Biohub, Google, Meta y el gobierno de EE.UU. ponen US$1.800M para construir la primera 'célula virtual' con IA

Por Zendoric · 9 de octubre de 2026.

Biohub, el Departamento de Energía de Estados Unidos (DOE), los Institutos Nacionales de Salud (NIH), Google DeepMind, Isomorphic Labs y Meta anunciaron el 7 de octubre una inversión coordinada de US$1.800 millones para construir el mayor repositorio abierto de datos biológicos preparados para entrenar modelos de inteligencia artificial, según el comunicado de Biohub recogido por Reuters, MIT Technology Review, Bioengineer y News-Medical. El objetivo declarado es construir un modelo predictivo de la célula —una «célula virtual»— que permita ensayar hipótesis en una pantalla antes de gastar un solo reactivo en el laboratorio.

El reparto, detallado por Biohub y resumido por Unite.ai, mezcla compromisos nuevos con fondos ya existentes. Biohub pone US$500 millones de su compromiso fundacional anunciado en abril de 2026 —dentro de una promesa mayor de US$3.000 millones de la Chan Zuckerberg Initiative—: US$400 millones para nuevas tecnologías de medición (crio-tomografía electrónica y microscopía capaz de registrar de millones a billones de células en tejido vivo) y US$100 millones para investigación externa. El DOE compromete más de US$500 millones a cinco años a través de su Genesis Mission, con supercomputación exascale, crio-microscopía electrónica y laboratorios autónomos en su red de laboratorios nacionales; su subsecretario de Ciencia, Darío Gil, lo calificó en el comunicado como «un nuevo estándar de ciencia abierta». El NIH aporta la coordinación de más de US$500 millones de inversión federal previa —ya gastada en datasets y bases de conocimiento— que Biohub se encargará de estandarizar. Y Google DeepMind, Isomorphic Labs y Meta ponen US$300 millones como socios fundadores de la llamada Virtual Biology Initiative. Dicho de otro modo: de los US$1.800 millones que encabezan el titular, solo una parte —el medio millardo del DOE y los US$300 millones corporativos— parece dinero genuinamente incremental; el resto reempaqueta compromisos y presupuestos que ya existían. No resta relevancia al anuncio, pero conviene no leerlo como un cheque nuevo de 1.800 millones.

Hay además una asimetría relevante en el reparto de acceso: los datos financiados por las tres empresas privadas tendrán un embargo de un año antes de hacerse públicos, mientras que los generados con dinero federal se publican sin restricción, según precisa Hoodline. Google, Isomorphic Labs y Meta compran, en la práctica, doce meses de ventaja exclusiva sobre un repositorio que se presenta como «ciencia abierta».

La escala que persigue el proyecto es difícil de dimensionar. Los mayores datasets de célula única actuales llegan a cientos de millones de células, casi mil millones en el mejor de los casos; Alex Rives, jefe de ciencia de Biohub, dijo a Reuters —citado por Hoodline— que un modelo predictivo verdaderamente útil necesitará «miles de millones y eventualmente trillones» de células. Como referencia, los tejidos humanos contienen alrededor de 37 billones de células, según datos citados por Hoodline y Quartz. El plan de Biohub es comprimir en cinco años un trabajo que normalmente tomaría décadas, según la cobertura de Hoodline, con un primer dataset listo en aproximadamente un año, combinando transcriptómica espacial —que mapea la actividad molecular dentro de tejido intacto— y pantallas celulares que registran cómo responde una célula a cambios en su entorno. Max Jaderberg, presidente de Isomorphic Labs, resumió la lógica en el comunicado: «generar los datos para resolver biología de sistemas predictiva requiere escalar más allá de lo que cualquier organización puede producir hoy». Pushmeet Kohli, vicepresidente de AI for Science en Google DeepMind, fue en la misma línea: sin «datos abiertos y estandarizados a una escala sin precedentes» no hay forma de resolver el problema.

Biohub no parte de cero. Es el laboratorio sin fines de lucro fundado en 2016 por Priscilla Chan y Mark Zuckerberg a través de la Chan Zuckerberg Initiative, y acumula una década de proyectos abiertos como Tabula Sapiens (mapa de tipos celulares humanos), OpenCell (atlas de localización e interacción de proteínas), Zebrahub (atlas de desarrollo del pez cebra) y la infraestructura comunitaria CELLxGENE y CryoET Data Portal. Desde 2023 opera además un clúster de más de 1.000 GPU Nvidia H100 dedicado a modelar células, según Hoodline. Se suman como socios académicos el Allen Institute, el Broad Institute, Gladstone Institutes, el Wellcome Sanger Institute, el Human Cell Atlas y el Human Protein Atlas —instituciones con experiencia previa coordinando consorcios del tamaño del Proyecto Genoma Humano—, además de Nvidia como proveedor de cómputo y Renaissance Philanthropy al frente de la búsqueda de fondos adicionales.

El movimiento no es aislado. Anthropic adquirió la startup Coefficient Bio y montó un laboratorio húmedo robótico en el Área de la Bahía para probar si Claude puede instruir directamente equipo automatizado, según recoge explainx.ai. La OpenAI Foundation lanzó un programa de becas de más de US$125 millones para datasets biológicos y médicos, según MIT Technology Review (septiembre de 2026) —su primer gran premio, US$40 millones, fue para el UNC Lineberger Comprehensive Cancer Center por datos de vacunas contra el cáncer, según Hoodline, que cita a Venture Atlas—. Lo que Biohub reclama como diferencial frente a esos movimientos no es solo el monto: es el grado de coordinación entre gobierno federal, grandes tecnológicas y academia bajo un mismo programa, con la promesa de que los datos —salvo el embargo corporativo de un año— queden abiertos.

Esto es, probablemente, la prueba más concreta hasta ahora de hacia dónde apunta nuestra tesis de fondo sobre la IA aplicada a la biología: si existiera un modelo capaz de simular con fiabilidad cómo responde una célula a un fármaco o a una mutación, el coste y el tiempo de descubrir un tratamiento se desplomarían, y la promesa de erradicar enfermedades dejaría de ser un eslogan de presentación para convertirse en una hoja de ruta de ingeniería. Pero conviene no confundir el anuncio con el resultado: lo que existe hoy es una coalición de financiación y un calendario —primer dataset en un año, el grueso del trabajo comprimido en cinco—, no una célula virtual funcionando. La historia reciente de la IA está llena de planes a cinco años que terminan en diez, y comprimir en un lustro un trabajo que, según la fuente, normalmente tomaría décadas es una apuesta, no un hecho consumado.

Lo que sí es un hecho es el reposicionamiento del cuello de botella: ya no es el algoritmo ni la potencia de cómputo —ambos relativamente resueltos en IA generativa— sino el dato biológico limpio, estandarizado y a una escala que ninguna organización por sí sola puede generar. Esa es la razón de fondo por la que gobierno, filantropía y tres de las compañías con más músculo de IA del mundo convergen en un mismo programa: ni Google, ni Meta, ni Isomorphic Labs —filial de Alphabet dedicada al descubrimiento de fármacos— pueden comprarse en solitario el acceso a 37 billones de células. Y es también la razón por la que, pese al envoltorio de «ciencia abierta», las empresas se reservan un año de exclusividad sobre lo que financian: quien entrene antes con esos datos saca ventaja de meses sobre quien espere a que se liberen.

El patrón conecta con algo que ya veíamos en Anthropic y en OpenAI: la competencia entre laboratorios de IA se traslada del tamaño del modelo al acceso a datos primarios y a la infraestructura física —laboratorios húmedos, microscopios, supercomputación exascale— que los genera. A corto plazo, nada de esto cura nada todavía: es infraestructura, dinero y coordinación institucional, y conviene tratarlo con el mismo escepticismo con que tratamos cualquier plan quinquenal de IA. A largo plazo, es exactamente el tipo de apuesta que, si cumple una fracción de lo prometido, acerca el horizonte de una medicina que simula antes de experimentar —y con ella, el de un puñado de enfermedades que dejamos por fin de combatir a ciegas.