Finanziamenti

INFevo raccoglie oltre 100 milioni di RMB in un finanziamento Pre-A per ampliare la ricerca sulle cellule virtuali basate sull’IA

Evan Mercer
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveINFevo abbina la previsione virtuale delle cellule alla validazione automatizzata in…
Vedi di più
  • INFevo abbina la previsione virtuale delle cellule alla validazione automatizzata in laboratorio per chiudere il ciclo tra ipotesi ed esperimento.
  • Il primo posto di Karl Workbench nella classifica SciAgentArena riguarda solo DeepSeek in due categorie omiche, non una leadership scientifica ampia.
  • Il test decisivo è se i risultati del benchmark si traducono in prestazioni ripetibili su organoidi derivati da pazienti e flussi di lavoro farmaceutici.

Il 16 novembre 2026 INFevo ha annunciato di aver raccolto oltre 100 milioni di RMB in un finanziamento Pre-A per ampliare i propri modelli di cellule virtuali basati sull’IA e i sistemi sperimentali automatizzati, secondo l’annuncio dell’investitore Xinglian Capital. I fondi sosterranno inoltre una collaborazione più approfondita con aziende farmaceutiche, ospedali e istituti di ricerca.

Al round hanno partecipato Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund e DT Capital. Gli investitori già presenti, Shunwei Capital, HSG e Songhe Capital, hanno effettuato ulteriori investimenti. Il finanziamento è arrivato dopo un round angel da decine di milioni di yuan nel giugno 2026, diventando il secondo per INFevo in cinque mesi; Xinglian lo ha descritto come il più grande finanziamento in un singolo round mai raccolto da un’azienda cinese di cellule virtuali.

Cellule virtuali e sperimentazione automatizzata

L’approccio di INFevo basato sulle cellule virtuali è progettato per prevedere le risposte cellulari a interventi farmacologici o genetici prima degli esperimenti di laboratorio. I ricercatori possono quindi confrontare i possibili bersagli, classificare le molecole candidate e riservare la capacità dei laboratori sperimentali alle domande di ricerca più promettenti. XtalPi, che ha incubato INFevo, ha illustrato in un annuncio del 16 luglio 2026 come le sue capacità di progettazione molecolare e sintesi automatizzata potrebbero integrare queste previsioni, creando un percorso che va dalla generazione di molecole alla previsione delle risposte cellulari, fino alla convalida sperimentale.

L’articolo su OCOO-T descrive un modello minimale di flow matching, la cui architettura Transformer standard opera direttamente su profili continui di espressione genica. La previsione è formulata come denoising a tempo continuo, mentre le informazioni su perturbazione, dosaggio e linea o tipo cellulare vengono integrate tramite la normalizzazione adattiva dei layer e token in-context.

Gli autori riportano risultati all’avanguardia nei benchmark Tahoe100M, Replogle e PBMC, che comprendono perturbazioni chimiche, genetiche e da citochine. Il modello è inoltre in grado di elaborare profili trascrizionali lunghi suddividendo in patch e ricomponendo i contesti cellulari.

Oltre a un singolo modello, INFevo sta sviluppando quello che definisce scoperta scientifica ricorsiva: conserva domande scientifiche, ipotesi, metodi analitici e risultati sperimentali, affinché possano orientare ipotesi successive, la progettazione degli esperimenti e la selezione dei candidati. Il suo sistema automatizzato per il lavoro di laboratorio comprende colture cellulari, perturbazioni e misurazioni multi-omiche. Le previsioni del modello aiutano a scegliere gli esperimenti, mentre i dati ottenuti ne verificano le previsioni e alimentano i successivi miglioramenti del modello.

Agenti di ricerca e limiti dei benchmark

Il progetto Popper affronta la componente del processo di ricerca dedicata alla formulazione di ipotesi. Intitolato al filosofo Karl Popper, si avvale di agenti di ricerca e database specialistici per generare, mettere alla prova e perfezionare ipotesi verificabili, mostrando catene di ragionamento tracciabili, lacune nelle evidenze ed esperimenti proposti. Karl Workbench è entrato in fase di beta testing e include funzioni per registrare le attività di ricerca, raccogliere evidenze, produrre risultati, supervisionare il lavoro e apportare miglioramenti iterativi, consentendo ai ricercatori di riesaminare le valutazioni e riprendere attività precedenti.

Xinglian ha riferito che una nuova valutazione condotta nell’ottobre 2026 con SciAgentArena ha collocato Karl Workbench al primo posto assoluto sia nell’analisi omica a singola cellula sia in quella spaziale, quando eseguito su DeepSeek. Il benchmark comprende circa 200 attività verificate passo per passo nei campi della scoperta di farmaci, dell’analisi omica a singola cellula, dell’analisi omica spaziale, delle cartelle cliniche elettroniche e della genetica. Distingue l’esecuzione degli agenti dalla valutazione e misura le capacità di analisi dei dati, ottimizzazione, scoperta e verifica della validità.

Gli autori di SciAgentArena hanno rilevato che nessun singolo agente prevaleva in tutte le attività e in tutti i domini. I sistemi attuali hanno ottenuto risultati disomogenei, hanno incontrato difficoltà nella scoperta di novità e nell’esplorazione autonoma e tendevano a eseguire le richieste anche quando la premessa scientifica non era valida. Questo quadro più ampio rende importante delimitare la portata del risultato riportato da INFevo: la nuova valutazione riguarda DeepSeek in due categorie omiche, non un primato generale nella ricerca scientifica.

I campioni clinici rappresentano la prossima prova

INFevo partecipa inoltre a un laboratorio chiave di Pechino diretto dal Peking University First Hospital, che si concentra sulla coltura di organoidi tumorali epatici, biliari e pancreatici e sulla diagnosi e il trattamento intelligenti. L’obiettivo dichiarato della collaborazione è collegare le domande cliniche, i modelli di organoidi derivati dai pazienti, lo screening farmacologico, l’analisi basata sull’IA e la convalida clinica. Le previsioni dei modelli e gli esperimenti sugli organoidi dovrebbero alimentarsi a vicenda, mettendo il sistema di cellule virtuali a confronto con campioni clinici derivati dai pazienti.

Il cofondatore Yalong Zhao ha dichiarato che il finanziamento sosterrà le infrastrutture per i modelli fondazionali e gli esperimenti automatizzati, accelerando il sistema di scoperta ricorsiva. Lipeng Lai, un altro cofondatore di INFevo, è anche cofondatore e direttore dell’innovazione di XtalPi.

Il nuovo capitale mette a disposizione di INFevo le risorse per ampliare entrambi gli ambiti del sistema: la previsione computazionale e la convalida automatizzata. La prova decisiva sarà capire se i risultati dei benchmark riportati dagli sviluppatori e gli strumenti di ricerca in fase beta potranno tradursi in prestazioni ripetibili su campioni derivati dai pazienti e nei flussi di lavoro della ricerca farmaceutica.

Evan Mercer è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre le startup IA, il venture capital e le dinamiche di finanziamento che modellano la prossima generazione di aziende tecnologiche. Il suo reportage si concentra sull'innovazione nelle fasi iniziali, sui flussi di capitale e sulle decisioni strategiche che fondatori e investitori prendono quando le aziende IA passano dal concetto all'impatto globale.

Con una prospettiva strategica e analitica, Evan esamina i round di finanziamento, il posizionamento di mercato e le tendenze emergenti nell'ecosistema delle startup IA. Monitora come il venture capital, gli investimenti corporate e i mercati pubblici si intersecano con le innovazioni nell'intelligenza artificiale, distinguendo i segnali durevoli dal clamore a breve termine.

Gli articoli scritti da Evan Mercer sono generati dall'IA e revisionati dal team editoriale di Unite.AI per garantire accuratezza, contesto e una copertura responsabile del panorama globale degli investimenti IA