AI 在科學領域的最大影響，莫過於 Google DeepMind 利用深度學習模型預測蛋白質的複雜結構，這些蛋白質幾乎驅動細胞內所有生物過程。不過，隨著 AI 模型不斷產生潛在治療候選藥物，出現了一個新瓶頸：實際驗證這些候選藥物的特性，用於測試及大規模生產。這正是初創公司 10x Science 的目標，該公司於 2025 年 12 月成立，近日公布 480 萬美元種子輪融資，由 Initialized Capital 領投，Y Combinator、Civilization Ventures
及 Founder Factor 等參與。三位創辦人包括資深生化學家 David Roberts 及 Andrew Reiter，以及擁有電腦科學及 AI 模型經驗的連續創業家 Vishnu Tejas。「生物製藥公司在開發藥物候選物時，有許多優秀預測工具，」Roberts 向 TechCrunch 表示。「你可以將無數候選物投入管道頂端，但它們都必須通過特性驗證程序，一切都需要實測。
」
蛋白質結構解析的挑戰與創新
理解蛋白質結構對開發生物藥至關重要，這些藥物在活細胞中生產，並透過精密設計針對特定疾病，例如 Merck 銷售的熱門藥物 Keytruda，能幫助免疫系統識別並攻擊癌細胞。三位創辦人曾在諾貝爾獎得主 Carolyn Bertozzi 的 Stanford 實驗室合作，研究癌細胞與免疫系統互動，但對分子層面的精準理解感到沮喪。最準確的分子評估方法是質譜分析（mass spectrometry），透過電場測量原子結構產生複雜數據，需專業知識解讀且耗時費力。
10x Science 的平台結合基於化學及生物學的確定性演算法，以及 AI 代理來解讀數據。團隊花費大量功夫訓練模型處理質譜數據，並確保分析可追溯，這對幫助企業符合監管要求至關重要。 Rilas Technologies 的科學家 Matthew Crawford 為其他公司進行化學分析，數週來使用 10x Science 平台，稱其加速工作流程。他驚嘆模型能解釋結論、自行尋找分析數據，並適應不同分子評估。
相較過去試用的 AI 工具，這款模型假設合理，得益於創辦人的領域專長。「我輸入一個蛋白質檔案，它從檔名推斷蛋白質種類，」Crawford 表示。「然後自動在線上資料庫搜尋序列，我無需手動輸入。」10x 高層透露，正與多家大型製藥公司及學術研究者合作，利用此輪融資招聘更多工程師，精煉模型並拓展客戶。若能掌握蛋白質特性驗證，Roberts 期望擴展至結合蛋白結構與細胞其他數據，提供全新生物理解方式。
對投資者而言，這是進入生物科技領域的不依賴單一藥物成功的途徑。Initialized 合夥人 Zoe Perret 指，這是製藥業每月付費的 SaaS 平台，創辦人深厚經驗能抵禦競爭。Crawford 認為，平台可助資源有限的研究者解鎖質譜技術。「研究團隊想快速從質譜得到答案，卻常陷入複雜問題，」他說。「這軟件能簡化流程，讓他們專注下一步研究。」
