Baru saja menemukan sesuatu yang menarik di ruang bioteknologi. Ada hambatan yang telah menghambat penemuan obat berbasis AI selama ini, dan sebuah spinout dari Stanford bernama 10x Science baru saja mengumpulkan dana sebesar $4,8 juta untuk mengatasinya.

Jadi begini: Model AI seperti AlphaFold sekarang dapat menghasilkan ribuan kandidat obat potensial dengan sangat cepat. Tapi lalu apa? Peneliti masih perlu menguji secara fisik setiap kandidat untuk memahami bagaimana sebenarnya perilakunya. Bagian ini memakan waktu lama. Ini seperti AI bisa mengeluarkan ide sepanjang hari, tetapi memvalidasi mereka adalah tembok nyata.

Titik rasa sakit khususnya adalah data spektrometri massa. Ini adalah standar emas untuk menganalisis molekul, tetapi menafsirkannya memerlukan keahlian langka dan memakan waktu besar dari para ilmuwan. Para pendiri—David Roberts, Andrew Reiter, dan Vishnu Tejas—mengalami frustrasi ini secara langsung di Stanford, saat bekerja pada penelitian imunologi kanker.

Platform mereka menggabungkan algoritma kimia tradisional dengan agen AI terlatih yang benar-benar dapat menafsirkan hasil spektrometri massa secara cerdas. Yang membuatnya berbeda adalah penalarannya dapat dilacak, yang penting untuk regulasi farmasi. Seorang ilmuwan di Rilas Technologies yang mengujinya mengatakan bahwa AI mengetahui protein apa yang sedang dianalisis hanya dari nama file dan kemudian secara otomatis menarik urutan dari basis data online. Itu adalah jenis penghematan waktu yang mempercepat seluruh operasi penelitian.

Pendanaan berasal dari Initialized Capital, Y Combinator, dan lainnya. Tapi validasi sebenarnya adalah mereka sudah bekerja dengan beberapa perusahaan farmasi besar dan institusi akademik. Ini bukan teori—ini sudah digunakan.

Yang cerdas dari model bisnis ini adalah ini murni SaaS dengan pendapatan berulang. Perusahaan farmasi membayar bulanan untuk menjalankan kandidat melalui platform. Tidak bergantung pada keberhasilan satu obat tertentu. Itu adalah profil risiko yang jauh lebih baik daripada bioteknologi tradisional.

Para pendiri memiliki keahlian mendalam di bidang biokimia dan AI, yang merupakan kombinasi langka. Mereka tidak hanya mengatasi satu hambatan dalam penemuan obat berbasis AI—mereka membangun apa yang Roberts sebut 'kecerdasan molekuler,' yang akhirnya mengintegrasikan data protein dengan informasi seluler lain untuk gambaran yang lebih lengkap.

Jika ini mulai populer, ini bisa secara signifikan mempercepat timeline pengembangan obat. Kesenjangan antara AI yang menghasilkan kandidat dan validasi sebenarnya adalah hambatan utama. Alat seperti ini bisa menjadi jembatan yang membuat seluruh pipeline penemuan obat berbasis AI benar-benar berjalan secara skala.