Fabian Theis: la célula virtual que atrae US$1.800M

Qué es una célula virtual y por qué el debate se reabrió

Una célula virtual es un modelo computacional que predice cómo cambia el estado de una célula cuando la intervienes: con edición genética, un fármaco o una variación de su entorno. La promesa es enorme — probar experimentos en silicio antes de gastar meses y millones en el laboratorio — y también lo es la frustración cuando esos modelos no funcionan.

Fabian Theis, director del Computational Health Center de Helmholtz Munich y director científico de Helmholtz AI, lleva años en el centro de ese esfuerzo. Su laboratorio ha empujado la frontera de los algoritmos para entender datos biológicos multiescala, multimodales («multiomics») y variables en el tiempo, y es cofundador del Human Cell Atlas. Su diagnóstico, expuesto en el podcast y newsletter Latent Space, es incómodo para el sector: el problema que la mayoría de los equipos intenta resolver no es el problema difícil.

El hallazgo que enfrió el entusiasmo por la célula virtual

En el Arc Virtual Cell Challenge de 2025, una serie de papers mostró que baselines constantes — apenas el promedio, ni siquiera un modelo lineal — superaban a modelos sofisticados en predicción de perturbaciones. Es decir: ante un cambio en el input de una célula, muchos modelos no aciertan mejor que decir «casi nada cambia».

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La historia tiene matiz. Otro trabajo citado en el análisis mostró que muchas métricas de evaluación están mal calibradas: premian una predicción media poco informativa porque la mayoría de los genes apenas se mueven. Con métricas mejor calibradas, los modelos de deep learning sí superan al baseline del promedio.

Theis va más allá. Su tesis es que predecir perturbaciones con los datasets actuales simplemente no es un problema lo bastante difícil como para justificar algoritmos complejos. El problema real está en otra parte: en las «interfaces de escala» entre moléculas, células, nichos, tejidos, órganos y organismos, y en cómo cada nivel afecta a los demás.

Las preguntas que propone son de otro calibre: ¿cómo cambian mi estado las células vecinas? ¿Qué pasa con una distribución entera de células tras una perturbación? ¿Cómo perturbo una célula para llevarla al estado que quiero? Ninguna se responde con un modelo entrenado sobre un único tipo celular medido en un solo momento.

La apuesta de US$1.800M que llega justo a tiempo

Ahí es donde entra el dinero. El 7 de octubre, Biohub — la organización sin fines de lucro fundada por Mark Zuckerberg y Priscilla Chan — anunció que el gobierno de Estados Unidos, Google DeepMind, Meta e Isomorphic Labs se suman a su Virtual Biology Initiative, con compromisos totales de US$1.800M, según CNBC.

El desglose importa, porque el titular de US$1.800M mezcla dinero nuevo con recursos ya existentes:

Biohub comprometió US$500M en abril: US$400M para tecnologías de medición y US$100M para investigación externa.
Google DeepMind, Meta e Isomorphic Labs aportan US$300M en conjunto, no cada uno, según eWeek.
El Departamento de Energía (DOE) dirige más de US$500M a lo largo de cinco años para medición, cómputo y modelado.
Los NIH aportan datasets y repositorios construidos con más de US$500M de financiación federal previa, no dinero nuevo.

Alex Rives, jefe de ciencia de Biohub, lo resumió ante Reuters: los datasets actuales cubren cientos de millones de células, pero un modelo predictivo preciso necesitaría miles de millones y, con el tiempo, billones. Su expectativa es tener un primer dataset en aproximadamente un año y modelos predictivos precisos en cinco, frente a las décadas que tomaría el trabajo sin coordinación.

El esfuerzo no está solo: según Yahoo Finance, también se sumaron el Allen Institute, el Broad Institute, los Gladstone Institutes, el Human Cell Atlas, el Human Protein Atlas y el Wellcome Sanger Institute, con NVIDIA aportando infraestructura de cómputo. La conversación con Theis también abordó el negocio de las células virtuales, la «Bitter Lesson» en biología — la idea de que los métodos generales que escalan con cómputo terminan superando a los enfoques hechos a mano — y cómo cerrar el ciclo del laboratorio automatizado.

¿Qué significa esto para tu startup?

Tres lecturas concretas si construyes en la intersección de IA y biología:

El cuello de botella es la generación de datos, no el modelo. Si tu producto depende de un dataset público que ya existe, compites contra todos. La ventaja defendible hoy está en producir mediciones nuevas — imagen, transcriptómica espacial, cribados — o en ser el mejor consumidor de las que otros generan. Rives lo dijo sin rodeos: generar los datos para resolver la biología de sistemas predictiva exige escalar más allá de lo que cualquier organización puede producir sola.
La ventana de acceso exclusivo es un activo comercial. eWeek recoge que las empresas financiadoras tendrán un año de acceso exclusivo a los datos que ayuden a generar, mientras que el trabajo financiado con dinero público no tendrá esa restricción. Para una startup de descubrimiento de fármacos, doce meses de ventaja sobre un dataset que nadie más tiene puede valer más que el cheque que lo financia.
Si tu diferencial es «mejor modelo», revisa tu evaluación antes que tu arquitectura. El episodio del Arc Challenge es una advertencia: un benchmark mal calibrado puede hacer que un baseline trivial parezca estado del arte, o al revés. Antes de contratar más GPU, audita si tu métrica premia predicciones informativas o solo el promedio.

El negocio de la célula virtual ya tiene jugadores

El dinero no espera a que se resuelva el problema científico. Rivercell, startup de París, levantó una ronda semilla de US$25M liderada por HV, con HCVC, Alven y Bpifrance Digital Venture, según The Next Web. La compañía construye su propia plataforma de datos y un laboratorio húmedo en París, y Theis forma parte de su consejo científico asesor.

Cellular Intelligence, con sede en Boston, sumó a Theis a su consejo asesor científico junto a Yann LeCun, Bob Langer y Jens Nielsen, según el comunicado difundido por PR Newswire. La compañía construye un modelo fundacional de señalización celular, adquirió la terapia celular STEM-PD de Novo Nordisk en mayo de 2026 y cuenta con Khosla Ventures, la Chan Zuckerberg Initiative y Novo Nordisk entre sus inversores.

El mapa se completa con Relation, en Londres, que trabaja en un modelo fundacional de células con GSK; Chai Discovery, que levantó una Serie C de US$400M en julio; y Anew Labs, de ByteDance, con US$290M en septiembre, según The Next Web. Theis aparece en varios de estos tableros a la vez, lo que dice algo sobre dónde se concentra hoy el criterio científico del sector.

Conclusión

La célula virtual dejó de ser una promesa de laboratorio y se convirtió en una carrera de infraestructura. La lección para un founder es que el valor no está en el modelo más elegante, sino en quien controla los datos con los que se entrena y en quien sabe medir si ese modelo realmente predice algo.

Si tu tesis es que la IA va a comprimir los tiempos del descubrimiento de fármacos, la pregunta que deberías poder responder hoy es concreta: ¿de dónde saldrán las mediciones que alimentan tu modelo y qué te impide a ti — y no a otro — generarlas?