Apoha emerge de la clandestinidad con $36 millones para enseñar a las máquinas cómo se comporta la materia.

      La ciencia ya puede decirte qué es una molécula y cómo se ve. Lo que nunca ha podido decirte, de manera económica y a gran escala, es cómo se comporta la cosa una vez que se encuentra con las condiciones desordenadas del mundo real. Esa brecha es donde los medicamentos fallan silenciosamente en los ensayos, donde los productos alimenticios no alcanzan el paladar para el que fueron diseñados, y donde, cada vez más, la inteligencia artificial se queda sin camino.

      Apoha, una empresa de Londres surgida de 15 años de física interfacial, dice que ha construido la medición que falta. El 3 de junio salió de su fase de sigilo con $36 millones en financiación, anunciada en el escenario de Tecnologías de Frontera en SXSW Londres.

      La ronda está liderada por Singular, con la participación de Draper Associates de Tim Draper y el apoyo continuo de los inversores iniciales Redalpine, Seedcamp, Wilbe y Nucleus, junto con financiación de subvenciones de Innovate UK.

      La empresa llama a su capa de datos Inteligencia de Estado Líquido, una nueva categoría que coloca junto a secuencia y estructura. Donde la genómica digitalizó el lenguaje de la biología y la biología estructural digitalizó el diseño, Apoha quiere digitalizar el comportamiento: lo que la materia realmente hace bajo estrés. La financiación, dice, se destinará a convertir eso en una clase de datos fundamental para biológicos, alimentos, materiales y IA del mundo físico.

      La ciencia se remonta a 2008, cuando el fundador y director ejecutivo Shamit Shrivastava comenzó a trabajar en un problema que el modelo de señalización nerviosa Hodgkin-Huxley, ganador del Nobel, había dejado abierto: la física de la frontera donde la materia se encuentra con el líquido.

      Publicó evidencia de ondas sonoras solitarias bidimensionales en una interfaz lipídica en 2014, trabajo que la empresa dice que fue nombrado entre los descubrimientos de Scientific American que podrían cambiarlo todo. En 2021 cofundó Apoha con Anshika Srivastava, su directora de operaciones y exdirectora ejecutiva en Goldman Sachs.

      La empresa ahora posee más de 60 patentes en hardware, software, datos y modelos de IA.

      Su primer producto es VIBE, una lectura empírica de cómo se comporta una muestra bajo estrés controlado. La plataforma toma una cantidad de material lo suficientemente pequeña como para caber en la cabeza de un alfiler, la suspende en líquido, aplica una secuencia de perturbaciones y registra los patrones de ondas que la molécula emite en respuesta.

      Esos patrones se resuelven en más de 1,000 descriptores medidos de comportamiento en una sola lectura, donde los ensayos convencionales capturan una propiedad a la vez. En minutos, dice la empresa, una lectura de VIBE puede señalar si un medicamento experimental fracasará antes de llegar a un ensayo.

      La plataforma ya está en uso comercial, y la evidencia más sólida se encuentra en un preprint. En una investigación conjunta con Boehringer Ingelheim, un socio comercial de varios años, Apoha identificó candidatos de anticuerpos de alto riesgo con más del 90% de precisión a partir de tan solo 8 microgramos de material.

      Una segunda versión del trabajo de referencia informa que la plataforma supera 12 pruebas de desarrollabilidad estándar de la industria en 236 anticuerpos clínicos, y revela información que las medidas convencionales pasan por alto en lugar de duplicarlas.

      Otros clientes señalan el rango. Apoha está trabajando con la biotecnología alemana Ethris en predecir cómo se comportan las nanopartículas lipídicas que transportan mRNA en animales, y con la empresa de alimentos a base de plantas THIS en un reemplazo de proteínas destinado a las estanterías de los supermercados. También lista a Somru BioSciences y varias empresas Fortune 500 en los sectores farmacéutico, alimentario y de materiales.

      La apuesta más amplia es que la IA del mundo físico eventualmente necesitará esto. Los modelos han aprendido a ver y leer, y ahora se están construyendo una generación de sistemas de IA física para actuar sobre la materia. Ninguno de ellos puede sentir aún cómo se disuelve un medicamento o cómo se mantiene un sabor, porque esos datos nunca se han recopilado a gran escala.

      “No se puede extraer de Internet, sintetizar o adaptar a partir de ensayos existentes”, dijo Shrivastava. “Tiene que ser medido.” Si suficientes compradores están de acuerdo en convertirlo en una clase de datos es la pregunta que la próxima ronda tendrá que responder.