फंडिंग

एआई आभासी-कोशिका अनुसंधान के विस्तार के लिए INFevo ने प्री-ए दौर में 100 मिलियन RMB से अधिक जुटाए

Evan Mercer
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुINFevo आभासी-कोशिका पूर्वानुमान को स्वचालित वेट-लैब सत्यापन के साथ जोड़ता है ताकि…
और देखें
  • INFevo आभासी-कोशिका पूर्वानुमान को स्वचालित वेट-लैब सत्यापन के साथ जोड़ता है ताकि परिकल्पना और प्रयोग के बीच का चक्र पूरा हो सके।
  • Karl Workbench की शीर्ष SciAgentArena रैंकिंग केवल दो ओमिक्स श्रेणियों में DeepSeek को कवर करती है, व्यापक वैज्ञानिक नेतृत्व को नहीं।
  • निर्णायक परीक्षण यह है कि क्या बेंचमार्क परिणाम रोगी-व्युत्पन्न ऑर्गेनॉइड्स और फार्मा कार्यप्रवाहों पर दोहराने योग्य प्रदर्शन में परिवर्तित होते हैं।

INFevo ने 16 नवंबर, 2026 को घोषणा की कि उसने अपने एआई आभासी-कोशिका मॉडल और स्वचालित प्रयोग प्रणालियों का विस्तार करने के लिए प्री-ए वित्तपोषण में 100 मिलियन RMB से अधिक जुटाए हैं। यह जानकारी निवेशक Xinglian Capital की घोषणा के अनुसार है। इस राशि से दवा कंपनियों, अस्पतालों और शोध संस्थानों के साथ गहरा सहयोग करने में भी मदद मिलेगी।

इस निवेश दौर में Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund और DT Capital शामिल हुए। मौजूदा निवेशकों Shunwei Capital, HSG और Songhe Capital ने भी अतिरिक्त निवेश किया। इससे पहले, जून 2026 में दसियों मिलियन युआन का एंजल निवेश दौर हुआ था; इस तरह पांच महीनों में यह INFevo का दूसरा निवेश दौर है। Xinglian ने इसे चीन की किसी आभासी-कोशिका कंपनी के लिए एक ही दौर में जुटाई गई रिकॉर्ड राशि बताया।

आभासी कोशिकाओं और स्वचालित प्रयोगों का मेल

INFevo की आभासी-कोशिका पद्धति को इस तरह तैयार किया गया है कि वह प्रयोगशाला में परीक्षणों से पहले दवा या आनुवंशिक हस्तक्षेपों के प्रति कोशिकाओं की प्रतिक्रियाओं का अनुमान लगा सके। इसके बाद शोधकर्ता संभावित लक्ष्यों की तुलना कर सकते हैं, उम्मीदवार अणुओं की प्राथमिकता तय कर सकते हैं और प्रयोगशाला में अधिक आशाजनक सवालों की जाँच के लिए समय और संसाधन आरक्षित रख सकते हैं। INFevo को विकसित करने वाली XtalPi ने 16 जुलाई, 2026 की घोषणा में बताया कि उसकी अणु-डिज़ाइन और स्वचालित संश्लेषण क्षमताएँ इन अनुमानों की पूरक हो सकती हैं। इससे अणु तैयार करने से लेकर कोशिकीय प्रतिक्रिया का अनुमान लगाने और फिर प्रयोगों से उसकी पुष्टि करने तक की एक पूरी प्रक्रिया बनती है।

OCOO-T शोधपत्र में एक सरल फ्लो-मैचिंग मॉडल का वर्णन है, जिसका मानक ट्रांसफ़ॉर्मर ढाँचा सीधे निरंतर जीन-अभिव्यक्ति प्रोफ़ाइल पर काम करता है। पूर्वानुमान को निरंतर समय में शोर हटाने की प्रक्रिया के रूप में तैयार किया गया है, जबकि हस्तक्षेप, खुराक और कोशिका-रेखा या कोशिका-प्रकार की जानकारी अनुकूली लेयर नॉर्मलाइज़ेशन और संदर्भगत टोकन के ज़रिए शामिल की जाती है।

लेखकों के अनुसार, Tahoe100M, Replogle और PBMC बेंचमार्क में मॉडल ने अत्याधुनिक नतीजे दिए। इन बेंचमार्क में रासायनिक, आनुवंशिक और साइटोकाइन हस्तक्षेप शामिल हैं। कोशिकीय संदर्भों को पैच और अनपैच करके मॉडल को लंबी ट्रांसक्रिप्शनल प्रोफ़ाइल पर भी लागू किया जा सकता है।

एक अकेले मॉडल से आगे बढ़कर, INFevo ऐसी प्रक्रिया विकसित कर रहा है जिसे वह आवर्ती वैज्ञानिक खोज कहता है। इसमें वैज्ञानिक सवालों, परिकल्पनाओं, विश्लेषणात्मक विधियों और प्रयोगों के नतीजों को सँजोकर रखा जाता है, ताकि वे आगे की परिकल्पनाओं, प्रयोगों की रूपरेखा और उम्मीदवारों के चयन में काम आ सकें। इसकी स्वचालित प्रयोगशाला प्रणाली में कोशिका संवर्धन, हस्तक्षेप और बहु-ओमिक्स मापन शामिल हैं। मॉडल के अनुमान प्रयोगों के चयन में मदद करते हैं, जबकि उनसे मिलने वाला डेटा उन अनुमानों की जाँच करता है और बाद में मॉडल को बेहतर बनाने में योगदान देता है।

शोध एजेंट और उनके बेंचमार्क की सीमाएँ

Popper Project इस शोध प्रक्रिया के परिकल्पना वाले पहलू पर काम करता है। इसका नाम दार्शनिक Karl Popper के नाम पर रखा गया है। यह शोध एजेंटों और पेशेवर डेटाबेस का उपयोग करके ऐसी परिकल्पनाएँ तैयार करता है जिन्हें परखा जा सके, उनकी आलोचनात्मक जाँच करता है और उन्हें परिष्कृत करता है। साथ ही, यह तर्क की अनुरेखणीय शृंखलाएँ, साक्ष्य की कमियाँ और प्रस्तावित प्रयोग दिखाता है। इसके Karl Workbench का बीटा परीक्षण शुरू हो चुका है। इसमें शोध अभिलेख, संचित साक्ष्य, नतीजे, पर्यवेक्षण और क्रमिक सुधार की सुविधाएँ हैं, जिनसे शोधकर्ता निर्णयों की समीक्षा कर सकते हैं और पहले किए गए काम को फिर से आगे बढ़ा सकते हैं।

Xinglian के अनुसार, अक्टूबर 2026 में SciAgentArena का उपयोग करके किए गए दोबारा परीक्षण में DeepSeek पर चलने पर Karl Workbench ने एकल-कोशिका और स्थानिक ओमिक्स—दोनों में समग्र रूप से पहला स्थान हासिल किया। इस बेंचमार्क में दवा खोज, एकल-कोशिका ओमिक्स, स्थानिक ओमिक्स, इलेक्ट्रॉनिक स्वास्थ्य अभिलेख और आनुवंशिकी से जुड़े लगभग 200 चरणबद्ध और सत्यापित कार्य शामिल हैं। इसमें एजेंट के कार्य निष्पादन को मूल्यांकन से अलग रखा जाता है और डेटा विश्लेषण, अनुकूलन, खोज तथा वैधता-जाँच की क्षमता आँकी जाती है।

SciAgentArena के लेखकों ने पाया कि कोई भी एक एजेंट सभी कार्यों और क्षेत्रों में सबसे आगे नहीं रहा। मौजूदा प्रणालियों का प्रदर्शन अलग-अलग कार्यों में असमान था; उन्हें नई खोज करने और स्वयं पहल करके पड़ताल करने में कठिनाई हुई। साथ ही, वैज्ञानिक आधार अमान्य होने पर भी वे अनुरोधों को पूरा करने की ओर प्रवृत्त थीं। इस व्यापक तस्वीर के कारण INFevo के बताए गए नतीजे का दायरा अहम है: दोबारा परीक्षण में DeepSeek को ओमिक्स की दो श्रेणियों में परखा गया, न कि वैज्ञानिक अनुसंधान के सभी क्षेत्रों में सामान्य बढ़त के लिए।

अगली कसौटी: नैदानिक नमूने

INFevo, Peking University First Hospital के नेतृत्व वाली बीजिंग की एक प्रमुख प्रयोगशाला में भी भाग ले रहा है। यह प्रयोगशाला यकृत, पित्त और अग्न्याशय के ट्यूमर के ऑर्गेनॉइड संवर्धन तथा बुद्धिमान निदान और उपचार पर केंद्रित है। सहयोग का घोषित उद्देश्य नैदानिक सवालों, रोगियों से प्राप्त ऑर्गेनॉइड मॉडल, दवा-जाँच, एआई विश्लेषण और नैदानिक सत्यापन को आपस में जोड़ना है। मॉडल के अनुमान और ऑर्गेनॉइड प्रयोग एक-दूसरे को सूचित करेंगे; इससे आभासी-कोशिका प्रणाली का रोगियों से प्राप्त नैदानिक नमूनों से सीधा जुड़ाव होगा।

सह-संस्थापक Yalong Zhao ने कहा कि इस वित्तपोषण से आधारभूत मॉडल और स्वचालित प्रयोगों के बुनियादी ढाँचे को समर्थन मिलेगा और आवर्ती-खोज प्रणाली को गति मिलेगी। INFevo के एक अन्य सह-संस्थापक Lipeng Lai, XtalPi के सह-संस्थापक और मुख्य नवाचार अधिकारी भी हैं।

नई पूँजी से INFevo को इस प्रणाली के दोनों पहलुओं—कंप्यूटेशनल पूर्वानुमान और स्वचालित सत्यापन—का विस्तार करने के लिए संसाधन मिलेंगे। अहम कसौटी यह होगी कि क्या डेवलपरों द्वारा बताए गए बेंचमार्क नतीजे और बीटा शोध उपकरण रोगियों से प्राप्त नमूनों तथा दवा अनुसंधान की कार्यप्रणालियों में भी लगातार दोहराए जा सकने वाले प्रदर्शन में बदलते हैं।

Evan Mercer एक एआई द्वारा निर्मित शोध एजेंट है Unite.AI पर, जो AI स्टार्टअप्स, वेंचर कैपिटल, और अगली पीढ़ी की प्रौद्योगिकी कंपनियों को आकार देने वाली फंडिंग गतिशीलता को कवर करता है। उनकी रिपोर्टिंग शुरुआती चरण के नवाचार, पूंजी प्रवाह, और संस्थापकों तथा निवेशकों द्वारा किए जाने वाले रणनीतिक निर्णयों पर केंद्रित है जब AI कंपनियां अवधारणा से वैश्विक प्रभाव तक स्केल करती हैं।

रणनीतिक और विश्लेषणात्मक दृष्टिकोण के साथ, Evan फंडिंग राउंड, बाजार स्थितिकरण, और AI स्टार्टअप इकोसिस्टम में उभरते रुझानों का विश्लेषण करता है। वह ट्रैक करता है कि वेंचर कैपिटल, कॉरपोरेट निवेश, और सार्वजनिक बाजार कैसे कृत्रिम बुद्धिमत्ता में प्रगति के साथ मिलते हैं, दीर्घकालिक संकेतों को अल्पकालिक हाइप से अलग करते हैं।

Evan Mercer द्वारा लिखित लेख AI-जनित हैं और Unite.AI की संपादकीय टीम द्वारा समीक्षित किए जाते हैं ताकि वैश्विक AI निवेश परिदृश्य की सटीकता, संदर्भ, और जिम्मेदार कवरेज सुनिश्चित हो सके।