今年世界上最大的医疗种子轮，点燃了这条跑道。

对于医疗风险投资行业来说，一笔超过10亿美元的融资，通常要到企业发展的后半段才能出现。

然而，最近，一家医疗创新公司刚刚走出隐蔽的道路，宣布获得了超过10亿美元的融资，成为2024年世界上最大的医疗种子轮，这也让这家公司成为了独角兽。

要知道，种子轮通常是创业公司获得的第一笔重要资金，因为此时项目非常创业，平均融资金额在几十万到几百万美元之间。10多亿美元的融资医疗种子轮极其稀缺。目前世界上只有两个病例(另一个是抗衰老公司Altos 在2022年，Labs获得了30亿美元的融资。

获得超过10亿美元种子轮的公司名叫Xairaira Therapeutics，ARCH是生物技术领域最大的投资机构之一。 Venture Partners和Foresite 2023年5月，Labs联合孵化。根据网站介绍，Xaira Therapeutics的核心业务方向是使用AI重塑药物进行研究和开发，目前专注于蛋白质组学方向，即研究蛋白质如何在健康和疾病中发生变化。

与业务方向密切相关。该公司的联合创始人是2021年科学突破奖生命科学奖(该奖被称为“科学界的奥斯卡”)获奖者和华盛顿大学蛋白质设计研究所的优势大师。 Baker，团队开发的新技术可以设计自然界中从未见过的蛋白质，包括一些具有干扰治疗人类疾病潜力的新蛋白质。

其实，在“AI 蛋白质”，Xaira 根据动脉橙数据库的数据库，Therapeutics的融资并非孤立。，在2022年1月至2024年6月的两年半时间里，这条跑道上发生了不少于100起融资事件，总融资额超过60亿美元，现在医疗卫生已经成为资本的热门领域之一。

(资料来源：动脉橙数据库)

经常获得融资的背后，“AI “蛋白质”跑道究竟讲述了一个什么样的行业新故事？

超豪华阵容 加持超过10亿美元，Xaira 具体要做什么Therapeutics？

在当下，“AI “蛋白质”正成为科技界关注的焦点。

原因在于，传统的蛋白质研究方法存在着测试时间长、成本高等问题，而AI可以加速蛋白质的研究过程：一旦用于药物研发，可以帮助发现新的靶点，缩短研发周期，降低时间成本。如果用于材料，会产生超越自然的新蛋白材料，给农业食品等领域带来新的增量。

正是在巨大的想象空间里，“AI “蛋白”跑道开启了飞奔之旅。但是要进入，并不容易——第一，要满足足够的R&D资金；第二，要有强大的团队。

前者，Xaira Therapeutics已获得超过10亿美元；后者，Xaira Therapeutics拥有一支强大的跨学科团队，其成员包括计算机科学、生物信息学、数据科学、药学、商业管理等行业背景的专业人才。举例来说，Marc是CEO。 Tessier-曾经是基因泰克首席科学官的Lavigne博士，也是洛克菲勒大学和斯坦福大学的前校长。

更为重要的是，前面提到的联合创始人Davidid Baker，是“AI 大神级人物在蛋白质领域。据报道，Xaira 大部分来自Davididid的Therapeutics技术 华盛顿大学蛋白质设计研究所，Baker及其任职。

所以，要对Xairaira有深入的了解。 Therapeutics，需要了解Davidid Baker及其团队的研究成果。看看Davidi。 在蛋白质结构预测和蛋白质设计方向方面，Baker的科学研究经验。

● 对蛋白结构进行预测 向，David 早在1998年，Baker及其团队就推出了Rosetta算法，并在第三届国际蛋白结构预测大赛中崭露头角。随着后续的不断优化，Rosetta一直是蛋白质结构预测领域的代表性算法之一，在临床阶段开发了各种蛋白质生物产品和各种IND。 临床前阶段的阶段分子和十多种生物制品。

●设计蛋白质的方向，David 2022年，Baker及其团队推出了ProteinMPNN的深度学习工具，它参考了图像识别中使用的神经网络，能够清晰地对应特定结构的序列，能够更准确、更快地设计蛋白质分子，将蛋白质设计的时间长度从“月”缩短到“秒”，比以前最好的软件快200多倍。

据悉，Xaira Davididididid集成了Therapeutics使用的AI模型。 继ProteinMPNN之后，Baker及其团队开发的AI大型RFdiffusion是该团队推出的一种更加先进和通用的蛋白质设计模型。

具体而言，RFdiffusion是一种创新的生成式AI系统，它利用扩散模型构建，它类似于Midjourney和Stabley。 Diffusion等可以生成图像的文本模型，即可以生成新颖、定制的蛋白质“框架”(即蛋白质的整体结构支架)，然后对序列进行分层。根据国外媒体的报道，该模型可以根据需要设计生物分子，有望在疫苗和药物开发领域进行创新。

然而，由于还处于起步阶段，Xaira Therapeutics没有透露太多的R&D进展和管道布局，外部仍然很难预测其未来的实际行动。

但是，可以肯定的是，凭借强大的明星创始团队和高融资，Xaira 一旦Therapeutics出现，它就变成了“AI 跑道上最重的蛋白质运动员之一。

热门资本，“AI 跑道上的蛋白质进展几何？

“AI 创投大浪潮“蛋白质”始于2020年。

当时，Google由 AlphaFold由DeepMind团队开发，成功地计算出了蛋白质的三维结构，并迈出了利用人工智能来预测蛋白质结构的第一步，使“AI “蛋白质”成功破圈，吸引了众多企业家和投资机构。

西湖大学校长施一公曾说：“这是人工智能对科学领域最大的贡献，也是人类在21世纪取得的最重要的科学突破之一。”谈到AlphaFold，西湖大学校长施一公曾说过。

就技术而言，“AI “蛋白”跑道可以分为AI蛋白组学、AI蛋白预测和AI蛋白设计三个主要方向，其区别如下：

● AI蛋白组学:蛋白组学是以蛋白组为研究对象，研究细胞、组织或生物蛋白组成及其变化趋势的科学。AI和蛋白组学的结合可以在靶点发现、生物标志物发现和精准医学领域有很大的应用潜力。

● AI蛋白预测：U200c基于蛋白质的氨基酸序列信息，通过机器学习和深度学习算法，U200c预测蛋白质的三维结构，U200c折叠方法，以及与其它分子的相互作用。

● AI蛋白设计：利用AI设计新的蛋白质，而不需要人类的直接干预，u200c在学习中蛋白质序列与功能的关系，u200c。

接下来，我们将从三个方向来看待各自的代表企业及其进步。但需要注意的是，蛋白质预测和蛋白质设计侧重于“如何折叠蛋白质”的核心问题，因此一些创新型企业在两个方向都有布局。

当前，在AI蛋白组学方向上，已有珞米科技，Matchpoint、Olink、Somalogic、以创新企业为代表的西湖欧米(按企业名称首字母排序)。

以西湖欧米为例。它成立于2020年7月，主要专注于蛋白质谱的开发和应用。通过这项技术，甲状腺结节和阿尔茨海默病(阿尔茨海默病)正在得到推广。、体外诊断试剂及肺癌等多种疾病的研发方法。

例如，对于甲状腺结节的检查，西湖欧米开发了一种新型分子诊断产品“甲谱诺”，该产品将蛋白质组与AI技术相结合。该产品可以将结节良恶性诊断的准确性提高到90%左右，从而帮助大多数难以判断良恶性的患者避免手术。

例如，总部位于瑞典的Olink提供了一个以蛋白质组学为中心的产品和服务平台，其中最著名的是其邻位延伸分析（PEA）技术-该技术可以在实验室安装的qPCR仪器和下一代测序仪上运行，带来高通量蛋白质分析能力。PEA技术基于超过5300个蛋白质生物标志物目标的庞大图书馆，已应用于约1400篇科学论文，显示出其强大的市场前景和科研价值。

7月10日，全球科学服务领域的巨头赛默飞宣布收购Olink，收购总额达到31亿美元。赛默飞总裁兼首席执行官Marc 在声明中，Casper提到：“收购Olink凸显了蛋白质组学对促进生命科学研究和精确医学的深刻影响。

百图生科出现在AI蛋白预测方向，DeepMind、分子之心、GenesisTherapeutics、华深智药、Profluent Bio、深势科技、天壤(按企业名称首字母排序)等代表企业。

DeepMind作为AI蛋白预测领域的先驱，继AlphaFold之后，去年又发布了AI模型AlphaMissense。据海外媒体报道，AlphaMissense可以通过使用蛋白质序列数据库和变异结构背景来识别错义突变(错义突变是可能破坏人类蛋白质功能的基因突变)和未知的致病基因，并且可以预测范围比人类专家提高近1000倍。

与此同时，今年五月，DeepMind和AI 发现企业Isomorphic Labs宣布推出AlphaFoldaFold新一代AI生物分子结构模型。 它的开发是基于AlphaFold 2 在此基础上，可以将预测范围从蛋白质带到广泛的生物分子。

国内公司天壤推出xCREATOR工作台，通过集成多样化的AI算法和计算资源，为科研机构和公司提供更高效、更快捷、更易于使用的蛋白质结构预测和设计服务。用户可以预测和设计蛋白质等任务，无需编写任何代码，可视化显示和分析数值，适用于多肽、酶、抗体和各种功能蛋白质。

在控制台的帮助下，用户可以在几分钟内获得接近实验分析精度的蛋白质结构。在过去，这可能需要几个月甚至几年的时间，并且必须使用昂贵的专业设备。

Arzeda已经跑出了AI蛋白的设计方向。、Cradle Bio、分子之心、Generate Biomedicines、RevolKa、天壤、天鹜科技、途深智合等公司(按企业名称首字母排序)。

外国公司Generater Biomedicines是生命科学顶级风险投资公司Flagshipp的代表企业之一。 Pioneering孵化器，开发了一种名为Chroma的生成人工智能模型，该模型基于扩散模型。（Diffusion Models）和图神经网络（Graph Neural Networks）在框架上，可以从零开始产生高质量、多样化、创新的蛋白质结构。

目前，Generaterate在落地应用中 Biomedicines拥有包括免疫学、肿瘤学和传染病学在内的广泛产品管道。

看看国内公司的分子心，公司自主研发了产业级AI蛋白产生大模型。——NewOrigin(达尔文)大模型，拥有数百亿参数，学习了大量高度专业复杂的多模态数据，功能性蛋白质可根据行业应用需求“根据需要定制”。

截至目前，分子之心已在创新药物研发、新材料、食品、化工、农业等领域广泛应用NewOrigin模型。在大分子药物设计和极端环境下，蛋白质稳定性提高，酶活性提高，酶活性提高。－在实际生产体系中，特定底物对接、蛋白质从头设计等多种高难度产业任务取得重大突破，并得到验证。

不难看出，在各个细分方向上，创新型企业已取得重大突破，并在不断深入。

随后，归功于更多企业的进入和新概率的产生，“AI 在工业端，蛋白质的应用将迎来更大的进步，市场潜力将不断扩大。根据MedMarket 计算Insights，到2031年，AI蛋白市场规模将达到14.83亿美元，预计到2031年，市场规模将达到178亿美元，大约36.5%的复合增长率。

水很大，鱼也许很大。“在不断拓宽的想象空间里，”AI “蛋白质”跑道必然会走出全球巨头企业。

向挑战发起冲锋，“AI 未来的蛋白质正在到来。

前面的路很美，但是同时也要注意，“AI “蛋白质”跑道仍然面临着一些落地挑战。

例如《AI 《蛋白研究报告》指出，资料质量问题由于蛋白质结构的复杂性，需要大量高质量的数据来训练和验证AI模型，这是AI应用中的一个关键限制因素。当前，尽管PDB(蛋白质数据银行)公共数据库提供了大量的结构性信息，但这些信息通常存在偏差和不完整性，这可能会影响AI模型的准确性和泛化能力。

另外，哥伦比亚大学助理教授Mohammed AlQuraishi正在接受《Nature Biotechnology》采访中表示，从设计具有特定分子功能的蛋白质，到了解它们是如何在人和生物体内运行的，完全复杂的生物学这将成为一个约束步骤。

当然，任何事情都有两面性，机遇是挑战的背后——蛋白质相关应用作为有机体最基本的组成部分之一，在AI的加持下，可能会在未来几年内在更多的细分领域落地，带来巨大的商业概率。

现在，包括Meta(原u200cFacebook)、“英伟达等行业巨头已跨越”AI 在“蛋白质”领域，我们希望在学习中开发和设计大量数据的蛋白质模型。当越来越多的企业加入跑道时，相关研究成果的论文层出不穷，持续加速，行业很可能在某个时间节点有很大的突破。

我相信，随着行业进入者面对困难，处理一个又一个挑战，“AI “蛋白”跑道将讲述更性感的故事，从而给医疗创新产业带来更大的可能性。

这一过程中，那些不断创新追求的企业，最终也会获得属于他们的丰厚收益。

参考资料

《AI 蛋白产业研究报告-智药局

本文来自微信微信官方账号“动脉网”（ID：vcbeat），作者：36氪经授权发布胡邈。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com