Finansowanie
INFevo pozyskuje ponad 100 mln RMB w rundzie Pre-A na rozwój badań nad wirtualnymi komórkami opartymi na AI

Kluczowe punktyINFevo łączy przewidywanie wirtualnych komórek z automatyczną walidacją w laboratorium…
Zobacz więcej
- INFevo łączy przewidywanie wirtualnych komórek z automatyczną walidacją w laboratorium, aby zamknąć pętlę między hipotezą a eksperymentem.
- Najwyższy ranking Karl Workbench w SciAgentArena obejmuje tylko DeepSeek w dwóch kategoriach omicznych, a nie szerokie przywództwo naukowe.
- Decydującym testem jest to, czy wyniki benchmarków przekładają się na powtarzalną wydajność na organoidach pochodzących od pacjentów i w przepływach pracy farmaceutycznej.
INFevo poinformowało 16 listopada 2026 r. o pozyskaniu ponad 100 mln RMB w rundzie finansowania Pre-A, które ma wesprzeć rozwój modeli wirtualnych komórek opartych na AI oraz zautomatyzowanych systemów eksperymentalnych, jak wynika z komunikatu inwestora, Xinglian Capital. Środki zostaną również przeznaczone na zacieśnienie współpracy z firmami farmaceutycznymi, szpitalami i instytucjami badawczymi.
W rundzie uczestniczyły Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund i DT Capital. Dotychczasowi inwestorzy Shunwei Capital, HSG i Songhe Capital również zwiększyli swoje zaangażowanie. Finansowanie nastąpiło po rundzie anielskiej, w której w czerwcu 2026 r. spółka pozyskała dziesiątki milionów juanów, i było jej drugą rundą w ciągu pięciu miesięcy; według Xinglian była to rekordowa pojedyncza runda finansowania chińskiej firmy zajmującej się wirtualnymi komórkami.
Łączenie wirtualnych komórek ze zautomatyzowanymi eksperymentami
Podejście INFevo oparte na wirtualnych komórkach ma umożliwiać przewidywanie reakcji komórkowych na interwencje farmakologiczne lub genetyczne jeszcze przed eksperymentami laboratoryjnymi. Naukowcy mogliby dzięki temu porównywać potencjalne cele, ustalać kolejność kandydatów na cząsteczki i przeznaczać zasoby laboratoryjne na bardziej obiecujące zagadnienia. XtalPi, w ramach którego inkubowano INFevo, opisało w komunikacie z 16 lipca 2026 r., w jaki sposób jego możliwości projektowania cząsteczek i zautomatyzowanej syntezy mogłyby uzupełniać te przewidywania, tworząc ciąg działań od generowania cząsteczek, przez przewidywanie reakcji komórkowych, po walidację eksperymentalną.
W artykule o OCOO-T opisano minimalistyczny model dopasowania przepływu, którego standardowy stos Transformer działa bezpośrednio na ciągłych profilach ekspresji genów. Przewidywanie ujęto jako odszumianie w czasie ciągłym, a informacje o perturbacji, dawce oraz linii lub typie komórek są wprowadzane za pomocą adaptacyjnej normalizacji warstw i tokenów kontekstowych.
Autorzy informują o wynikach na najwyższym poziomie w testach porównawczych Tahoe100M, Replogle i PBMC, obejmujących perturbacje chemiczne, genetyczne i cytokinowe. Model można także skalować do długich profili transkrypcyjnych dzięki dzieleniu i ponownemu łączeniu kontekstów komórkowych.
Poza rozwijaniem pojedynczego modelu INFevo buduje system, który nazywa rekurencyjnym odkrywaniem naukowym: zachowuje pytania naukowe, hipotezy, metody analityczne i wyniki eksperymentów, aby mogły posłużyć do formułowania kolejnych hipotez, projektowania eksperymentów i wyboru kandydatów. Zautomatyzowany system laboratoryjny obejmuje hodowlę komórek, ich perturbację i pomiary wieloomiczne. Przewidywania modelu pomagają wybierać eksperymenty, a uzyskane dane służą do ich weryfikacji i dalszego ulepszania modelu.
Agenci badawczy i ograniczenia testów porównawczych
Projekt Popper koncentruje się na etapie formułowania hipotez w tym procesie badawczym. Nazwany na cześć filozofa Karla Poppera, wykorzystuje agentów badawczych i specjalistyczne bazy danych do generowania, kwestionowania i udoskonalania hipotez, które można poddać testom. Przedstawia przy tym możliwe do prześledzenia tok rozumowania, luki w dowodach i proponowane eksperymenty. Narzędzie Karl Workbench rozpoczęło testy beta. Oferuje dokumentację badań, gromadzenie dowodów, wyniki, nadzór oraz funkcje iteracyjnego doskonalenia, które pozwalają naukowcom weryfikować oceny i wracać do wcześniejszych zadań.
Xinglian poinformowało, że w powtórnym teście przeprowadzonym w październiku 2026 r. za pomocą SciAgentArena Karl Workbench zajął pierwsze miejsce w klasyfikacji ogólnej zarówno w dziedzinie omiki pojedynczych komórek, jak i omiki przestrzennej, działając na DeepSeek. Test porównawczy obejmuje około 200 zadań weryfikowanych etap po etapie z zakresu odkrywania leków, omiki pojedynczych komórek, omiki przestrzennej, elektronicznej dokumentacji medycznej i genetyki. Oddziela wykonywanie zadań przez agentów od ich oceny, a także sprawdza analizę danych, optymalizację, odkrywanie i weryfikację poprawności.
Autorzy SciAgentArena ustalili, że żaden pojedynczy agent nie osiągał najlepszych wyników we wszystkich zadaniach i dziedzinach. Obecne systemy radziły sobie nierówno, miały trudności z nowymi odkryciami i samodzielnym eksplorowaniem zagadnień, a także skłaniały się do wykonywania poleceń nawet wtedy, gdy ich naukowe założenia były błędne. Szerszy obraz wyników pokazuje, dlaczego zakres rezultatu zgłoszonego przez INFevo ma znaczenie: powtórny test dotyczy DeepSeek w dwóch kategoriach omicznych, a nie ogólnej przewagi w badaniach naukowych.
Próbki kliniczne będą kolejnym sprawdzianem
INFevo uczestniczy również w pracach kluczowego laboratorium w Pekinie, kierowanego przez Peking University First Hospital, które koncentruje się na hodowli organoidów nowotworów wątroby, dróg żółciowych i trzustki, a także na inteligentnej diagnostyce i leczeniu. Celem współpracy, jak podano, jest połączenie zagadnień klinicznych, modeli organoidów pochodzących od pacjentów, badań przesiewowych leków, analiz AI i walidacji klinicznej. Przewidywania modelu i eksperymenty na organoidach mają wzajemnie na siebie wpływać, łącząc system wirtualnych komórek z próbkami klinicznymi pochodzącymi od pacjentów.
Współzałożyciel Yalong Zhao powiedział, że finansowanie wesprze rozwój infrastruktury modelu podstawowego i zautomatyzowanych eksperymentów oraz przyspieszy prace nad systemem rekurencyjnego odkrywania. Lipeng Lai, inny współzałożyciel INFevo, jest również współzałożycielem i dyrektorem ds. innowacji w XtalPi.
Nowy kapitał pozwala INFevo rozwijać oba elementy systemu: przewidywanie obliczeniowe i zautomatyzowaną walidację. Kluczowym sprawdzianem będzie to, czy wyniki testów porównawczych zgłaszane przez twórców i narzędzia badawcze w wersji beta przełożą się na powtarzalne rezultaty w badaniach próbek pochodzących od pacjentów i w procesach badawczych firm farmaceutycznych.












