Red Queen Bio, respaldada por OpenAI, levanta US$36M

Red Queen Bio diseña anticuerpos con IA para defendernos de la próxima pandemia

Red Queen Bio, escisión de HelixNano respaldada por OpenAI, levanta US$36M para diseñar anticuerpos contra gripe aviar y futuras pandemias usando modelos de inteligencia artificial. Su misión declarada es «escalar las defensas biológicas más rápido de lo que crecen las capacidades de la IA frontera», según su propio sitio web, recogido por The Next Web.

¿Qué hace Red Queen Bio y por qué importa ahora?

La startup, fundada en 2025 por Nikolai Eroshenko (CEO) y Hannu Rajaniemi —un exfísico teórico y escritor de ciencia ficción reconvertido en emprendedor biotech—, salió de HelixNano. En noviembre de 2025, OpenAI lideró su ronda seed de US$15M con la participación de Cerberus Ventures, Fifty Years y Halcyon Futures. En total, la compañía ha recaudado US$36M, según reportó The Wall Street Journal y confirmaron The Next Web y Yahoo News.

Su primer objetivo son anticuerpos contra la gripe aviar y otras cepas de influenza. Después vendrán coronavirus, virus tipo ébola y parientes de la viruela. La primera prueba clínica está planificada para 2027.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Importa ahora porque la gripe aviar es uno de los candidatos más citados por los modelos epidemiológicos para una pandemia de alta mortalidad. Es un patógeno que ya existe en la naturaleza y que ya ha causado brotes documentados en humanos: anticiparse a él no requiere crear nada nuevo, requiere velocidad.

El ciclo de diseño: cómo la IA comprime años en semanas

El ciclo farmacéutico tradicional tarda años porque cada candidato se sintetiza, se testea y se analiza de forma iterativa con métodos mayoritariamente manuales. Red Queen comprime ese ciclo en la fase de diseño: los modelos proponen candidatos a anticuerpos que se unen de forma eficiente a las proteínas de superficie del virus —las dianas a las que el anticuerpo debe adherirse para neutralizarlo— y priorizan los que tienen más probabilidades de funcionar según los datos estructurales disponibles.

Después, las células crecen para producir esos candidatos, se prueban en el laboratorio y los resultados retroalimentan los modelos. «Cuanto más fuerte se unen, menos cantidad necesitas», explicó Eroshenko al WSJ. «De repente, tienes algo que puede escalar.»

El campo ya tiene momentum independiente. En agosto de 2026, Nature Biotechnology publicó los resultados de AIntibody, el primer benchmark internacional ciego y validado en laboratorio húmedo para diseño de anticuerpos con IA. El ganador, Aureka Biotechnologies con su modelo AuraIDE (citado en el paper como AuraBind), logró una afinidad de 94,7 pM —una mejora de aproximadamente 2.000 veces respecto al anticuerpo parental— según el comunicado recogido por Yahoo Finance. En el mismo benchmark participaron 166 equipos con 527 propuestas.

Otra competidora directa, Nabla Bio —también respaldada por OpenAI—, anunció que su modelo JAM-2 produjo candidatos de alta afinidad contra 26 dianas distintas y proyecta ensayos en humanos en uno o dos años, con un acuerdo con Takeda que incluye pagos por hitos superiores a US$1.000M, según reportó CryptoBriefing.

Las dos líneas rojas que la empresa no cruzará

Red Queen tiene dos límites explícitos, declarados en su sitio web y recogidos por The Next Web: nunca realiza investigación de gain of function —la técnica de modificar patógenos para hacerlos más transmisibles o letales, que es exactamente el tipo de trabajo que convierte los laboratorios en riesgo de bioseguridad— y nunca produce ni aísla patógenos peligrosos. Trabaja con las proteínas de superficie, no con el virus completo.

Esa frontera no es trivial. Olivia Scharfman, biotechnology fellow en el Institute for Progress, lo resumió así al WSJ: «Los atacantes tienen todo el tiempo que quieran para desarrollar un arma biológica. Nosotros no tenemos años para diseñar una contramedida.»

Por qué OpenAI financia a la empresa que podría frenar sus propios modelos

Que OpenAI haya apostado por una startup de bioseguridad no es neutral: el laboratorio que desarrolla los modelos de IA más capaces del mundo también financia a la empresa que intenta asegurarse de que esos modelos no faciliten la creación de bioarmas. Es una especie de auto-contrato de seguro, y reconocer que es necesario dice algo sobre el nivel de riesgo que el propio OpenAI atribuye a sus sistemas.

La semana pasada —en el momento de la publicación original de esta nota—, el CEO de Anthropic, Dario Amodei, pidió al Consejo de Seguridad de la ONU que respaldara una prohibición explícita de bioarmas con IA. Es la primera reunión del Consejo centrada específicamente en los riesgos de seguridad de la IA cada vez más capaz, según recogió The Next Web. Amodei propuso tres pasos: acuerdos estrechos primero (como la prohibición de bioarmas), después sistemas de evaluación y verificación, y finalmente estándares comunes para testear modelos con notificación de incidentes graves.

En la misma sesión, convocada por Francia durante la Asamblea General de la ONU, también habló Sam Altman (OpenAI), quien evitó el tono «doomerista» y pidió un «camino intermedio» con tres principios: los sistemas deben permanecer bajo control humano, la IA debe beneficiar a las personas y debe empoderar a los individuos, según reportó AOL News.

El contexto: la bioseguridad entra en la agenda internacional

El escenario que preocupa a Red Queen —y también a los laboratorios más grandes— es uno en el que la IA democratiza el acceso al conocimiento necesario para diseñar patógenos peligrosos más rápido de lo que los sistemas de salud pública pueden responder. No es ciencia ficción; es la extrapolación lógica de sistemas que ya existen combinados con bases de datos biológicas públicas.

Hay señales concretas de que esa preocupación es compartida por toda la industria, según The Next Web y CryptoBriefing:

En julio, Google DeepMind lanzó su propio programa de bioseguridad con IA.
Un estudio de Cisco publicado este verano encontró que ningún modelo de IA era completamente resistente a consultas de usuarios que buscaban información sobre agentes biológicos.
Chai Discovery, otra startup de diseño de anticuerpos con IA, levantó US$400M en una Serie C a una valoración de US$3.800M a mediados de 2026.

La convergencia es notable: en cuestión de meses, OpenAI, Anthropic, Google DeepMind y Cisco han puesto el tema bioseguridad en el centro de su discurso público, y startups especializadas están captando capital a valoraciones que hace un año eran impensables.

¿Qué significa esto para tu startup?

Si estás construyendo en biotech, salud digital o bioseguridad, hay tres implicaciones prácticas:

El diseño de anticuerpos con IA dejó de ser experimental y pasó a fase de validación. El benchmark AIntibody publicado en Nature Biotechnology marca un antes y un después: ya hay estándares independientes para medir qué modelo diseña mejor, y los ganadores están produciendo datos de afinidad medibles en laboratorio húmedo. Si estás evaluando proveedores de modelos para drug discovery, ese paper es tu nuevo punto de referencia.
El capital está entrando, pero exige narrativa de bioseguridad. Nabla Bio (acuerdo con Takeda con hitos superiores a US$1.000M) y Chai Discovery (US$3.800M de valoración) muestran que los inversores están dispuestos a pagar primas por equipos que combinan IA + biología + responsabilidad. Si tu pitch no toca el ángulo regulatorio o de seguridad, estás compitiendo en la categoría equivocada.
Las reglas del juego están escribiéndose ahora mismo. Las propuestas de Amodei al Consejo de Seguridad de la ONU —prohibiciones estrechas, sistemas de evaluación, notificación obligatoria de incidentes— pueden convertirse en estándares globales en 12-24 meses. Los founders en IA deberían mapear hoy qué categoría de riesgo cae su producto y diseñar safeguards antes de que la regulación los obligue.