Финансирование
INFevo привлекла более 100 млн юаней в рамках раунда Pre-A для расширения исследований виртуальных клеток с помощью ИИ

Ключевые моментыINFevo объединяет предсказание виртуальных клеток с автоматизированной валидацией в…
Показать больше
- INFevo объединяет предсказание виртуальных клеток с автоматизированной валидацией в лабораторных условиях, чтобы замкнуть цикл между гипотезой и экспериментом.
- Высший рейтинг Karl Workbench в SciAgentArena охватывает только DeepSeek в двух категориях омики, а не широкое научное лидерство.
- Решающая проверка состоит в том, переводятся ли результаты бенчмарка в воспроизводимую производительность на органоидах, полученных от пациентов, и в фармацевтических рабочих процессах.
16 ноября 2026 года INFevo объявила о привлечении более 100 млн юаней в рамках раунда Pre-A для расширения моделей виртуальных клеток на основе ИИ и автоматизированных экспериментальных систем, согласно сообщению инвестора Xinglian Capital. Средства также пойдут на углубление сотрудничества с фармацевтическими компаниями, больницами и научно-исследовательскими учреждениями.
В раунде приняли участие Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund и DT Capital. Прежние инвесторы Shunwei Capital, HSG и Songhe Capital также вложили дополнительные средства. Финансированию предшествовал ангельский раунд на десятки миллионов юаней в июне 2026 года, поэтому это уже второй раунд INFevo за пять месяцев. Xinglian назвала его рекордным единовременным финансированием для китайской компании, занимающейся виртуальными клетками.
Виртуальные клетки и автоматизированные эксперименты
Подход INFevo к моделированию виртуальных клеток призван прогнозировать реакцию клеток на лекарственные или генетические вмешательства до проведения лабораторных экспериментов. Это позволит исследователям сравнивать потенциальные мишени, ранжировать молекулы-кандидаты и выделять ресурсы для лабораторных исследований под наиболее перспективные вопросы. В сообщении от 16 июля 2026 года XtalPi, в рамках которой была создана INFevo, рассказала, как ее возможности в области молекулярного дизайна и автоматизированного синтеза могут дополнять такие прогнозы, формируя непрерывный процесс — от генерации молекул до прогнозирования клеточной реакции и экспериментальной проверки.
В статье об OCOO-T описана минималистичная модель сопоставления потоков, стандартный стек Transformer в которой работает непосредственно с непрерывными профилями экспрессии генов. Прогнозирование формулируется как устранение шума в непрерывном времени, а сведения о воздействии, его дозировке, клеточной линии или типе клеток учитываются с помощью адаптивной нормализации слоев и токенов контекстного обучения.
Авторы сообщают о лучших на сегодняшний день результатах на наборах данных Tahoe100M, Replogle и PBMC, охватывающих химические, генетические и цитокиновые воздействия. Модель также обрабатывает длинные транскрипционные профили, разбивая клеточные контексты на патчи и затем собирая их обратно.
Помимо отдельной модели, INFevo разрабатывает систему, которую называет рекурсивным научным открытием: она сохраняет научные вопросы, гипотезы, аналитические методы и экспериментальные результаты, чтобы использовать их при формулировании последующих гипотез, планировании экспериментов и отборе кандидатов. Автоматизированная лабораторная система охватывает культивирование клеток, воздействие на них и мультиомные измерения. Прогнозы модели помогают выбирать эксперименты, а полученные данные проверяют эти прогнозы и используются для дальнейшего совершенствования модели.
Исследовательские агенты и ограничения бенчмарков
Проект Popper посвящен формулированию гипотез — одному из этапов исследовательского процесса. Он назван в честь философа Карла Поппера и использует исследовательских агентов и специализированные базы данных для создания, проверки и уточнения гипотез, допускающих экспериментальную проверку. Система показывает прослеживаемые цепочки рассуждений, пробелы в доказательной базе и предлагаемые эксперименты. Karl Workbench перешел на стадию бета-тестирования. В нем есть функции ведения исследовательских записей, накопления доказательств, получения результатов, контроля и итеративного улучшения, позволяющие исследователям проверять выводы и возвращаться к ранее начатым задачам.
По сообщению Xinglian, повторное тестирование в октябре 2026 года с использованием SciAgentArena показало, что при работе на DeepSeek Karl Workbench занял первое место в общем зачете как в одноклеточной, так и в пространственной омиксике. Бенчмарк включает около 200 задач с пошаговой проверкой в областях разработки лекарств, одноклеточной омиксики, пространственной омиксики, электронных медицинских карт и генетики. Он разделяет выполнение задач агентом и оценку результатов, проверяя анализ данных, оптимизацию, открытие нового и проверку достоверности.
Авторы SciAgentArena установили, что ни один агент не превосходит остальные во всех задачах и областях. Нынешние системы показывают неоднородные результаты, испытывают трудности с новыми открытиями и самостоятельным исследованием, а также склонны выполнять запросы, даже если их научная предпосылка неверна. Эти общие результаты помогают понять, насколько важны рамки заявленного достижения INFevo: повторное тестирование касается DeepSeek в двух категориях омиксики, а не общего лидерства во всех областях научных исследований.
Следующая проверка — на клинических образцах
INFevo также участвует в работе пекинской ключевой лаборатории под руководством Peking University First Hospital, которая занимается культивированием органоидов опухолей печени, желчных путей и поджелудочной железы, а также интеллектуальной диагностикой и лечением. Заявленная цель сотрудничества — связать клинические вопросы, модели органоидов, полученных от пациентов, скрининг лекарств, анализ с помощью ИИ и клиническую проверку. Предполагается, что прогнозы модели и эксперименты с органоидами будут дополнять друг друга, позволяя проверять систему виртуальных клеток на клинических образцах, полученных от пациентов.
Сооснователь Yalong Zhao заявил, что финансирование позволит поддержать разработку базовой модели и инфраструктуру автоматизированных экспериментов, а также ускорить создание системы рекурсивного открытия. Lipeng Lai, еще один сооснователь INFevo, также является сооснователем XtalPi и директором по инновациям компании.
Новый капитал позволит INFevo развивать обе составляющие этой системы: вычислительное прогнозирование и автоматизированную проверку. Главный вопрос — удастся ли превратить результаты бенчмарков, заявленные разработчиком, и исследовательские инструменты на стадии бета-тестирования в воспроизводимые результаты на образцах, полученных от пациентов, и в рабочих процессах фармацевтических исследований.












