每年,TechCrunch的创业大赛都会吸引数千名申请者。我们会从这些申请中筛选出前200名竞争者,其中前20名将在主舞台上竞争,争夺创业大赛奖杯和10万美元现金奖励。但其余180家初创公司在各自领域同样令人印象深刻,他们将参加各自类别的竞赛。
以下是生物技术和制药领域入选创业大赛前200名的完整名单,以及他们入选比赛的原因。
CasNx
业务内容:CasNx发明了一种新型的器官供体抗病毒治疗方法。
入选理由:该初创公司发明了一种基因编辑CRISPR工具包,能够在器官体外保存期间消除病毒并安装"通用供体"标记。
Chipiron
业务内容:Chipiron正在构建一款轻便且价格实惠的开放式全身MRI设备,旨在使MRI癌症诊断更广泛普及。
入选理由:该医疗MRI设备使用超导量子干涉器件(SQUID)构建,这是一种高敏感度磁力计,能够测量极弱的磁场,通常用于阵列天线。
Exactics
业务内容:Exactics正在构建一个快速诊断测试平台。
入选理由:Exactics致力于使消费者诊断工具包更广泛普及,首先从莱姆病的家用筛查开始,其他疾病的检测工具包也在规划中。
Lumos Strategies OU
业务内容:Lumos创造了一款名为Avara的消费级高频电磁设备,针对红细胞。
入选理由:Avara设计用于提供温和的非接触式"感应治疗",改善睡眠、放松和运动恢复。
Miraqules
业务内容:Miraqules开发了一种粉末形式的纳米技术,模拟血液凝固蛋白。
入选理由:该技术提供即时止血功能,是传统伤口治疗的独特且可能挽救生命的替代方案,特别适用于在事故现场治疗患者。
Nephrogen
业务内容:Nephrogen正在为肾脏疾病开发基因治疗解决方案。
入选理由:Nephrogen解决了基因编辑药物中最困难的部分。其技术使用AI准确定位基因编辑,精确靶向肾脏中引起疾病的特定细胞。
PraxisPro
业务内容:PraxisPro是一个AI驱动的培训系统,针对生命科学行业的销售和营销职位。
入选理由:该系统提供合规批准的内容,配备仿真训练和实时分析,确保代表生命科学公司的人员得到充分准备。
Reme-D
业务内容:Reme-D正在开发专门针对服务不足社区的可靠且价格合理的诊断测试。
入选理由:Reme-D开发的快速诊断测试不仅价格特别实惠,而且在炎热潮湿的气候中也能保持稳定。
Surgicure Technologies
业务内容:Surgicure创造了一种专利解决方案,更安全可靠地固定气管内插管(ET)。
入选理由:该设备使手术或其他治疗过程中通过口腔或鼻腔插入的柔性管道(ET管)对患者更安全、更舒适。
Q&A
Q1:CRISPR工具包在器官移植中有什么作用?
A:CasNx发明的CRISPR基因编辑工具包能够在器官体外保存期间消除病毒并安装"通用供体"标记,这是一种新型的器官供体抗病毒治疗方法,有助于提高器官移植的安全性和成功率。
Q2:Chipiron的MRI设备与传统MRI有什么不同?
A:Chipiron正在构建轻便且价格实惠的开放式全身MRI设备,使用超导量子干涉器件(SQUID)技术,这种高敏感度磁力计能够测量极弱磁场,旨在使MRI癌症诊断更广泛普及。
Q3:Nephrogen如何解决基因编辑药物的难题?
A:Nephrogen专注于为肾脏疾病开发基因治疗解决方案,其技术使用AI准确定位基因编辑,能够精确靶向肾脏中引起疾病的特定细胞,解决了基因编辑药物中最困难的精准定位问题。
好文章,需要你的鼓励
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
这项由多伦多大学领导的研究首次系统性地揭示了分词器选择对语言模型性能的重大影响。通过训练14个仅在分词器上有差异的相同模型,并使用包含5000个现实场景测试样本的基准测试,研究发现分词器的算法设计比词汇表大小更重要,字符级处理虽然效率较低但稳定性更强,而Unicode格式化是所有分词器的普遍弱点。这一发现将推动AI系统基础组件的优化发展。
人工智能安全公司Cyata发现LangChain核心库存在严重漏洞"LangGrinch",CVE编号为2025-68664,CVSS评分达9.3分。该漏洞可导致攻击者窃取敏感机密信息,甚至可能升级为远程代码执行。LangChain核心库下载量约8.47亿次,是AI智能体生态系统的基础组件。漏洞源于序列化和反序列化注入问题,可通过提示注入触发。目前补丁已发布,建议立即更新至1.2.5或0.3.81版本。
北京大学研究团队提出NExT-Vid方法,首次将自回归下一帧预测引入视频AI预训练。通过创新的上下文隔离设计和流匹配解码器,让机器像人类一样预测视频下一帧来学习理解视频内容。该方法在四个标准数据集上全面超越现有生成式预训练方法,为视频推荐、智能监控、医疗诊断等应用提供了新的技术基础。