BIO Protocol (BIO) Subida

DeepSeek-V4-Flash acaba de revolucionar el campo de los modelos de lenguaje general, y ahora llega su equivalente chino para las ciencias de la vida: GeneLLM. Desarrollado por Jindushengke, fundada por cuatro talentos graduados de Oxford, este modelo multimodal es el primero del mundo entrenado directamente con datos ómicos crudos, y ha sido publicado en prestigiosas revistas como *Nature Communications* y *Advanced Science*. GeneLLM opera de manera similar a un modelo de lenguaje, pero en lugar de predecir la siguiente palabra, predice la siguiente secuencia de información biológica. Utiliza las cuatro bases del ARN (A, U, G, C) como tokens fundamentales, aprendiendo patrones directamente de datos crudos de transcriptómica, proteómica y metabolómica, sin depender de anotaciones genéticas predefinidas. Con versiones de 1.5B y 30B de parámetros, el modelo puede lograr una alta precisión en el diagnóstico de enfermedades con costos de secuenciación reducidos en un 83%, allanando el camino para una medicina de precisión más accesible. Sin embargo, la visión de Jindushengke va más allá del modelo. La compañía ha desarrollado BioFord Harness, una infraestructura que conecta la inteligencia artificial con el laboratorio físico. Este sistema traduce las intenciones científicas en instrucciones ejecutables para diversos equipos, gestiona su programación y hace que los resultados (incluyendo los fracasos) retroalimenten el ciclo de aprendizaje. La plataforma BioFord Agent integra cinco "agentes" inteligentes que automatizan todo el flujo de investigación, desde la revisión de literatura y el diseño experimental hasta el análisis de datos, reduciendo ciclos de meses a semanas. Fundada en 2022, Jindushengke ha cerrado cuatro rondas de financiación en un año, respaldada por inversores como Sequoia China y Gaotegia. Su estrategia se centra en construir la infraestructura crítica ("el último kilómetro") que conecta el mundo digital de la IA con la experimentación física, diferenciándose de otros actores que se enfocan únicamente en modelos digitales o en fábricas de ciencia totalmente automatizadas. Su ventaja competitiva radica en la acumulación de datos experimentales, protocolos de dispositivos y experiencia operativa en laboratorios reales, posicionándola para definir una nueva forma de hacer descubrimientos científicos.