Într-o perioadă în care inteligența artificială produce un volum fără precedent de candidați pentru noi medicamente, apare o nouă provocare: cum să identificăm care dintre acești mii de moleculă au un potențial terapeutic real și sunt pregătiți pentru teste clinice și producție în masă? Această întrebare este în centrul misiunii 10x Science, o start-up fondată în decembrie 2025 de David Roberts, Andrew Reiter și Vishnu Tejas, care a anunțat recent o rundă de seed de 4,8 milioane de dolari, condusă de Initialized Capital și susținută de Y Combinator, Civilization Ventures și Founder Factor. Echipa combină expertiză profundă în biochimie și știința calculatoarelor, având lucrat împreună în laboratorul de la Stanford al Nobelului Dr. Carolyn Bertozzi, unde au studiat interacțiunile dintre celulele canceroase și sistemul imunitar – o experiență care le-a arătat cât de greu este să înțelegem ce se întâmplă la nivel molecular, chiar și când avem date de calitate.
Problema pe care 10x Science o abordează nu este lipsa de idei, ci excesul lor. Modelele de AI precum cele dezvoltate de Google DeepMind – care au revolucionat predicția structurii proteicilor – sunt acum capabile să genereze mii de candidați biologică pentru medicamente, de la anticorpi monoclonali la enzime terapeutice. Dar, așa cum explică Roberts: „Puteți adăuga atâtaia candidați la începutul funelului cât vreți, dar toți trebuie să treacă prin acest proces de caracterizare. Totul trebuie măsurat.” Caracterizarea – determinarea exactă a structurii, stabilității, puretății și interacțiunilor unei moleculă – este esențială pentru a trece de la o idee interesantă la un candidat medicamentos valid. Și aici apare strangularea: metodele tradiționale, precum spectrometria de masă, sunt extrem de puternice, dar și extrem de complexe. Ele produc date bogate, dar dificil de interpretat, necesită experți altamente specializați și consumă timp semnificativ – resurse pe care multe companii de biotehnologie, în special start-up-urile, nu le pot permite.
Este aici că 10x Science intervine. Platforma lor combină algoritmi deterministi, rădăcinati în chimie și biologie, cu agenți de AI capabili să interpreteze datele de spectrometrie de masă în mod automat, explicabil și traceabil – un aspect crucial pentru respectarea standardele reglementare (de exemplu, FDA sau EMA). Echipa a investit efort semnificant în antrenarea modelelor pe seturi de date reale de spectrometrie, asigurându-se că concluziile nu sunt doar statistice, ci bazate pe principii științifice verifice. Matthew Crawford, un scientist la Rilas Technologies – o firmă care oferă servicii de analiză chimică pentru companii externe – a testat platforma timp de câteva săptămâni și a confirmat că a accelerat semnificativ fluxul de lucru. El a remarcat, în special, capacitatea modelului să înțeleagă contextul: „Am rulat o proteină prin el, și a reușit să determine, doar din numele fișierului, ce proteină probabil era. Apoi a căutat în baza de date online secvența acelei proteine, astfel încât eu nu am trebuit să o programez manual.” Această abilitate de a combina inferența din metadate cu căutarea autonomă în bazele de date publice reprezintă un pas înainte față de uneltele AI clasice, care adesea necesită intrare manuală rigorosă și sunt prone la erori sau suprapromisiuni.
Ce face unică 10x Science nu este doar viteza, ci credibilitatea. Crawford a comparat platforma cu alte instrumente de AI pe care le-a experimentat în trecut – care au adesea „promis prea mult” sau au avut probleme de acuratețe – și a spus că această soluție face „presupuneri rezonabile”, ce le atribuie expertizei de domeniu ale fondatorilor. Într-un domeniu în care o greșeală în interpretarea datelor poate duce la pierde de milioani de dolari în cercetare infructuoasă sau la riscuri în procesele de aprobare reglementară, această dimensiune de încredere este esențială.
Start-up-ul nu se limitează doar la analiză. Fondatorii au o ambiție mai largă: să transforme platforma într-un instrument de „inteligenta moleculară” – un mod nou de a defini și înțelege biologia nu doar prin structura proteicilor, ci prin combinarea acesteia cu date despre starea celulare, mediul microambient și semnalele de comunicare intercelulare. Roberts a declarat: „Ce construim de fapt este un nou mod de a defini inteligenta moleculară.” Această viziune ar putea extinde aplicațiile platformei de la caracterizarea proteicilor la înțelegerea mecanismelor de rezistență la medicamente, identificarea biomarcatorilor mai mici sau chiar modelarea interacțiunilor complexe în țesuturi.
De la perspectiva investitorilor, 10x Science oferă o cale de intrare în spațiul biotehnologic care nu depinde de succesul unui singur medicament. Zoe Perret, partener la Initialized Capital, a explicat: „Aceasta este o platformă SaaS pe care farmaciile trebuie să o plătească, fiecare lună, pentru a trece prin toți acești candidați.” Deoarece nevoia de caracterizare este constantă și universală în descoperirea de medicamente, platforma are potencial să devină o infrastructură esențială – ca un „AWS pentru biologie moleculară” – indiferent dacă un anumit candidat devine sau nu un medicament comercializat. Acest model reduce riscul investițional și crește scalabilitatea.
Mai mult decât atât, Crawford crede că platforma poate democratiza accesul la tehnici avansate. Multe grupe de cercetare, în special din mediul academic sau din start-up-urile mici, au ideile și motivatia, dar lipsesc resursele pentru a achiziționa echipamente de spectrometrie de masă (care pot costa peste un milion de dolari) sau să angajeze specialiști. „Aceștia doar vrea să obțină un răspuns rapid și simplu din spectrometrie de masă, apoi să treacă la pasul următor în cercetare,” a spus Crawford. „Acest software le va ajuta să păstreze închisă „cuta de viermi” a complexității și să obțină exact răspunsul de care au nevoie.”
Într-o lume în care AI produce idei mai repede decât noi le putem valida, 10x Science nu încearcă să înlocuiească expertii umani – ci să îi înfrunte cu unelte care le fac munca mai ușoară, mai rapidă și mai sigură. Nu e doar despre a găsi mai multe medicamente. E despre a găsi cei buni – și a le face să ajungă la pacienți mai repede.
AI generează mai mulți candidați medicamentoși decât niciodată, dar această start-up vrea să determine care contează realmente
