Astromech capta 20 millones y eleva su valoración a 3.800 millones
La cobertura de SiliconANGLE sobre la operación sitúa el anuncio el 20 de agosto de 2026: Astromech captó 20 millones de dólares, elevó su valoración a 3.800 millones y llevó a 60 millones el capital acumulado.
Bob Nelsen lideró la ronda, en la que también participaron Peak 6, NeoGenesis Capital, Builders VC y CAZ Investments. La empresa de Dallas, cofundada por Ben Lamm y el genetista George Church, destinará el dinero a una plataforma de inteligencia artificial que combina datos genómicos, evolutivos y funcionales.
La valoración anticipa un negocio que todavía no existe a escala
La distancia entre los 60 millones de dólares captados y la valoración de 3.800 millones muestra que los inversores están pagando por una expectativa de desarrollo, no por el tamaño del capital ya inyectado. Tampoco hay información pública suficiente sobre ingresos, beneficios o contratos para relacionar esa valoración con métricas comerciales tradicionales.
La tesis financiera depende de que una infraestructura común pueda utilizarse para estudiar organismos, rasgos y riesgos biológicos diferentes. En lugar de limitarse a describir el estado actual de un genoma, el proyecto pretende reconstruir cómo aparecieron ciertos cambios y usar ese historial para formular previsiones sobre vulnerabilidades o trayectorias futuras.
Ese planteamiento puede ampliar el mercado potencial de la empresa hacia salud, bioseguridad, agricultura y conservación. Sin embargo, una valoración privada refleja el precio acordado en una operación de financiación; no acredita que las predicciones sean precisas ni que las posibles aplicaciones hayan superado validaciones independientes.
El nuevo capital ampliará la base científica y computacional
Los fondos se dirigirán a contratar personal investigador, representar más especies en los conjuntos de datos genómicos funcionales y aumentar la infraestructura de genómica comparada empleada para entrenar los modelos. La prioridad inmediata es ampliar la capacidad de investigación antes de probar el sistema con socios externos.
Astromech nació a partir de recursos desarrollados en Colossal Biosciences y trabaja con información de especies vivas y extintas. Esa procedencia le proporciona datos y herramientas para comparar linajes separados por largos periodos evolutivos, una base difícil de reproducir únicamente con los genomas de referencia más utilizados.
La ronda no equivale, por tanto, al lanzamiento de un tratamiento, una herramienta clínica validada o un sistema de alerta biológica. El dinero financia la construcción y evaluación de la infraestructura que podría sostener esos usos si las predicciones conservan su utilidad en pruebas prospectivas y condiciones reales.
El Large Life Model sigue siendo un sistema en desarrollo
La presentación técnica oficial de Astromech define el Large Life Model como un sistema en desarrollo preparado para trabajar con entradas de múltiples especies, datos transcriptómicos y reconstrucciones ancestrales.
La arquitectura descrita combina aprendizaje profundo basado en atención para detectar patrones funcionales, reconstrucción ancestral bayesiana para estimar trayectorias evolutivas, pangenomas representados mediante grafos y alineamientos con modelos ocultos de Markov. Un integrador multiómico figura expresamente como componente todavía en desarrollo.
El planteamiento separa dos tareas relacionadas. Una parte busca regularidades funcionales entre especies y sistemas; otra intenta reconstruir estados biológicos anteriores para explicar cómo se alcanzó una condición presente. El paso más ambicioso consiste en proyectar esas relaciones hacia delante y estimar dónde podrían aparecer cambios o vulnerabilidades.
La atención a la regulación genética es importante porque los rasgos complejos no dependen únicamente de las regiones que codifican proteínas. Variaciones en el momento, el lugar o la intensidad con que se expresa un gen pueden alterar el resultado biológico. Las reconstrucciones ancestrales pueden producir hipótesis sobre esos mecanismos, pero siguen necesitando contraste experimental.
Qué funciona hoy y qué permanece pendiente
La información publicada por GamesBeat distingue entre una plataforma y líneas iniciales de investigación ya operativas, por un lado, y futuras pruebas prospectivas con socios de salud y bioseguridad, por otro.
El sistema ya puede organizar comparaciones entre genomas, rasgos, genes y grupos evolutivos. También se ha utilizado retrospectivamente para recuperar asociaciones descritas en investigaciones anteriores y proponer candidatos adicionales. Recuperar señales conocidas sirve como control inicial de coherencia, pero los candidatos nuevos siguen siendo hipótesis y no resultados terapéuticos.
Las aplicaciones para anticipar resistencia a medicamentos, progresión de enfermedades, exposición a patógenos o alteraciones de ecosistemas pertenecen todavía a la hoja de ruta. No se han divulgado validaciones prospectivas independientes que demuestren que el sistema puede pronosticar de forma fiable acontecimientos biológicos desconocidos durante el entrenamiento.
La elevada valoración descansa así en una combinación de datos difíciles de reunir, una arquitectura multiespecie y la posibilidad de adaptar el mismo marco a varios mercados. La siguiente evidencia decisiva llegará con los pilotos previstos: deberán mostrar si el modelo pasa de reconstruir correctamente el pasado a anticipar resultados futuros con una precisión útil.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.