縮小差距：10x Science 獲得 480 萬美元融資，致力於篩選生成式 AI 藥物候選分子

製藥業目前正見證由人工智慧（Artificial Intelligence）驅動的復興。生成式 AI 模型現在能夠以前所未有的規模設計新型分子，有望加速從實驗室發現到臨床試驗的進程。然而，這一進步也帶來了新的障礙：「重數量輕質量」的矛盾。隨著 AI 生成的藥物候選分子數量不斷增加，研究人員正面臨一項艱巨的任務：如何甄別出哪些候選分子真正具備臨床應用的潛力。

Creati.ai 報導稱，新興生物技術初創公司 10x Science 已正式完成一輪 480 萬美元的種子輪融資，旨在直接解決這一挑戰。透過專注於對 AI 預測分子進行嚴謹的評估與篩選，10x Science 正將自己定位為現代藥物研發流程中的關鍵環節。

生物技術領域 AI 過度生產的挑戰

近年來，深度學習在生物學中的整合徹底改變了我們研究小分子開發的方式。AI 平台可以在人類化學家所需時間的一小部分內，識別出數以千計的潛在藥物候選分子。然而，傳統實驗室濕實驗驗證——即創造這些分子並在物理環境中進行測試的過程——依然昂貴且耗時。

大多數 AI 模型在紙面上能出色地生成高親和力的結合劑，但它們往往難以預測這些化合物在生物體內的代謝穩定性、生物利用度以及毒性特徵。正如行業內幕人士所言，生成式 AI 本質上是在「吐出」比現有基礎設施所能實際測試的數量更多的候選分子。10x Science 旨在扮演漏斗的角色，在這些候選分子進入昂貴的開發階段之前對其進行篩選。

戰略重點與市場價值

這筆 480 萬美元的資金將使 10x Science 能夠擴展其專有平台，該平台將先進的模擬技術與機器學習相結合，以對候選分子的可行性進行排序。他們的方法旨在降低當前困擾早期發現階段的「失敗率」。

10x Science 的重點領域

• 預測可行性： 評估分子是否具備實際合成的可能性。
• 安全性分析： 在數位週期早期識別潛在的毒理學警訊。
• 與現有管線整合： 為已部署高通量 AI 發現工具的製藥公司提供中介軟體解決方案。

下表總結了經由像 10x Science 這類平台推動的藥物研發工作流程轉變：

工作流程階段	傳統方法	AI 增強方法	10x Science 的價值增值
候選分子來源	人工/文庫篩選	AI 生成模型	篩選與優先排序
可行性評估	人工濕實驗測試	有限的數位預測	高信賴度預測篩選
開發成本	極高的失敗成本	減少合成試驗	降低研發浪費

推動生態系統發展

10x Science 此次融資的意義不僅在於其即時估值，它還標誌著 生物技術 行業風險投資領域的轉變。投資人正逐漸將目光從僅專注於「發現引擎」的公司，轉移到能夠解決下游問題的初創公司，特別是針對這些發現的驗證、合成與臨床轉化。

透過縮小選擇範圍，10x Science 使製藥巨頭能夠更具戰略性地配置其實驗資源。研究人員無需再測試數千個微弱的候選分子，而是可以專注於那幾十個根據 10x Science 專業評估模型顯示出最高統計成功機率的分子。

AI 在藥物研發中的未來

展望未來，AI 在 藥物研發 中的整合可能會演變成一種多層架構。我們可以預期看到專業公司專注於藥物開發生命週期的不同環節：

1. 生成： 專注於使用大規模生成模型創造全新化學實體的公司。
2. 篩選與驗證： 像 10x Science 這樣應用嚴格的物理基礎和機器學習約束條件來優先處理輸出的公司。
3. 合成： 自動化機器人實驗室，負責大規模實體生產並測試篩選出的候選分子。

對於 Creati.ai 的讀者來說，結論很明確：AI 藥物研發 的瓶頸已不再是想像新藥的能力，而是辨別哪些藥物值得投入的能力。憑藉這筆 種子輪融資，10x Science 在將滾滾而來的 AI 生成潛力轉化為臨床現實的道路上邁出了關鍵的一步。隨著該公司準備擴大其團隊和計算能力，製藥行業將密切關注其方法論是否能成功降低拯救生命之創新的門檻。