Helical, un laboratorio virtual de IA para I+D farmacéutico, con sede en Londres, ha anunciado una ronda inicial de 8,4 millones de euros (10 millones de dólares) para cerrar la brecha entre las predicciones computacionales y la toma de decisiones biológicas, de modo que los equipos que tradicionalmente trabajaban en silos puedan colaborar sobre la misma evidencia.
La ronda fue dirigida por redalpine con la participación de Gradient, BoxGroup, Frst y ángeles notables como Aidan Gomez (CEO Cohere), Clement Delangue (CEO HuggingFace) y Mario Goetze (futbolista profesional).
“Los modelos por sí solos no descubren fármacos. El sistema sí lo hace”, afirma Rick Schneider, cofundador de Helical. “Los equipos farmacéuticos necesitan un sistema que convierta los modelos básicos en flujos de trabajo que los científicos puedan ejecutar, validar y defender. Construimos Helical para hacer que la ciencia in silico sea reproducible a escala farmacéutica, de modo que los equipos puedan pasar de la hipótesis a la decisión en días en lugar de meses”.
La ronda Seed de Helical se enmarca dentro de un patrón de financiación más amplio para 2025-2026 en torno al descubrimiento de fármacos mediante IA, la biología computacional y la infraestructura de I+D farmacéutica.
Los anuncios comparables incluyen:
Reino Unido: Kiin Bio, con sede en Londres, con 1,9 millones de euros pre-Seed para lanzar una plataforma científica virtual para el descubrimiento de fármacos; Scripta Therapeutics, con sede en Oxford, con 10,3 millones de euros en semillas para construir una plataforma de descubrimiento de fármacos rica en datos; Sable Bio, con sede en Londres, con 3,15 millones de euros de Seed para escalar su plataforma de seguridad de medicamentos de IA; OutPost Bio, con operaciones en Londres y Boston, recaudó 2,9 millones de euros antes de Seed para avanzar en la microbiología humana computable; y Ternary Therapeutics, con sede en Londres, con 4,1 millones de euros en semillas para su plataforma de pegamento molecular de IA. Graph Therapeutics, con sede en Viena, con 3 millones de euros pre-Seed para una plataforma de descubrimiento de fármacos de inmunología e inflamación impulsada por IA. FluoSphera, con sede en Ginebra, con 1,23 millones de euros para ampliar la inteligencia artificial y la automatización para el análisis de imágenes preclínicas. Generare, con sede en París, con 20 millones de euros Serie A para escalar su plataforma de descubrimiento de fármacos y su biblioteca de compuestos.
En conjunto, esas rondas ascienden a aproximadamente 46,6 millones de euros, y ascienden a unos 55 millones de euros si se incluye Helical. Esto coloca a Helical dentro de un grupo de inversión activo centrado en software, modelado e infraestructura de datos para el desarrollo de fármacos, con una presencia particularmente fuerte en el Reino Unido: Kiin Bio, Scripta Therapeutics, Sable Bio, OutPost Bio y Ternary Therapeutics tienen su sede en el Reino Unido, y Kiin Bio, Sable Bio y Ternary Therapeutics tienen, como Helical, su sede en Londres.
“Estamos en un momento único en el que los modelos de fundamento biológico y los modelos de razonamiento del lenguaje general están convergiendo”, añade Daniel Graf, socio general de redalpine. “Respaldamos a Helical porque creemos firmemente que tienen lo necesario para construir la plataforma de orquestación de IA farmacéutica que impulsará esta transición de modelos de IA aislados a laboratorios de IA virtuales integrados”.
Helical fue fundada en 2024 por tres amigos de la escuela que tomaron caminos diferentes hacia el mismo problema.
Rick Schneider desarrolló tecnología en Amazon y luego ayudó a la empresa alemana Celonis a escalar en Francia y Japón. Maxime Allard dirigió equipos de ciencia de datos en IBM antes de realizar un doctorado centrado en el aprendizaje por refuerzo y la robótica. Mathieu Klop se convirtió en cardiólogo e investigador en genómica.
Cuando surgieron los modelos de base biológica, el trío vio la oportunidad de construir la capa de aplicación faltante que permitiría a los equipos farmacéuticos pasar de la experimentación con modelos al descubrimiento de producción reproducible.
Según la empresa, cada año se aprueban aproximadamente 50 nuevos medicamentos a pesar de más de 10.000 enfermedades conocidas, y cada hipótesis prometedora todavía choca con la misma limitación: la experimentación física lenta y costosa.
Helical es el laboratorio virtual de inteligencia artificial para el sector farmacéutico, diseñado para convertir modelos de bases biológicas en sistemas de descubrimiento reproducibles para que cada científico pueda probar hipótesis in-silico a la velocidad de la inferencia.
La plataforma tiene dos superficies de productos: el Laboratorio Virtual para biólogos y científicos traslacionales, y la Fábrica de Modelos para ingenieros de ML y científicos de datos, construidas sobre los mismos datos, los mismos modelos y los mismos resultados.
Al poner ambas partes en el mismo sistema, Helical busca cerrar la brecha entre las predicciones computacionales y la toma de decisiones biológicas, de modo que los equipos que tradicionalmente trabajaban en silos puedan colaborar en la misma evidencia.
Helical ya está en producción con varias de las 20 principales empresas farmacéuticas del mundo, incluida una colaboración pública con Pfizer sobre biomarcadores predictivos de seguridad basados en la sangre.
Según los datos proporcionados a EU-Startups, el gasto en I+D supera los 254 mil millones de euros (300 mil millones de dólares) al año, los plazos se extienden más allá de una década, los costos para llevar un medicamento al mercado ahora superan los 1,6 mil millones de euros (2 mil millones de dólares) en promedio, y más del 90% de los candidatos que ingresan a ensayos clínicos fracasan.
De cara al futuro, Helical planea profundizar las implementaciones en más áreas y programas terapéuticos con clientes existentes, expandirse a otras 20 organizaciones farmacéuticas principales y continuar construyendo la capa de evidencia compuesta que mejora el desempeño en todas las enfermedades.
La misión de la empresa es hacer que cada científico sea capaz de probar hipótesis a la velocidad de la inferencia y convertir el descubrimiento in silico en un motor fiable para el rendimiento de la I+D.