实验室环境下的真菌
1928年,苏格兰研究员亚历山大·弗莱明(Alexander Fleming)结束假期返回实验室,却发现自己的培养皿意外受到污染,其中长出一种叫做青霉菌的真菌。但令他惊讶的是,这种真菌似乎成功阻止了细菌的正常生长。通过进一步调查,他最终发现了拯救无数生命的抗生素——青霉素,掀起传染病治疗领域的一场技术革命。
在近一个世纪的探索之后,初创企业Hexagon Bio希望找到关于真菌药用价值的更多可能性。今年9月15日,该公司宣布在A轮融资中筹得4700万美元。这笔资金将主要用于对真菌进行基因测序,并寻找新的突破性药物。也许他们的发现,将成为下一种青霉素并再次给全人类带来福祉。
风投企业8VC创始合伙人、Hexagon Bio公司董事会成员Alex Kolicich表示,“在我们看来,Hexagon可以算是新一代以计算为驱动力的首家大型制药企业。他们在创立之初就表现出巨大的野心。”此次A轮融资由The Column Group领投,Two Sigma Ventures参投。
这家总部位于门洛帕克的企业诞生于2017年,属于斯坦福大学的学术衍生公司。创始团队成员之一的Maureen Hillenmeyer曾在斯坦福大学担任自然基因组计划主管,目前出任Hexagon公司CEO。Hillenmeyer表示,Hexagon Bio公司最大的特色在于其使用多学科方法寻找新的候选药物。她解释道,“我们在数据科学与生物学领域都拥有世界一流的专业知识,这样的技术组合确实非常罕见。”
Hexgon Bio公司创始人Maureen Hillenmeyer, Colin Harvey, Brian Naughton以及Yi Tang
Hexagon Bio公司利用这些学科知识对真菌基因组进行测序,并检测其是否能够通过基因突变抵御疾病侵害。以此为基础,该公司进一步探索这些突变基因能够用于治疗人类疾病。事实上,类似的探索并非新生事物。他汀类药物具有降低胆固醇的作用,日本研究人员远藤章(Akira Endo)于1976年首先发现这类药物,并意识到青霉菌中的基因能够令他汀类药物产生两种可降低人类胆固醇的化合物。在研究期间,远藤章投入了多年时间扫描真菌基因组才得以找到这些珍贵的化合物。
Hexagon Bio公司希望通过人工智能与基因测序作为真菌筛选平台的底层技术,借此加快研究过程。Hillenmeyer在谈到远藤章的发现时表示,“通过分析基因组,我们可以发现青霉菌确实在产生胆固醇抑制剂。”在远藤章发现他汀类药物的上世纪七十年代,基因测序还是一项新兴技术,其成本高昂且速度极慢。但如今,低成本、高质量的测序技术以及其他技术进步,意味着Hexagon能够在更短的时间内发现药物有效成分。Hillenmeyer指出,“我们将再次回归自然,但这一次我们有了AI与数据科学作为有力武器。”
Hillenmeyer还提到,此次A轮融资筹得的资金将被用于为真菌基因组建立专项数据库,并雇用更多研究人员以在未来几年内通过临床途径探索新的化合物。尽管Hillenmeyer表示尚不能透露该公司迄今发现的任何化合物,但她表示公司目前的主要研究方向在于寻找新的抗癌及传染病治疗药物,包括各类抗药性真菌。未来,Hexagon Bio甚至有可能超越真菌的范畴,从其他类型的微生物中寻找药物有效成分。她总结道,“地球上估计存在约500万种真菌,而目前的研究范围只涵盖其中的5000种。我们肯定有得忙了。”
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。