Роль ИИ в науке о белках
Самое заметное влияние ИИ на науку проявилось в работе Google DeepMind, где глубокая модель предсказывает сложные структуры белков — молекул, отвечающих за почти все процессы в живых клетках.
Однако по мере того как ИИ-модели предлагают всё больше вариантов потенциальных препаратов, возникает новая преграда: реальная проверка всех этих кандидатов для испытаний и промышленного производства.
Именно эту задачу решает 10x Science — стартап, запущенный в декабре 2025 года. Компания привлекла 4,8 миллиона долларов в посевном раунде от Initialized Capital при поддержке Y Combinator, Civilization Ventures и Founder Factor. Среди основателей — химический биолог Дэвид Робертс, биолог Эндрю Ритер и серийный предприниматель Вишну Теджус, специалист по компьютерным наукам и ИИ-моделям.
«В биофарме для создания кандидата на препарат используют отличные инструменты предсказания, — объясняет Робертс в беседе с TechCrunch. — Можно нагружать воронку сколько угодно кандидатами, но все они проходят через этап характеризации. Каждому требуется измерение».
Почему структуры белков критичны
Знание строения белков необходимо для создания биологических препаратов, которые производят в живых клетках и разрабатывают для точечного воздействия на болезни. Такие средства нацеливают на конкретные клетки, как, например, Keytruda — популярный препарат Merck, помогающий иммунитету распознавать и уничтожать опухоли.
Основатели 10x Science ранее трудились в лаборатории Стэнфорда у нобелевского лауреата Кэролин Бертодци. Там они изучали взаимодействие раковых клеток с иммунной системой, но сталкивались с трудностями в детальном понимании молекулярных процессов.
Самый точный метод оценки молекул — масс-спектрометрия, которая определяет массу и заряд частиц для анализа их состава и строения. Этот относительно свежий подход даёт сложные данные, требующие высокой квалификации для разбора, а процесс занимает много времени.
Платформа на стыке химии, биологии и ИИ
Решение 10x Science объединяет детерминированные алгоритмы из химии и биологии с ИИ-агентами для интерпретации спектрометрических данных. Команда провела большую работу по обучению моделей на таких данных, обеспечив прослеживаемость анализов — это обязательно для инструментов, помогающих компаниям соблюдать регуляторные нормы.
Мэттью Кроуфорд, учёный из Rilas Technologies — фирмы, проводящей химические анализы для клиентов, — тестирует платформу 10x Science несколько недель. По его словам, она заметно ускоряет задачи.
Кроуфорд отмечает, что модель поражает способностью обосновывать выводы, самостоятельно подбирать данные для анализа и адаптироваться к разным типам молекул. В отличие от других ИИ-инструментов, которые он пробовал раньше и которые страдали от завышенных обещаний или неточностей, эта платформа опирается на разумные предположения благодаря экспертизе создателей.
«Я прогнал через неё конкретный белок, и она по названию файла догадалась, что это за белок, — рассказывает Кроуфорд. — Затем сама нашла в онлайн-базе данных его последовательность, так что мне не пришлось её вводить вручную».
Клиенты, планы и перспективы
Руководство 10x Science сотрудничает с крупными фармкомпаниями и академическими исследователями. Посевные инвестиции пойдут на набор инженеров, доработку модели и привлечение новых пользователей. Если удастся закрепиться в анализе белков, Робертс планирует расшириться, интегрируя данные о структурах белков с информацией о клетках для нового понимания биологии.
«Глубже то, что мы строим, — это свежий подход к определению молекулярного интеллекта», — говорит Робертс.
Для инвесторов 10x Science — удобный вход в биотех без риска от провала конкретного препарата или регуляторных отказов. Даже если конечные продукты не взлетят на рынке, платформа станет ключевым инструментом разработки лекарств.
«Это SaaS-платформа, за которую фарма платит ежемесячно, чтобы просеивать кандидатов, — подчёркивает Зои Перрет, партнёр Initialized. — Экспертиза основателей защитит от конкурентов: таких специалистов по методам и данным единицы».
Как считает Кроуфорд, платформа откроет доступ к методам для тех, у кого нет времени или ресурсов на их внедрение.
«Здесь группы пытаются создать новый препарат, — делится он с TechCrunch. — Им нужен быстрый ответ от масс-спектрометрии, а это открывает целую кучу проблем. Программное обеспечение поможет избежать этого и даст именно то, что требуется для следующего шага в исследованиях».