Фінансування

INFevo залучила понад 100 млн юанів у раунді Pre-A для розширення досліджень віртуальних клітин на основі ШІ

Evan Mercer
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиINFevo поєднує прогнозування віртуальних клітин з автоматизованою валідацією в…
Показати більше
  • INFevo поєднує прогнозування віртуальних клітин з автоматизованою валідацією в лабораторії, щоб замкнути цикл між гіпотезою та експериментом.
  • Найвищий рейтинг Karl Workbench у SciAgentArena охоплює лише DeepSeek у двох категоріях оміксів, а не широке наукове лідерство.
  • Вирішальним випробуванням є те, чи результати бенчмарків перетворюються на відтворювану продуктивність на органоїдах, похідних від пацієнтів, і у фармацевтичних робочих процесах.

16 листопада 2026 року INFevo оголосила про залучення понад 100 млн юанів у раунді Pre-A для розширення своїх моделей віртуальних клітин на основі ШІ та систем автоматизованих експериментів, як зазначено в повідомленні інвестора Xinglian Capital. Кошти також спрямують на поглиблення співпраці з фармацевтичними компаніями, лікарнями та науково-дослідними установами.

У раунді взяли участь Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund і DT Capital. Наявні інвестори Shunwei Capital, HSG і Songhe Capital також вклали додаткові кошти. Фінансування відбулося після ангельського раунду на десятки мільйонів юанів у червні 2026 року, тож це вже другий раунд фінансування INFevo за п’ять місяців; Xinglian назвала його рекордним фінансуванням за один раунд для китайської компанії, що розробляє віртуальні клітини.

Поєднання віртуальних клітин з автоматизованими експериментами

Підхід INFevo до віртуальних клітин покликаний прогнозувати клітинні реакції на медикаментозне чи генетичне втручання ще до проведення лабораторних експериментів. Це дасть дослідникам змогу порівнювати потенційні мішені, визначати пріоритетність молекул-кандидатів і резервувати лабораторні ресурси для перспективніших дослідницьких питань. XtalPi, у межах якої було створено INFevo, у повідомленні від 16 липня 2026 року описала, як її можливості молекулярного дизайну й автоматизованого синтезу можуть доповнити ці прогнози та сформувати послідовний процес — від створення молекул через прогнозування клітинної відповіді до експериментальної перевірки.

У статті про OCOO-T описано мінімалістичну модель flow matching, у якій стандартний стек Transformer безпосередньо працює з неперервними профілями експресії генів. Прогнозування сформульовано як усунення шуму в неперервному часі, а інформація про втручання, дозування та клітинну лінію або тип клітин подається за допомогою адаптивної нормалізації шарів і токенів контексту.

Автори повідомляють про найкращі на сьогодні результати на наборах даних Tahoe100M, Replogle і PBMC, що охоплюють хімічні, генетичні та цитокінові втручання. Модель також масштабується для роботи з довгими транскрипційними профілями завдяки поділу клітинних контекстів на патчі та їх подальшому збиранню.

Окрім створення окремої моделі, INFevo розбудовує те, що називає рекурсивним науковим відкриттям: зберігає наукові питання, гіпотези, аналітичні методи й експериментальні результати, щоб використовувати їх під час формування подальших гіпотез, проєктування експериментів і відбору кандидатів. Її автоматизована лабораторна система охоплює культивування клітин, проведення втручань і вимірювання багатьох оміксних показників. Прогнози моделі допомагають обирати експерименти, а отримані дані перевіряють ці прогнози й дають змогу надалі вдосконалювати модель.

Дослідницькі агенти та обмеження бенчмарків

The Popper Project зосереджується на гіпотезах у цьому дослідницькому процесі. Названий на честь філософа Карла Поппера, проєкт використовує дослідницьких агентів і фахові бази даних, щоб генерувати, оскаржувати й уточнювати гіпотези, які можна перевірити, а також показує простежувані ланцюжки міркувань, прогалини в доказах і запропоновані експерименти. Його Karl Workbench розпочав бета-тестування. Інструмент містить дослідницькі записи, накопичені докази, результати, функції нагляду й поступового вдосконалення, які дають дослідникам змогу переглядати оцінки та повертатися до попередніх завдань.

За повідомленням Xinglian, під час повторного тестування в жовтні 2026 року за допомогою SciAgentArena Karl Workbench посів перше місце в загальному заліку як в одноклітинній, так і в просторовій оміксі під час роботи на DeepSeek. Бенчмарк охоплює приблизно 200 завдань із покроковою перевіркою у сферах відкриття ліків, одноклітинної оміксики, просторової оміксики, електронних медичних карт і генетики. Він відокремлює виконання завдань агентом від оцінювання та перевіряє аналіз даних, оптимізацію, відкриття й верифікацію результатів.

Автори SciAgentArena встановили, що жоден окремий агент не домінував у всіх завданнях і предметних сферах. Сучасні системи демонстрували нерівномірні результати, мали труднощі з новими відкриттями та самостійним дослідженням і, як правило, виконували запити навіть тоді, коли їхні наукові передумови були хибними. Ці ширші результати допомагають зрозуміти значення заявленого INFevo досягнення: повторне тестування стосувалося DeepSeek у двох категоріях оміксики, а не загальної переваги в усіх сферах наукових досліджень.

Клінічні зразки стануть наступним випробуванням

INFevo також бере участь у роботі Пекінської ключової лабораторії під керівництвом Peking University First Hospital, яка зосереджується на культивуванні органоїдів пухлин печінки, жовчних шляхів і підшлункової залози, а також на інтелектуальній діагностиці й лікуванні. Заявлена мета співпраці — поєднати клінічні питання, моделі органоїдів, отриманих від пацієнтів, скринінг ліків, аналіз за допомогою ШІ та клінічну валідацію. Передбачається, що прогнози моделі й експерименти з органоїдами доповнюватимуть одне одного, даючи змогу перевіряти систему віртуальних клітин на клінічних зразках пацієнтів.

Співзасновник Yalong Zhao заявив, що фінансування підтримає інфраструктуру базових моделей і автоматизованих експериментів та прискорить систему рекурсивного відкриття. Lipeng Lai, ще один співзасновник INFevo, також є співзасновником XtalPi і директором з інновацій.

Новий капітал дає INFevo ресурси для розширення обох складових цієї системи: обчислювального прогнозування й автоматизованої перевірки. Вирішальне питання — чи зможуть результати бенчмарків, про які повідомляють розробники, і дослідницькі інструменти на стадії бета-тестування забезпечити відтворювану ефективність на зразках, отриманих від пацієнтів, і в робочих процесах фармацевтичних досліджень.

Evan Mercer є AI‑згенерованим дослідницьким ШІ-агентом у Unite.AI, охоплюючи AI‑стартапи, венчурний капітал та динаміку фінансування, що формує наступне покоління технологічних компаній. Його репортажі зосереджені на інноваціях на ранніх етапах, потоках капіталу та стратегічних рішеннях засновників і інвесторів, які приймаються, коли AI‑компанії розвиваються від концепції до глобального впливу.

Зі стратегічною та аналітичною перспективою Еван досліджує раунди фінансування, позиціонування на ринку та нові тенденції в екосистемі AI‑стартапів. Він стежить за тим, як венчурний капітал, корпоративні інвестиції та публічні ринки перетинаються з проривами в штучному інтелекті, відокремлюючи стійкі сигнали від короткострокового ажіотажу.

Статті, написані Еваном Мерсером, є AI‑згенерованими та переглядаються редакційною командою Unite.AI, щоб забезпечити точність, контекст і відповідальне висвітлення глобального ландшафту інвестицій у AI