却成为拖累整个流程的卡点。成立于 2025 年 12 月的初创公司 10x Science 于近日宣布完成 480 万美元种子轮融资，由 Initialized Capital 领投，Y Combinator、Civilization Ventures、Founder Factor 跟投。
蛋白质药物研发的"最后一公里"难题
蛋白质是生命活动的核心分子，理解其结构是开发生物制剂（biologic drugs）的关键。生物制剂通过活细胞生产，设计精密，可靶向特定疾病——例如默克公司的明星药物 Keytruda，便是借助设计精准的蛋白质帮助免疫系统识别并攻击癌细胞。
然而，当前最精确的分子表征手段是质谱分析（mass spectrometry）：将分子置入电场，测量其原子结构。这项技术虽精准，却存在显著痛点——数据复杂度高、需要专业经验才能解读、且耗时漫长。10x Science 联合创始人 David Roberts 接受 TechCrunch 采访时形象地描述：
"生物制药公司有大量优秀的预测工具，可以往漏斗顶部疯狂添加候选分子，但它们都必须通过这个表征环节。什么都需要测量，但测量本身就是瓶颈。"
三位 Stanford 实验室科学家的创业起点
10x Science 的三位创始人均来自斯坦福大学 Carolyn Bertozzi 实验室（Bertozzi 因点击化学研究荣获 2022 年诺贝尔化学奖）。他们是：
- David Roberts 与 Andrew Reiter：资深生物化学家，研究癌细胞与免疫系统的分子间相互作用
- Vishnu Tejas：连续创业者，专长于计算机科学与 AI 模型
实验室工作期间，团队深刻体会到"无法精确理解分子层面正在发生什么"的挫败感——这成为他们创业的直接契机。
平台核心：可解释的 AI + 确定性算法
10x 的技术平台并非简单的"AI 包装"。团队将化学与生物学的确定性算法（deterministic algorithms）与 AI Agent 相结合，用 AI 解读质谱数据。关键要求是分析过程可追溯——因为这类工具最终需帮助客户满足监督&管理合规要求。
Rilas Technologies 科学家 Matthew Crawford 是早期用户。他已试用数周，发现平台在多个方面超出预期：
- 可解释性：模型能够清晰阐释得出结论的依据
- 自动化适配：可自动识别文件命名意图、判断蛋白质类型并在线搜索对应序列，无需人工预设参数
- 泛化能力：能够适应评估不同类型的分子
Crawford 评价：
"我跑了一个蛋白质进去，系统仅凭我给文件起的名字，就推断出这可能是什么蛋白质，然后自动去数据库搜索对应序列——我完全不需要手动输入序列信息。"
商业模式与投资逻辑
对于投资方而言，10x 提供了切入 Biotech 赛道的一种不依赖单一药物成败的方式。Initialized Capital 合伙人 Zoe Perret 点出：
"这是一个制药企业必须每月付费的 SaaS 平台，用于遍历所有潜在候选分子。"
创始团队的深厚领域专业知识是护城河——真正理解质谱数据及其方法论的人本就稀缺。
公司计划利用这笔融资扩充工程师团队、持续优化模型，并拓展新客户。除生物科技公司外，10x 也在与多家大型制药企业及学术研究人员接洽。长远愿景是：将蛋白质结构数据与其他细胞信息结合，提供一种全新的分子智能定义方式。
Roberts 如此描绘：
"我们正在构建的深层逻辑，实际上是一种定义分子智能的新方法。"
评论