Basecamp Research, una empresa de IA con sede en Londres y Boston, ha cerrado una ronda de serie C de 140 millones de dólares para entrenar modelos de IA con datos de la evolución y llevar hacia la clínica terapias diseñadas con ellos. La ronda, sobresuscrita y liderada por S32, incluye a Nvidia y al Anthology Fund. Su apuesta es que la biología necesita muchísimos más datos que el lenguaje, y que los datos públicos no bastan. Conviene ver qué promete, en qué punto está y qué preguntas quedan abiertas.
Quién invierte y cuánto vale
Según la nota de la empresa y coberturas como Tech.eu y BioSpace, la ronda está liderada por el fondo S32, con participación de NVentures, la rama de capital riesgo de Nvidia, y del Anthology Fund, un fondo de Menlo Ventures que cuenta con el respaldo de Anthropic. También participan el Fondo de Innovación de la OTAN, la Fundación Rockefeller, el fondo británico Sovereign AI, True Ventures y directivos del sector farmacéutico, como el vicepresidente de Roche, André Hoffmann. Con esta ronda, la compañía ha captado 225 millones en total y, según TFN, la valoración ronda los 800 millones de dólares, más del triple de la última conocida. Alguna cobertura matiza que la relación de Anthropic con la empresa es de colaboración en investigación y datos, y que quien invierte es el fondo, no la compañía.
Los datos: el Atlas de un billón de genes
El núcleo del proyecto es el Trillion Gene Atlas, presentado en marzo, que la empresa describe como el mayor conjunto de datos biológicos propios para entrenar IA. Se ha construido con socios como Nvidia, Anthropic, PacBio y Ultima Genomics a partir de datos recogidos mediante acuerdos de acceso y reparto de beneficios en más de 30 países de los siete continentes. Según The Decoder, en el momento de la entrevista el conjunto contenía unos 15 billones de tokens, según su director de tecnología, Philip Lorenz. A diferencia de un chatbot, la IA no procesa palabras, sino secuencias genéticas.
EDEN y qué pretenden diseñar
Los modelos se llaman EDEN y son modelos fundacionales biológicos: en vez de resolver una sola tarea científica, se entrenan para reconocer patrones en toda la biología. Según la empresa, pueden generar candidatos terapéuticos a partir de información de una enfermedad, como péptidos, enzimas y terapias celulares y génicas. El dinero servirá para entrenar la siguiente generación y para avanzar terapias celulares in vivo, es decir, reprogramar las células de un paciente dentro del cuerpo. La compañía menciona una colaboración con Anthropic en Claude Science como demostración.
Lo que dice el director de tecnología, y sus límites
Lorenz sostiene que la biología es un problema mucho mayor para la IA que el lenguaje, que hacen falta órdenes de magnitud más de datos y que lo que importa es combinar esa recogida masiva con experimentos pequeños y dirigidos. También advierte de que una buena puntuación en una prueba no garantiza una buena molécula. Es una salvedad honesta, y coherente con lo que vimos sobre lo poco que dicen las puntuaciones aisladas. Por ahora, según The Decoder, la empresa tiene resultados de laboratorio y datos en ratones, y las grandes preguntas abiertas, como acelerar los ensayos clínicos, son mucho más difíciles.
Preguntas abiertas
- Distancia a la clínica: se trata de una tecnología en fase preclínica, y pasar de datos en ratones a terapias en personas es un camino largo e incierto.
- Datos propios frente a públicos: la ventaja competitiva que señala la empresa depende de que sus datos exclusivos aporten más que los repositorios abiertos, algo que solo los resultados podrán demostrar.
- Reparto de beneficios: los acuerdos con países y comunidades de donde proceden las muestras plantean preguntas sobre cómo se comparten los frutos.
Qué implica en la práctica
Para el sector, es otra señal del interés inversor por el diseño de fármacos con IA, un mercado que MarketsandMarkets proyecta pasando de unos 5.000 millones de dólares este año a unos 17.500 millones en 2031, una estimación de un tercero. Para los laboratorios de IA, muestra que los datos propios y especializados pueden ser tan estratégicos como la potencia de cálculo, un asunto cercano a lo que vimos en el debate sobre si un modelo descubrió algo o hizo minería de genomas.
Nuestra lectura
La idea de convertir la diversidad biológica del planeta en datos de entrenamiento es atractiva y coherente con el argumento de que la biología es demasiado compleja para conformarse con datos públicos. Pero las rondas grandes miden expectativas, no eficacia clínica. Lo prudente es esperar a los resultados en ensayos y a cómo se documentan los acuerdos de acceso y reparto de beneficios, más que a la cifra de financiación.
Fuentes: The Decoder, Tech.eu, BioSpace y TFN.