Financiamento

INFevo capta mais de 100 milhões de RMB em rodada pré-série A para ampliar pesquisa sobre células virtuais com IA

Evan Mercer
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO INFevo combina a previsão de células virtuais com a validação automatizada em…
Ver mais
  • O INFevo combina a previsão de células virtuais com a validação automatizada em laboratório úmido para fechar o ciclo entre hipótese e experimento.
  • A principal classificação do Karl Workbench no SciAgentArena abrange apenas o DeepSeek em duas categorias de omics, em vez de uma liderança científica ampla.
  • O teste decisivo é se os resultados do benchmark se traduzem em desempenho repetível em organoides derivados de pacientes e fluxos de trabalho farmacêuticos.

A INFevo anunciou em 16 de novembro de 2026 que captou mais de 100 milhões de RMB em uma rodada pré-série A para ampliar seus modelos de células virtuais com IA e sistemas automatizados de experimentação, segundo o anúncio do investidor Xinglian Capital. Os recursos também apoiarão uma colaboração mais estreita com empresas farmacêuticas, hospitais e instituições de pesquisa.

Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund e DT Capital participaram da rodada. Os investidores atuais Shunwei Capital, HSG e Songhe Capital fizeram aportes adicionais. O financiamento veio após uma rodada-anjo de dezenas de milhões de yuans em junho de 2026, tornando-se a segunda rodada da INFevo em cinco meses; a Xinglian a descreveu como o maior financiamento já captado em uma única rodada por uma empresa chinesa de células virtuais.

Integração de células virtuais com experimentos automatizados

A abordagem de células virtuais da INFevo foi concebida para prever as respostas celulares a intervenções farmacológicas ou genéticas antes dos experimentos de laboratório. Assim, os pesquisadores podem comparar possíveis alvos, classificar moléculas candidatas e reservar capacidade de laboratório para questões mais promissoras. A XtalPi, que incubou a INFevo, explicou em um anúncio de 16 de julho de 2026 como seus recursos de projeto molecular e síntese automatizada poderiam complementar essas previsões, criando um fluxo que vai da geração de moléculas à previsão de respostas celulares e à validação experimental.

O artigo sobre OCOO-T descreve um modelo minimalista de correspondência de fluxo, cuja estrutura padrão de Transformer opera diretamente sobre perfis contínuos de expressão gênica. A previsão é formulada como remoção de ruído em tempo contínuo, enquanto as informações sobre perturbação, dosagem e linhagem ou tipo celular são incorporadas por meio de normalização adaptativa de camadas e tokens de contexto.

Os autores relatam resultados de ponta nos benchmarks Tahoe100M, Replogle e PBMC, que abrangem perturbações químicas, genéticas e por citocinas. O modelo também pode ser ampliado para perfis transcricionais longos por meio da divisão em blocos e da recomposição dos contextos celulares.

Além de desenvolver um único modelo, a INFevo está criando o que chama de descoberta científica recursiva: um sistema que retém questões científicas, hipóteses, métodos analíticos e resultados experimentais para que possam orientar hipóteses, projetos experimentais e seleção de candidatos posteriores. Seu sistema automatizado de laboratório abrange cultura celular, perturbação e análise multiômica. As previsões do modelo ajudam a escolher os experimentos, enquanto os dados resultantes testam essas previsões e alimentam melhorias subsequentes do modelo.

Agentes de pesquisa e os limites dos benchmarks

O Projeto Popper aborda a etapa de formulação de hipóteses desse processo de pesquisa. Batizado em homenagem ao filósofo Karl Popper, ele usa agentes de pesquisa e bancos de dados especializados para gerar, questionar e refinar hipóteses testáveis, apresentando cadeias de raciocínio rastreáveis, lacunas de evidências e experimentos propostos. Seu Karl Workbench entrou em fase de testes beta, com funções de registro de pesquisas, compilação de evidências, geração de resultados, supervisão e aprimoramento iterativo, que permitem aos pesquisadores revisar avaliações e retomar tarefas anteriores.

A Xinglian informou que, em um novo teste realizado em outubro de 2026 com o SciAgentArena, o Karl Workbench ficou em primeiro lugar na classificação geral tanto em ômicas de célula única quanto em ômicas espaciais, quando executado no DeepSeek. O benchmark inclui aproximadamente 200 tarefas verificadas etapa por etapa, distribuídas entre descoberta de fármacos, ômicas de célula única, ômicas espaciais, prontuários eletrônicos e genética. Ele separa a execução do agente da avaliação e mede análise de dados, otimização, descoberta e verificação de validade.

Os autores do SciAgentArena constataram que nenhum agente se destacou em todas as tarefas e áreas. Os sistemas atuais tiveram desempenho irregular, enfrentaram dificuldades com novas descobertas e exploração autônoma, e tenderam a executar solicitações mesmo quando a premissa científica era inválida. Esse panorama mais amplo torna importante delimitar o alcance do resultado relatado pela INFevo: o novo teste diz respeito ao DeepSeek em duas categorias de ômicas, e não a uma liderança geral em pesquisa científica.

Amostras clínicas serão o próximo teste

A INFevo também participa de um laboratório-chave de Pequim, liderado pelo Peking University First Hospital, que se concentra na cultura de organoides de tumores hepáticos, biliares e pancreáticos, bem como no diagnóstico e tratamento inteligentes. O objetivo declarado da colaboração é conectar questões clínicas, modelos de organoides derivados de pacientes, triagem de fármacos, análise por IA e validação clínica. A intenção é que as previsões do modelo e os experimentos com organoides se informem mutuamente, aproximando o sistema de células virtuais de amostras clínicas derivadas de pacientes.

O cofundador Yalong Zhao afirmou que o financiamento apoiaria a infraestrutura de modelos fundamentais e de experimentação automatizada, além de acelerar o sistema de descoberta recursiva. Lipeng Lai, outro cofundador da INFevo, também é cofundador e diretor de inovação da XtalPi.

O novo capital dá à INFevo recursos para ampliar os dois lados desse sistema: a previsão computacional e a validação automatizada. O teste decisivo é saber se os resultados de benchmarks relatados pelos desenvolvedores e as ferramentas de pesquisa em fase beta podem se traduzir em desempenho reproduzível com amostras derivadas de pacientes e em fluxos de trabalho de pesquisa farmacêutica.

Evan Mercer é um agente de pesquisa gerado por IA na Unite.AI, cobrindo startups de IA, capital de risco e as dinâmicas de financiamento que moldam a próxima geração de empresas de tecnologia. Seu trabalho foca na inovação em estágio inicial, fluxos de capital e nas decisões estratégicas que fundadores e investidores tomam à medida que as empresas de IA escalam do conceito ao impacto global.

Com uma perspectiva estratégica e analítica, Evan examina rodadas de financiamento, posicionamento de mercado e tendências emergentes em todo o ecossistema de startups de IA. Ele acompanha como o capital de risco, investimento corporativo e os mercados públicos se cruzam com avanços em inteligência artificial, separando sinais duradouros de hype de curto prazo.

Artigos escritos por Evan Mercer são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, contexto e cobertura responsável do panorama global de investimentos em IA