Converge Bio obtiene 25 millones de dólares en financiación de Bessemer y líderes tecnológicos

La inteligencia artificial está avanzando rápidamente en el descubrimiento de fármacos, ya que las empresas farmacéuticas y biotecnológicas buscan acortar los plazos de I+D en años y mejorar las tasas de éxito en medio del aumento de los costes. Más de 200 empresas emergentes compiten ahora por integrar la IA directamente en los flujos de trabajo de investigación, lo que atrae una mayor atención de los inversores. Converge Bio es la última empresa en aprovechar esta tendencia, asegurándose nueva financiación a medida que se intensifica la competencia en el sector del descubrimiento de fármacos impulsado por la IA.

La startup con sede en Boston y Tel Aviv, que ayuda a las empresas farmacéuticas y biotecnológicas a acelerar el desarrollo de fármacos utilizando IA generativa entrenada con datos moleculares, ha recaudado 25 millones de dólares en una ronda de financiación de serie A liderada por Bessemer Venture Partners. TLV Partners y Vintage Investment Partners también participaron, junto con el apoyo adicional de ejecutivos anónimos de Meta, OpenAI y Wiz.

En la práctica, Converge entrena modelos generativos sobre secuencias de ADN, ARN y proteínas, y luego los integra en los flujos de trabajo farmacéuticos y biotecnológicos para acelerar el desarrollo de fármacos.

«El ciclo de vida del desarrollo de fármacos tiene distintas etapas, desde la identificación y el descubrimiento de objetivos hasta la fabricación, los ensayos clínicos y más allá, y dentro de cada una de ellas hay experimentos que podemos apoyar», compartió el director ejecutivo y cofundador de Converge Bio, Dov Gertz, en una entrevista exclusiva con TechCrunch. «Nuestra plataforma sigue expandiéndose a lo largo de estas etapas, lo que ayuda a que los nuevos fármacos lleguen al mercado más rápidamente».

Hasta ahora, Converge ha lanzado sistemas orientados al cliente. La startup ya ha introducido tres sistemas de IA distintos: uno para el diseño de anticuerpos, otro para la optimización del rendimiento de las proteínas y otro para el descubrimiento de biomarcadores y objetivos.

«Tomemos como ejemplo nuestro sistema de diseño de anticuerpos. No se trata de un único modelo, sino que consta de tres componentes integrados. En primer lugar, un modelo generativo crea anticuerpos novedosos. A continuación, los modelos predictivos filtran estos anticuerpos en función de sus propiedades moleculares. Por último, un sistema de acoplamiento, que utiliza un modelo basado en la física, simula las interacciones tridimensionales entre el anticuerpo y su objetivo», continuó Gertz. Según el director ejecutivo, el valor reside en el sistema en su conjunto, no en un modelo concreto. «Nuestros clientes no necesitan montar los modelos ellos mismos. Reciben sistemas listos para usar que se integran directamente en sus flujos de trabajo».

La nueva financiación llega aproximadamente un año y medio después de que la empresa recaudara 5,5 millones de dólares en una ronda de financiación inicial en 2024.  

Únase a la lista de espera de Disrupt 2026

Añádase a la lista de espera de Disrupt 2026 para ser el primero en adquirir las entradas anticipadas cuando estén disponibles. En ediciones anteriores de Disrupt han participado Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Elad Gil y Vinod Khosla, entre otros 250 líderes del sector que han impartido más de 200 sesiones diseñadas para impulsar su crecimiento y agudizar su ventaja competitiva. Además, podrá conectar con cientos de startups innovadoras de todos los sectores.

Únase a la lista de espera de Disrupt 2026.

Añádase a la lista de espera de Disrupt 2026 para ser el primero en adquirir las entradas anticipadas cuando estén disponibles. En ediciones anteriores de Disrupt han participado Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Elad Gil y Vinod Khosla, entre más de 250 líderes del sector que imparten más de 200 sesiones diseñadas para impulsar su crecimiento y agudizar su ventaja competitiva. Además, podrá conectar con cientos de startups innovadoras de todos los sectores.

Desde entonces, esta startup de dos años de antigüedad ha crecido rápidamente. Converge ha establecido 40 asociaciones con empresas farmacéuticas y biotecnológicas y actualmente gestiona unos 40 programas en su plataforma, según Gertz. Colabora con clientes de Estados Unidos, Canadá, Europa e Israel, y ahora se está expandiendo a Asia.

El equipo también ha crecido rápidamente, pasando de solo nueve empleados en noviembre de 2024 a 34. En el camino, Converge ha comenzado a publicar estudios de casos públicos. En uno de ellos, la startup ayudó a un socio a aumentar el rendimiento de proteínas entre 4 y 4,5 veces en una sola iteración computacional. En otro, la plataforma generó anticuerpos con una afinidad de unión excepcionalmente alta, alcanzando el rango de un solo nanomolar, señaló Gertz.

El descubrimiento de fármacos impulsado por la IA está cobrando un impulso significativo. El año pasado, Eli Lilly se asoció con Nvidia para construir lo que las empresas describieron como el superordenador más potente de la industria farmacéutica para el descubrimiento de fármacos. Y en octubre de 2024, los desarrolladores del proyecto AlphaFold de Google DeepMind ganaron el Premio Nobel de Química por crear AlphaFold, el sistema de IA capaz de predecir estructuras proteicas.

Cuando se le preguntó sobre este impulso y cómo está influyendo en el crecimiento de Converge Bio, Gertz dijo que la empresa está siendo testigo de la mayor oportunidad financiera en la historia de las ciencias de la vida, con la industria pasando de los métodos de «prueba y error» al diseño molecular basado en datos.

«Sentimos fuertemente este impulso, especialmente en nuestras bandejas de entrada. Hace un año y medio, cuando fundamos la empresa, había un escepticismo considerable», declaró Gertz a TechCrunch. Ese escepticismo ha desaparecido con notable rapidez, gracias a los exitosos casos prácticos de empresas como Converge y del mundo académico, añadió.

Los grandes modelos lingüísticos están llamando la atención en el descubrimiento de fármacos por su capacidad para analizar secuencias biológicas y proponer nuevas moléculas, pero persisten retos como las alucinaciones y la precisión. «En el texto, las alucinaciones suelen ser fáciles de detectar», afirmó el director ejecutivo. «En las moléculas, la validación de un compuesto nuevo puede llevar semanas, por lo que el coste es mucho mayor». Para abordar este problema, Converge combina modelos generativos con modelos predictivos, filtrando las nuevas moléculas para reducir el riesgo y mejorar los resultados para sus socios. «Esta filtración no es perfecta, pero reduce significativamente el riesgo y ofrece mejores resultados para nuestros clientes», añadió Gertz.

TechCrunch también preguntó por expertos como Yann LeCun, que siguen mostrándose escépticos sobre el uso de los LLM. «Soy un gran admirador de Yann LeCun y estoy completamente de acuerdo con él. No nos basamos en modelos basados en texto para la comprensión científica básica. Para comprender realmente la biología, los modelos deben entrenarse con ADN, ARN, proteínas y moléculas pequeñas», explicó Gertz.

Los LLM basados en texto se utilizan solo como herramientas auxiliares, por ejemplo, para ayudar a los clientes a navegar por la literatura sobre moléculas generadas. «No son nuestra tecnología principal», dijo Gertz. «No estamos vinculados a una única arquitectura. Utilizamos LLM, modelos de difusión, aprendizaje automático tradicional y métodos estadísticos cuando es apropiado».

«Nuestra visión es que todas las organizaciones dedicadas a las ciencias de la vida utilicen Converge Bio como su laboratorio de IA generativa. Los laboratorios húmedos siempre existirán, pero se complementarán con laboratorios generativos que crean hipótesis y moléculas de forma computacional. Nuestro objetivo es ser ese laboratorio generativo para toda la industria», afirmó Gertz.