Biohub, Google y Meta suman US$1.800M para biología con IA

Una coalición público-privada de US$1.800M para «leer» la célula

El 7 de octubre de 2026, Biohub, el Departamento de Energía de EE.UU. (DOE), los Institutos Nacionales de Salud (NIH), Google DeepMind, Isomorphic Labs y Meta anunciaron una inversión coordinada de US$1.800M para crear el mayor repositorio abierto de datos biológicos listos para entrenar inteligencia artificial. La cifra fue confirmada por el comunicado de Biohub y replicada por Reuters, MIT Technology Review, Bioengineer y News-Medical. La meta: construir un modelo predictivo de la célula que permita hacer experimentos en pantalla antes de llevarlos al laboratorio.

Biohub es el laboratorio sin fines de lucro fundado en 2016 por Priscilla Chan y Mark Zuckerberg a través de la Chan Zuckerberg Initiative, con un compromiso inicial de US$600M dentro de una promesa mayor de US$3.000M, según el reporte de Hoodline que reproduce datos de Reuters. Para founders que construyen en salud digital, biotech o AI aplicada a biología, la señal es clara: el cuello de botella del sector ya no es el cómputo ni el algoritmo, son los datos limpios y estandarizados a escala.

Cómo se reparten los US$1.800M y por qué importa

El dinero no es enteramente fresco. La estructura combina fondos nuevos con repositorios federales ya existentes, según el comunicado de Biohub y el desglose de Unite.ai:

• Biohub aporta US$500M de su compromiso fundacional anunciado en abril de 2026. De eso, US$400M financian nuevas tecnologías de medición —crio-tomografía electrónica, microscopía capaz de capturar millones a billones de células en tejido vivo— y US$100M van a investigación fuera de Biohub.
• DOE compromete más de US$500M a cinco años vía la Genesis Mission, usando supercomputación exascale, crio-EM y laboratorios autónomos repartidos por el sistema nacional de laboratorios. Darío Gil, Subsecretario de Ciencia del DOE, dijo al comunicado que se trata de «un nuevo estándar de ciencia abierta».
• NIH coordina datasets, repositorios y bases de conocimiento desarrollados con más de US$500M de inversión federal previa, a través de su Bio Genesis Mission. Biohub se encargará de estandarizarlos para entrenamiento de IA.
• Google DeepMind, Isomorphic Labs y Meta suman US$300M como miembros fundadores de la Virtual Biology Initiative.

Según Hoodline, los datos financiados por empresas tendrán un embargo de un año antes de hacerse públicos; los generados con dinero federal no tendrán restricción. Max Jaderberg, presidente de Isomorphic Labs, dijo en el comunicado que «generar los datos para resolver biología de sistemas predictiva requiere escalar más allá de lo que cualquier organización puede producir hoy».

El cuello de botella ya no es el algoritmo, son los datos

Los datasets actuales de célula única llegan a cientos de millones de células, casi mil millones en el mejor de los casos. Alex Rives, Head of Science de Biohub, dijo a Reuters —citado por Hoodline— que un modelo predictivo realmente útil requerirá «miles de millones y eventualmente trillones» de células. Como referencia, los tejidos humanos contienen alrededor de 37 billones de células, según datos citados por Hoodline/Quartz.

El plan es comprimir en cinco años un trabajo que normalmente tomaría décadas, con un primer dataset listo en aproximadamente un año, según la cobertura de Hoodline. Las técnicas incluyen transcriptómica espacial, que mapea la actividad molecular dentro de tejido intacto, y pantallas celulares que registran cómo responden las células a cambios en su entorno. Pushmeet Kohli, VP de AI for Science en Google DeepMind, dijo al comunicado que sin «datos abiertos y estandarizados a una escala sin precedentes» no hay forma de resolver el problema.

Quiénes están detrás y qué herramientas ya existen

La iniciativa se apoya en una década de trabajo abierto de Biohub. Entre los proyectos previos están Tabula Sapiens (mapa de tipos celulares humanos), OpenCell (atlas de localización e interacciones de proteínas), Zebrahub (atlas de desarrollo del pez cebra) y la infraestructura comunitaria CELLxGENE y el CryoET Data Portal. En 2023, Biohub empezó a operar un cluster de más de 1.000 GPUs Nvidia H100 para modelar células, según Hoodline.

Como socios académicos y de consorcio aparecen Allen Institute, Broad Institute, Gladstone Institutes, Wellcome Sanger Institute, Human Cell Atlas y Human Protein Atlas, varios con experiencia en coordinar proyectos tipo Human Genome Project. NVIDIA provee infraestructura de cómputo acelerado y software, y Renaissance Philanthropy lidera la búsqueda de fondos adicionales. Biohub adelantó al comunicado que también se acercará a farmacéuticas y otras fundaciones para escalar el programa.

La carrera no es solo de Biohub

Otros grandes están moviendo fichas similares. Anthropic, según explainx.ai citado por Hoodline, adquirió la startup Coefficient Bio y montó un laboratorio húmedo (wet lab) robótico en el Área de la Bahía para probar si su modelo Claude puede instruir directamente equipo automatizado. La OpenAI Foundation, según MIT Technology Review (septiembre de 2026), lanzó un programa de grants por más de US$125M para datasets biológicos y médicos —citando a Venture Atlas, Hoodline precisa que su primer premio grande fue de US$40M al UNC Lineberger Comprehensive Cancer Center para datos de vacunas contra el cáncer.

La diferencia con la Virtual Biology Initiative no es solo el monto, sino el grado de coordinación entre gobierno federal, big tech y academia en un solo programa, y la promesa de que los datos queden abiertos. Biohub dice que es la mayor apuesta coordinada en datos biológicos listos para IA hecha hasta ahora, y el comunicado la presenta como la antesala de una «célula virtual»: un modelo que permita probar hipótesis en una computadora antes de gastar reactivos.

Qué significa esto para tu startup

Tres implicancias concretas si trabajas en AI + salud o biotech:

• El estándar abierto se está escribiendo ahora. Si tu producto depende de datos celulares, genómicos o de proteómica, alinéate desde el inicio con los formatos y ontologías que Biohub, NIH y los consorts están promoviendo. Cuando el dataset abierto salga, los modelos que ya estén en ese formato van a poder entrenarse con ventaja de meses.
• Los datasets «AI-ready» son un negocio, no un costo. La OpenAI Foundation ya paga por datos de biotechs en bancarrota, según MIT Technology Review, y Biohub está activamente buscando farmacéuticas y filántropos. Si tu startup genera datos estructurados de pacientes, ensayos o screening, hay un cliente nuevo y dispuesto a pagar arriba en la cadena de valor.
• El wet lab automatizado es la próxima capa. Anthropic, Biohub con NVIDIA y los laboratorios autónomos del DOE están validando que el loop «experimento físico → datos → modelo → siguiente experimento» se industrializa. Si tu tesis de diferenciación depende solo del modelo y no del acceso a datos primarios a escala, te toca repensar el moat.

Fuentes

• Biohub press release: Virtual Biology Initiative expansion
• Global coalition commits $1.8 billion to build open data for AI models of biology — Bioengineer
• Biohub, DOE, NIH and Partners Commit $1.8B to Virtual Biology Initiative — Unite.ai
• Zuckerberg’s Biohub, Google and US Government Pour $1.8B Into AI Biology Push — Hoodline
• AI models need more data about biology, and OpenAI is paying to create it — MIT Technology Review
• Major global alliance invests billions to build predictive AI models of biology — News-Medical
• Mark Zuckerberg’s nonprofit Biohub aims to prevent and cure diseases through virtual cells — Times of India

Artículos relacionados:

Google, Meta e Isomorphic invierten US$300M en la célula virtual de Biohub Google, Meta y Biohub: US$1.800M para la primera célula virtual con IA SoftBank invierte US$225M en ASI para obras autónomas Fairphone 6+ llega a EE.UU.: móvil modular de US$649 Anthropic: Claude descubre un sistema tipo CRISPR en 21 horas