BigHat Biosciences 押注：濕實驗室與機器學習緊密串接，勝過抗體篩選

一套抗體工程平台，將專有濕實驗室與機器學習模型搭配，在數天而非數月內設計並測試抗體候選物

與機器學習模型緊密串接的濕實驗室，能比篩選數千條序列更快打造出更好的抗體

2019 年 530 萬美元種子輪，2021 年 1,900 萬美元 A 輪——總計募得 2,430 萬美元

生物資訊學資深人士 Mark DePristo 與科學長 Peyton Greenside 於 2019 年在加州聖卡洛斯創立 BigHat，押注將運算與內部濕實驗室結合——而非僅靠軟體——才是超越傳統抗體探索的工程途徑。

BigHat 於 2019 年由 8VC 領投募得 530 萬美元種子輪，建立其濕實驗室加機器學習平台，並以此工程化出一款中和 SARS-CoV-2 的雙特異性抗體，作為早期驗證。2021 年 2 月，該公司完成由 Andreessen Horowitz 領投、超額認購的 1,900 萬美元 A 輪，a16z 普通合夥人 Vineeta Agarwala 加入董事會；既有投資者 8VC、AME Cloud Ventures 與 Innovation Endeavors 亦跟投。

多數抗體公司篩選的是龐大但固定的既有序列庫，僅涵蓋生物學上可能的一小部分。

擁有自家濕實驗室意味著 BigHat 掌控自己的實驗資料流程，而非依賴其他公司選擇發表或分享的資料。

將新鮮的實驗室資料以緊密迴路直接回饋到機器學習模型，讓平台得以鎖定不存在於任何篩選庫中的抗體設計。

一項早期驗證——一款可運作的 SARS-CoV-2 雙特異性抗體——在 A 輪之前就向投資者證明此迴路可行，而不只是簡報說詞。

當整個產業都在篩選同一堆既有的乾草堆時，自己掌握資料生成迴路——而不只是其上的模型——可能才是真正的護城河。

截至 2021-02-10，BigHat 正運用新資金招募抗體與蛋白質工程師、AI/ML 工程師及計算生物學家，同時持續建構其平台，並在未來兩到三年內推動內部治療項目邁向人體臨床試驗。