Одно из самых заметных достижений искусственного интеллекта (artificial intelligence) в науке — работа Google DeepMind, которая с помощью глубокого обучения (deep learning) предсказывает сложные структуры белков. Эти молекулы управляют почти всеми процессами в живых клетках.
Но чем больше ИИ предлагает кандидатов для новых лекарств, тем острее становится проблема: как быстро и точно охарактеризовать эти молекулы, чтобы проверить их в лаборатории и запустить в производство.
Решать эту задачу взялся стартап 10x Science, основанный в декабре 2025 года. Сегодня компания объявила о привлечении 4,8 миллиона долларов на ранней стадии. Раунд возглавил фонд Initialized Capital, также в числе инвесторов — Y Combinator, Civilization Ventures и Founder Factor. Основатели — биохимики Дэвид Робертс и Эндрю Рейтер, а также серийный предприниматель Вишну Теджас, специализирующийся на компьютерных науках и ИИ.
«В биофарме есть отличные инструменты для предсказания кандидатов, — говорит Робертс. — Вы можете добавить сколько угодно молекул на входе, но все они должны пройти через процесс характеризации. Каждый параметр нужно измерить».
Понимание структуры белков особенно важно при разработке биологических препаратов — сложных лекарств, создаваемых в живых клетках. Они могут точно нацеливаться на болезни, как, например, популярный препарат Keytruda от Merck, помогающий иммунной системе распознавать и уничтожать раковые клетки.
Все трое основателей 10x Science работали вместе в лаборатории Стэнфордского университета под руководством нобелевского лауреата доктора Кэролайн Бертозци. Там они изучали взаимодействие раковых клеток и иммунной системы, но разочаровались в ограниченных возможностях понять, что происходит на молекулярном уровне.
Как ускорить анализ молекул
Самый точный способ изучить молекулы — масс-спектрометрия. Метод позволяет определить атомную структуру, измеряя поведение частиц в электрическом поле. Но данные получаются сложными, интерпретировать их могут только узкие специалисты, а сам процесс занимает много времени.
Платформа 10x сочетает детерминированные алгоритмы, основанные на знаниях химии и биологии, с ИИ-агентами, способными анализировать спектрометрические данные. Команда потратила много усилий, чтобы обучить модели на реальных данных и сделать их выводы прозрачными — это критически важно для инструмента, который будет использоваться в регуляторных целях.
«Модель сама нашла нужную последовательность»
Мэтью Кроуфорд, учёный из Rilas Technologies — компании, которая проводит химический анализ для других фирм, — уже несколько недель использует платформу 10x Science. По его словам, она значительно ускоряет работу.
«Модель удивила меня тем, что может объяснить свои выводы, сама находит нужные данные и адаптируется под разные типы молекул, — говорит Кроуфорд. — В отличие от других ИИ-инструментов, которые я пробовал, этот делает разумные предположения. Думаю, это заслуга глубокой экспертизы создателей».
«Я загрузил один белок, и система по названию файла поняла, какой это, вероятно, белок. Затем она сама нашла в интернете его последовательность — мне не пришлось вводить её вручную».
По словам топ-менеджеров 10x, платформа уже тестируется в нескольких крупных фармкомпаниях и научных лабораториях. Средства от раунда пойдут на найм инженеров и доработку модели. В перспективе компания хочет не просто характеризовать белки, а создать новый уровень понимания биологии — объединяя структуру белков с другими клеточными данными.
«То, что мы строим, — это на самом деле новый способ определить молекулярный интеллект», — говорит Робертс.
Инструмент, а не лекарство
Для инвесторов 10x — это способ войти в биотех, не рискуя на успехе одного конкретного препарата. Если платформа оправдает ожидания, она станет незаменимым инструментом в разработке лекарств — независимо от того, пройдут ли конечные продукты клинические испытания.
«Это SaaS-платформа, за которую фармкомпании будут платить каждый месяц, чтобы проанализировать тысячи кандидатов», — говорит Зои Перре, партнёр Initialized Capital. По её мнению, преимущество 10x — в уникальной экспертизе команды. Таких специалистов, которые глубоко понимают и методы, и данные, очень мало.
«Многие лаборатории хотят создать новое лекарство, — говорит Кроуфорд. — Они просто хотят быстро получить ответ из масс-спектрометрии, но вместо этого попадают в кучу сложностей. Это ПО поможет держать эти сложности под контролем и просто выдавать нужный ответ, чтобы исследователи могли двигаться дальше».