Financement
INFevo lève plus de 100 millions de RMB lors d’un tour de financement pré-série A pour développer ses recherches sur les cellules virtuelles fondées sur l’IA

Points clésINFevo associe la prédiction de cellules virtuelles à une validation automatisée en…
Voir plus
- INFevo associe la prédiction de cellules virtuelles à une validation automatisée en laboratoire humide pour boucler la boucle entre hypothèse et expérience.
- Le classement de tête de Karl Workbench dans SciAgentArena ne couvre que DeepSeek dans deux catégories omiques plutôt qu'une large direction scientifique.
- Le test décisif est de savoir si les résultats des benchmarks se traduisent en performances reproductibles sur des organoïdes dérivés de patients et des flux de travail pharmaceutiques.
Le 16 novembre 2026, INFevo a annoncé avoir levé plus de 100 millions de RMB lors d’un tour de financement pré-série A afin de développer ses modèles de cellules virtuelles fondés sur l’IA et ses systèmes expérimentaux automatisés, selon l’annonce de l’investisseur Xinglian Capital. Les fonds serviront également à approfondir la collaboration avec des entreprises pharmaceutiques, des hôpitaux et des instituts de recherche.
Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund et DT Capital ont participé à ce tour de financement. Les investisseurs existants Shunwei Capital, HSG et Songhe Capital ont également investi des fonds supplémentaires. Ce financement fait suite à un tour d’amorçage de plusieurs dizaines de millions de yuans en juin 2026, ce qui en fait le deuxième tour d’INFevo en cinq mois ; Xinglian l’a décrit comme le plus important tour de financement jamais réalisé en une seule levée par une entreprise chinoise spécialisée dans les cellules virtuelles.
Associer cellules virtuelles et expériences automatisées
L’approche d’INFevo fondée sur les cellules virtuelles vise à prédire les réactions cellulaires aux interventions médicamenteuses ou génétiques avant les expériences en laboratoire. Les chercheurs pourraient alors comparer les cibles potentielles, classer les molécules candidates et réserver les capacités expérimentales aux questions les plus prometteuses. XtalPi, qui a accompagné l’incubation d’INFevo, a expliqué dans une annonce du 16 juillet 2026 comment ses capacités de conception moléculaire et de synthèse automatisée pourraient compléter ces prédictions, créant ainsi une chaîne allant de la génération moléculaire à la validation expérimentale, en passant par la prédiction des réactions cellulaires.
L’article sur OCOO-T décrit un modèle minimaliste d’appariement de flux, dont l’architecture Transformer standard traite directement des profils continus d’expression génique. La prédiction est formulée comme un débruitage en temps continu, tandis que les informations relatives à la perturbation, à la dose et à la lignée ou au type cellulaire sont intégrées au moyen d’une normalisation adaptative des couches et de jetons contextuels.
Les auteurs font état de résultats de pointe sur les bancs d’essai Tahoe100M, Replogle et PBMC, qui couvrent les perturbations chimiques, génétiques et cytokiniques. Le modèle peut également traiter de longs profils transcriptionnels en découpant les contextes cellulaires en segments, puis en les recomposant.
Au-delà d’un modèle unique, INFevo développe ce qu’elle appelle la découverte scientifique récursive : elle conserve les questions scientifiques, les hypothèses, les méthodes d’analyse et les résultats expérimentaux afin qu’ils puissent éclairer les hypothèses ultérieures, la conception des expériences et le choix des candidats. Son système automatisé d’expérimentation en laboratoire couvre la culture cellulaire, les perturbations et les mesures multi-omiques. Les prédictions du modèle aident à choisir les expériences, tandis que les données obtenues permettent de tester ces prédictions et d’améliorer les modèles par la suite.
Agents de recherche et limites de leurs bancs d’essai
Le projet Popper s’intéresse à la formulation d’hypothèses dans le processus de recherche. Nommé en référence au philosophe Karl Popper, il s’appuie sur des agents de recherche et des bases de données spécialisées pour formuler, mettre à l’épreuve et affiner des hypothèses vérifiables. Il présente des chaînes de raisonnement traçables, les lacunes en matière de données probantes et les expériences proposées. Son environnement Karl Workbench est entré en phase de bêta-test. Il comprend des fonctions de gestion des dossiers de recherche, des données probantes accumulées, des résultats et de la supervision, ainsi que des fonctions d’amélioration itérative qui permettent aux chercheurs d’examiner les jugements et de reprendre des tâches antérieures.
Xinglian a indiqué qu’un nouveau test réalisé en octobre 2026 avec SciAgentArena avait classé Karl Workbench en tête du classement général, à la fois pour les omiques unicellulaires et pour les omiques spatiales, lorsqu’il fonctionnait avec DeepSeek. Le banc d’essai comprend environ 200 tâches vérifiées étape par étape, dans les domaines de la découverte de médicaments, des omiques unicellulaires, des omiques spatiales, des dossiers médicaux électroniques et de la génétique. Il distingue l’exécution par les agents de l’évaluation, et mesure les capacités d’analyse des données, d’optimisation, de découverte et de vérification de la validité.
Les auteurs de SciAgentArena ont constaté qu’aucun agent ne dominait dans l’ensemble des tâches et des domaines. Les systèmes actuels ont obtenu des résultats inégaux, éprouvaient des difficultés en matière de découvertes inédites et d’exploration autonome, et avaient tendance à exécuter les demandes même lorsque leur prémisse scientifique était invalide. Ces résultats plus généraux soulignent l’importance de bien circonscrire la portée du résultat rapporté par INFevo : le nouveau test porte sur DeepSeek dans deux catégories d’omiques, et non sur une avance générale dans l’ensemble de la recherche scientifique.
Les échantillons cliniques, prochaine étape de l’évaluation
INFevo participe également à un laboratoire clé de Pékin dirigé par Peking University First Hospital, spécialisé dans la culture d’organoïdes de tumeurs hépatiques, biliaires et pancréatiques, ainsi que dans le diagnostic et le traitement intelligents. La collaboration a pour objectif déclaré de relier les questions cliniques, les modèles d’organoïdes dérivés de patients, le criblage de médicaments, l’analyse par l’IA et la validation clinique. Les prédictions des modèles et les expériences sur les organoïdes sont conçues pour s’enrichir mutuellement et mettre le système de cellules virtuelles en contact avec des échantillons cliniques dérivés de patients.
Le cofondateur Yalong Zhao a déclaré que le financement soutiendrait les fondations des modèles et l’infrastructure d’expérimentation automatisée, tout en accélérant le système de découverte récursive. Lipeng Lai, un autre cofondateur d’INFevo, est également cofondateur et directeur de l’innovation chez XtalPi.
Les nouveaux capitaux donnent à INFevo les moyens de développer les deux volets de son système : la prédiction informatique et la validation automatisée. L’enjeu est de déterminer si les résultats de bancs d’essai rapportés par le développeur et les outils de recherche en version bêta peuvent se traduire par des performances reproductibles sur des échantillons dérivés de patients et dans les processus de recherche pharmaceutique.












