
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
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。