Vừa mới gặp một điều thú vị trong lĩnh vực công nghệ sinh học. Có một điểm nghẽn đã cản trở việc khám phá thuốc bằng AI trong một thời gian dài, và một công ty spinout của Stanford tên là 10x Science vừa huy động được 4,8 triệu đô la để giải quyết vấn đề đó.

Vì vậy, vấn đề là: các mô hình AI như AlphaFold hiện có thể tạo ra hàng nghìn ứng viên thuốc tiềm năng cực kỳ nhanh chóng. Nhưng rồi thì sao? Các nhà nghiên cứu vẫn cần phải thử nghiệm vật lý từng cái để hiểu cách chúng thực sự hoạt động. Phần này mất rất nhiều thời gian. Nó giống như AI có thể đưa ra ý tưởng cả ngày, nhưng xác nhận chúng mới là bức tường thực sự.

Điểm đau cụ thể là dữ liệu quang phổ khối lượng. Đây là tiêu chuẩn vàng để phân tích phân tử, nhưng việc diễn giải nó đòi hỏi chuyên môn hiếm có và tiêu tốn rất nhiều thời gian của các nhà khoa học. Các nhà sáng lập—David Roberts, Andrew Reiter, và Vishnu Tejas—đã trải qua cảm giác thất vọng này trực tiếp tại Stanford, khi làm nghiên cứu về miễn dịch ung thư.

Nền tảng của họ kết hợp các thuật toán hóa học truyền thống với các tác nhân AI đã được huấn luyện có thể thực sự diễn giải kết quả quang phổ khối lượng một cách thông minh. Điều làm nó khác biệt là lý luận có thể truy xuất nguồn gốc, điều này quan trọng đối với các quy định của ngành dược phẩm. Một nhà khoa học tại Rilas Technologies đã thử nghiệm nó nói rằng AI đã xác định được protein đang phân tích chỉ từ tên tệp và sau đó tự động lấy chuỗi từ các cơ sở dữ liệu trực tuyến. Đó là loại tiết kiệm thời gian mà toàn bộ hoạt động nghiên cứu sẽ được hưởng lợi.

Vốn đầu tư đến từ Initialized Capital, Y Combinator, và các nhà đầu tư khác. Nhưng sự xác thực thực sự là họ đã hợp tác với nhiều công ty dược lớn và các tổ chức học thuật. Đây không phải là lý thuyết—nó đã được sử dụng thực tế.

Điều thông minh về mô hình kinh doanh là nó hoàn toàn dựa trên SaaS với doanh thu định kỳ. Các công ty dược trả phí hàng tháng để chạy các ứng viên qua nền tảng. Không phụ thuộc vào việc thành công của bất kỳ loại thuốc nào. Đó là một hồ sơ rủi ro tốt hơn nhiều so với công nghệ sinh học truyền thống.

Các nhà sáng lập có kiến thức sâu rộng về cả sinh hóa và AI, điều này là hiếm có. Họ không chỉ giải quyết một điểm nghẽn trong khám phá thuốc bằng AI—họ đang xây dựng thứ mà Roberts gọi là 'trí tuệ phân tử,' cuối cùng tích hợp dữ liệu protein với các thông tin tế bào khác để có bức tranh toàn diện hơn.

Nếu điều này trở nên phổ biến, nó có thể thúc đẩy quá trình phát triển thuốc nhanh hơn đáng kể. Khoảng cách giữa việc AI tạo ra các ứng viên và xác nhận chúng thực sự là điểm nghẽn thực sự. Các công cụ như thế này có thể là cầu nối giúp toàn bộ quy trình khám phá thuốc bằng AI hoạt động quy mô lớn hơn.