La inteligencia artificial se consolida como motor del nuevo descubrimiento de fármacos y Converge Bio es uno de sus protagonistas. La startup, con sede en Boston y Tel Aviv, ha cerrado una ronda Serie A sobresuscrita de 25 millones de dólares liderada por Bessemer Venture Partners, con la participación de TLV Partners, Saras Capital, Vintage Investment Partners y directivos de compañías como Meta, OpenAI y Wiz.
Converge Bio integra modelos generativos entrenados en secuencias de ADN, ARN y proteínas directamente en los flujos de trabajo de farmacéuticas y biotecnológicas para acortar años de I+D. La empresa ha lanzado tres sistemas principales: uno para diseño de anticuerpos, otro para optimizar el rendimiento de proteínas y un tercero para el descubrimiento de biomarcadores y nuevas dianas terapéuticas. Cada sistema combina varios modelos: generación de moléculas, predicción de propiedades y simulaciones físicas de cómo interactúan con sus objetivos biológicos, ofreciendo soluciones “llave en mano” que los clientes pueden conectar de forma directa a sus procesos.
Fundada hace año y medio, la compañía ya ha completado más de 40 programas con más de una docena de clientes en Estados Unidos, Canadá, Europa e Israel, y se está expandiendo a Asia. Su plantilla pasó de 9 a 34 empleados desde noviembre de 2024. Entre sus casos de éxito publicados, destaca un aumento de 4–4,5 veces en el rendimiento de proteínas en una sola iteración computacional y el diseño de anticuerpos con afinidades de unión en el rango de nanomolar, consideradas muy altas.
El auge de la IA en biomedicina se apoya en hitos como la colaboración entre Eli Lilly y Nvidia para crear un superordenador de descubrimiento de fármacos, o el Nobel de Química concedido a los creadores de AlphaFold, de Google DeepMind, por predecir estructuras de proteínas. Según el CEO y cofundador Dov Gertz, la industria vive “la mayor oportunidad financiera en la historia de las ciencias de la vida” y está pasando de enfoques de ensayo y error a un diseño molecular guiado por datos.
Gertz reconoce los riesgos de usar grandes modelos de lenguaje en química y biología, donde las “alucinaciones” son caras de validar, y defiende una arquitectura híbrida: modelos generativos específicos para datos biológicos combinados con modelos predictivos de filtrado y, solo como apoyo, LLM de texto para lectura de literatura científica. La visión de Converge Bio es que cada organización de ciencias de la vida disponga de un “laboratorio generativo” que complemente a los laboratorios húmedos tradicionales, y aspira a convertirse en ese motor computacional para toda la industria.
