Biotecnología · global
Buscar pistas sobre las enfermedades en la historia evolutiva: Astromech capta 20 millones de dólares para impulsar la biología predictiva
¿Puede situar la longevidad y la resistencia a las enfermedades de distintas especies en la cronología evolutiva ayudar a identificar antes los riesgos de enfermedad? Astromech está construyendo modelos con datos de múltiples especies, pero entre recuperar genes conocidos y predecir con precisión el futuro aún queda una brecha crucial de validación.
Si se logra comprender cómo distintas especies desarrollaron la longevidad y la resistencia a las enfermedades a lo largo de la evolución, los investigadores quizá puedan buscar de forma más orientada los mecanismos de las enfermedades humanas. La empresa biotecnológica Astromech intenta abordar esta cuestión mediante la inteligencia artificial: combina datos genómicos y evolutivos de múltiples especies para estimar cómo podrían cambiar los sistemas biológicos e identificar pistas sobre la regulación genética que merezcan investigarse experimentalmente.
Esta propuesta ha recibido el respaldo de una nueva ronda de financiación. SiliconANGLE informó en agosto de 2026 de que Astromech había captado 20 millones de dólares en una ronda liderada por el inversor en biotecnología Bob Nelsen; en septiembre, el inversor KBW Ventures confirmó que se trataba de la misma ronda, con la que la financiación acumulada de la empresa alcanzaba los 60 millones de dólares y su valoración, los 3.800 millones de dólares. Los fondos se destinarán a ampliar el equipo de investigación, aumentar el número de especies cubiertas por los datos y desarrollar infraestructura para el análisis genómico comparativo.
Astromech, cofundada por Ben Lamm y George Church, combina dos métodos computacionales: uno utiliza aprendizaje profundo para identificar patrones entre distintas especies; el otro recorre el árbol evolutivo hacia atrás para inferir estados ancestrales y después intenta estimar los cambios futuros. Según la presentación de Inverse, sus objetivos incluyen identificar riesgos de enfermedad, resistencia a los fármacos y puntos vulnerables de los sistemas biológicos, con el fin de formular hipótesis para investigaciones posteriores.
El modelo no se centra únicamente en las diferencias entre secuencias de ADN, sino también en cuándo y dónde se activan los genes. Según la descripción técnica publicada por KBW Ventures, la plataforma integra la accesibilidad de la cromatina, la expresión génica y las anotaciones funcionales para reconstruir los posibles estados de regulación génica de los antepasados. Estos estados ancestrales son inferencias del modelo, no mediciones directas; la empresa utiliza como base del análisis datos públicos de múltiples especies y datos funcionales que genera por su cuenta.
La longevidad es el primer tema de demostración. La empresa situó 46 genes relacionados con la longevidad en un árbol evolutivo con una escala temporal para rastrear su conservación y sus cambios en distintos linajes. Este tipo de comparación busca reducir el conjunto de posibles mecanismos, de modo que los investigadores puedan elegir las líneas de experimentación con mayor fundamento; por sí sola, no significa que se haya encontrado una terapia capaz de prolongar la vida humana.
La validación publicada hasta ahora sigue consistiendo principalmente en análisis retrospectivos. KBW Ventures afirma que la plataforma puede recuperar genes asociados a rasgos que ya habían sido confirmados por investigaciones previas y también propone nuevos genes candidatos. Sin embargo, estos informes no proporcionan conjuntos de prueba completos, tasas de error ni resultados de validación independiente suficientes para evaluar la precisión de las predicciones. Identificar asociaciones conocidas y predecir de antemano cambios desconocidos son dos pruebas distintas.
Según los planes publicados en septiembre, el siguiente paso de Astromech será realizar proyectos piloto con socios de los ámbitos de la salud y la bioseguridad para evaluar prospectivamente las predicciones del modelo. Para la investigación médica y farmacéutica, su valor práctico dependerá de que estas pistas superen las pruebas funcionales y sean aplicables a las enfermedades humanas. Hasta que se obtengan esas pruebas, la función más clara de la plataforma es ayudar a establecer prioridades de investigación, en lugar de respaldar directamente las decisiones clínicas.