長い間AIによる薬物発見を妨げてきたボトルネックがあり、
スタンフォードのスピンアウト企業である10x Scienceがそれを解決するために
480万ドルを調達しました。

というわけで、AIモデルのAlphaFoldのようなものは、
今や何千もの潜在的な薬候補を超高速で生成できるのです。
しかし、その後はどうなるのでしょうか？
研究者は依然として、それぞれを実際に試験して、どのように振る舞うかを理解する必要があります。
その部分は永遠に時間がかかります。
AIはアイデアを一日中生み出せるのに対し、それを検証するのが本当の壁です。

具体的な痛点はマススペクトrometryのデータです。
これは分子を分析するためのゴールドスタンダードですが、
解釈には希少な専門知識が必要で、多くの科学者の時間を消費します。
創業者のデイビッド・ロバーツ、アンドリュー・ライター、ビシュヌ・テジャスは、
スタンフォードでの癌免疫学研究の中でこのフラストレーションを直接経験しました。

彼らのプラットフォームは、従来の化学アルゴリズムと、
実際にマススペクトrometryの結果を知的に解釈できる訓練されたAIエージェントを組み合わせています。
違いを生むのは、その推論過程が追跡可能なことです。
これは製薬の規制上重要です。
Rilas Technologiesの科学者は、これを試した際、
AIがファイル名だけから分析しているタンパク質を特定し、
オンラインデータベースから自動的に配列を引き出したと言います。
これは研究全体の時間を大幅に節約するタイプの革新です。

資金はInitialized Capital、Y Combinatorなどから調達されました。
しかし、本当の証明は、すでに複数の大手製薬会社や学術機関と協力していることです。
これは理論的な話ではなく、すでに実用化されています。

ビジネスモデルの賢さは、純粋なSaaSの定期収益モデルであることです。
製薬会社は月額で候補物質をプラットフォームにかけるだけです。
特定の薬が成功するかどうかに依存しません。
これは従来のバイオテクノロジーよりもリスクプロファイルがはるかに良いです。

創業者たちは、バイオケミストリーとAIの両方に深い専門知識を持っており、
これは稀な組み合わせです。
彼らは単にAI薬物発見のボトルネックを解決しているだけではなく、
ロバーツが「分子インテリジェンス」と呼ぶものを構築しています。
最終的にはタンパク質データと他の細胞情報を統合し、
より完全な全体像を目指しています。

これが普及すれば、薬の開発期間を大きく短縮できる可能性があります。
AIが候補を生成し、それを実際に検証するまでのギャップが、
これまでの本当の詰まりでした。
このようなツールは、AIによる薬物発見のパイプラインを
実際に大規模に機能させるための架け橋になり得るのです。

原文表示

このページには第三者のコンテンツが含まれている場合があり、情報提供のみを目的としております（表明・保証をするものではありません）。Gateによる見解の支持や、金融・専門的な助言とみなされるべきものではありません。詳細については免責事項をご覧ください。