Financiering
INFevo haalt ruim 100 miljoen RMB aan pre-A-financiering op voor uitbreiding van onderzoek naar virtuele AI-cellen

Belangrijkste puntenINFevo combineert virtuele celvoorspelling met geautomatiseerde validatie in het natte…
Meer weergeven
- INFevo combineert virtuele celvoorspelling met geautomatiseerde validatie in het natte lab om de cyclus tussen hypothese en experiment te sluiten.
- De hoogste SciAgentArena-rangschikking van Karl Workbench heeft alleen betrekking op DeepSeek in twee omics-categorieën en niet op breed wetenschappelijk leiderschap.
- De beslissende test is of benchmarkresultaten zich vertalen in herhaalbare prestaties op organoïden afkomstig van patiënten en in farmaceutische workflows.
INFevo maakte op 16 november 2026 bekend dat het meer dan 100 miljoen RMB aan pre-A-financiering had opgehaald om zijn AI-modellen voor virtuele cellen en geautomatiseerde experimentele systemen uit te breiden, volgens de aankondiging van investeerder Xinglian Capital. De opbrengst zal ook worden ingezet voor intensievere samenwerking met farmaceutische bedrijven, ziekenhuizen en onderzoeksinstellingen.
Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund en DT Capital namen deel aan de financieringsronde. Bestaande investeerders Shunwei Capital, HSG en Songhe Capital deden aanvullende investeringen. De financiering volgde op een angelronde van tientallen miljoenen yuan in juni 2026 en was daarmee de tweede financieringsronde van INFevo in vijf maanden; Xinglian omschreef het bedrag als een record voor één financieringsronde van een Chinees bedrijf voor virtuele cellen.
Virtuele cellen combineren met geautomatiseerde experimenten
De aanpak van INFevo met virtuele cellen is bedoeld om cellulaire reacties op medicamenteuze of genetische interventies te voorspellen voordat laboratoriumexperimenten worden uitgevoerd. Onderzoekers kunnen vervolgens mogelijke doelwitten vergelijken, kandidaat-moleculen rangschikken en capaciteit voor laboratoriumexperimenten reserveren voor veelbelovender onderzoeksvragen. XtalPi, waar INFevo is ontstaan, beschreef in een aankondiging van 16 juli 2026 hoe zijn mogelijkheden op het gebied van molecuulontwerp en geautomatiseerde synthese deze voorspellingen kunnen aanvullen. Zo ontstaat een keten die loopt van het genereren van moleculen via het voorspellen van cellulaire reacties tot experimentele validatie.
Het OCOO-T-artikel beschrijft een minimalistisch model voor flow matching, waarvan de standaard Transformer-architectuur rechtstreeks werkt met continue genexpressieprofielen. Voorspellingen worden geformuleerd als denoising in continue tijd, terwijl informatie over de interventie, dosering en cellijn of celtype wordt verwerkt via adaptieve laagnormalisatie en tokens voor in-contextleren.
De auteurs melden resultaten van het hoogste niveau op de benchmarks Tahoe100M, Replogle en PBMC, die chemische, genetische en cytokine-interventies omvatten. Het model kan bovendien worden opgeschaald naar lange transcriptionele profielen door cellulaire contexten op te delen in patches en die achteraf weer samen te voegen.
Naast één afzonderlijk model bouwt INFevo aan wat het ‘recursieve wetenschappelijke ontdekking’ noemt: het bewaart wetenschappelijke vragen, hypothesen, analysemethoden en experimentele resultaten, zodat die later kunnen bijdragen aan nieuwe hypothesen, experimentele ontwerpen en de selectie van kandidaten. Het geautomatiseerde systeem voor laboratoriumexperimenten omvat celkweek, interventies en metingen van multi-omics. Modelvoorspellingen helpen bij de keuze van experimenten, terwijl de daaruit voortkomende gegevens die voorspellingen toetsen en bijdragen aan verdere verbetering van de modellen.
Onderzoeksagenten en de beperkingen van hun benchmarks
Het Popper Project richt zich op het formuleren van hypothesen binnen dit onderzoeksproces. Het is vernoemd naar de filosoof Karl Popper en maakt gebruik van onderzoeksagenten en professionele databanken om toetsbare hypothesen op te stellen, ter discussie te stellen en aan te scherpen. Daarbij toont het controleerbare redeneringsketens, lacunes in het bewijsmateriaal en voorgestelde experimenten. De Karl Workbench is begonnen aan bètatests. Het systeem beschikt over onderzoeksdossiers, verzameld bewijsmateriaal, uitvoerresultaten, toezicht en functies voor stapsgewijze verbetering, waarmee onderzoekers oordelen kunnen beoordelen en eerder gestarte taken kunnen hervatten.
Xinglian meldde dat Karl Workbench bij een hertest in oktober 2026 met SciAgentArena in zowel single-cell-omics als ruimtelijke omics overall op de eerste plaats eindigde bij gebruik van DeepSeek. De benchmark omvat ongeveer 200 stapsgewijs geverifieerde taken op het gebied van geneesmiddelenontwikkeling, single-cell-omics, ruimtelijke omics, elektronische patiëntendossiers en genetica. De benchmark maakt onderscheid tussen de uitvoering door agenten en de evaluatie, en beoordeelt data-analyse, optimalisatie, ontdekking en validiteitscontrole.
De auteurs van SciAgentArena stelden vast dat geen enkele agent op alle taken en domeinen domineerde. De huidige systemen presteerden wisselvallig, hadden moeite met nieuwe ontdekkingen en zelfstandig verkennend onderzoek, en voerden verzoeken doorgaans uit, zelfs wanneer de wetenschappelijke uitgangspremisse onjuist was. Tegen die bredere achtergrond is de reikwijdte van het door INFevo gemelde resultaat van belang: de hertest betreft DeepSeek in twee omics-categorieën en toont geen algemene voorsprong in wetenschappelijk onderzoek aan.
Klinische monsters vormen de volgende test
INFevo neemt ook deel aan een belangrijk laboratorium in Beijing onder leiding van Peking University First Hospital, dat zich richt op de kweek van tumororganoïden van de lever, galwegen en alvleesklier, en op intelligente diagnose en behandeling. Het uitgesproken doel van de samenwerking is klinische vragen, patiëntafgeleide organoïdemodellen, screening van geneesmiddelen, AI-analyse en klinische validatie met elkaar te verbinden. Het is de bedoeling dat modelvoorspellingen en organoïdexperimenten elkaar wederzijds informeren, zodat het systeem met virtuele cellen kan worden getoetst aan klinische monsters afkomstig van patiënten.
Medeoprichter Yalong Zhao zei dat de financiering de infrastructuur voor basismodellen en geautomatiseerde experimenten zou ondersteunen en de ontwikkeling van het systeem voor recursieve ontdekking zou versnellen. Lipeng Lai, een andere medeoprichter van INFevo, is ook medeoprichter en chief innovation officer van XtalPi.
Dankzij het nieuwe kapitaal kan INFevo beide onderdelen van het systeem uitbreiden: computationele voorspellingen en geautomatiseerde validatie. De doorslaggevende test is of de door de ontwikkelaar gemelde benchmarkresultaten en bètaversies van onderzoekstools kunnen leiden tot reproduceerbare prestaties met patiëntafgeleide monsters en in onderzoeksprocessen van farmaceutische bedrijven.












