Boltz, una startup con sede en Londres que nació como proyecto del MIT, ha levantado 110 millones de dólares en una ronda Serie A liderada por Bessemer. La empresa, que desarrolla modelos de inteligencia artificial para acelerar el descubrimiento de fármacos, anunció la operación el miércoles. A la ronda se han sumado inversores nuevos y otros que repiten, como Greycroft, Andreessen Horowitz, Amplify Partners, F-Prime Capital y Hummingbird. Es su segunda gran financiación, tras una primera ronda inicial en 2025.
Por qué encontrar un fármaco cuesta tanto
Muchos medicamentos se basan en moléculas pequeñas, que solo pueden neutralizar un patógeno si se unen a él. Por eso los investigadores empiezan buscando moléculas con alta afinidad de unión, es decir, con capacidad para engancharse con fuerza a su objetivo. En cada proyecto revisan cientos de miles de moléculas candidatas. El proceso puede durar meses y costar millones de dólares.
Boltz ofrece un modelo llamado BoltzMol-1 que, según la empresa, reduce ese trabajo. En lugar de examinar cientos de miles de moléculas, analiza unas pocas docenas de las más prometedoras y genera los datos de afinidad a partir de ellas. Cuantas menos moléculas hay que estudiar, menos tarda el análisis.
Estas evaluaciones no producen un fármaco de inmediato. Producen lo que se llaman «hits», pistas iniciales que señalan en qué zona conviene concentrar los esfuerzos. Son indicios débiles, pero orientan el trabajo de los laboratorios desde el principio.
Resultados en diez dianas biológicas
Boltz pidió a BoltzMol-1 que buscara hits en diez dianas terapéuticas difíciles. Las dianas son piezas biológicas que intervienen en procesos de enfermedad y sobre las que puede actuar un fármaco. Según la compañía, el modelo encontró moléculas prometedoras en seis de ellas. Son resultados que la propia empresa comunica, así que todavía falta ver cómo se trasladan a ensayos reales.
El sistema también se puede ajustar a las limitaciones de cada proyecto. Si un equipo dispone de un número reducido de compuestos, puede configurar el modelo para que solo considere moléculas que se puedan fabricar con ellos. Cuando conseguir material no es un obstáculo, BoltzMol-1 evalúa un número mucho mayor de candidatas.
Un segundo modelo para diseñar proteínas
Boltz tiene además un segundo modelo, BoltzProt-1. Genera decenas de miles de diseños de proteínas a partir de los datos de esos hits y revisa automáticamente cada uno para saber si podría servir para desarrollar un nuevo fármaco.
Los modelos habituales valoran esos diseños con criterios que solo indican de forma indirecta si funcionarán. Boltz sostiene que BoltzProt-1 usa métricas más directas. La empresa afirma que, en pruebas internas, su sistema de evaluación mostró «un éxito superior» al de varios modelos competidores. Son también cifras de la compañía, pendientes de comprobación independiente.
Clientes, dinero y competencia
Boltz vende sus algoritmos a través de una interfaz de programación, un canal que permite a otras empresas usar sus modelos desde sus propios sistemas. El cobro se hace según el consumo de tokens, las unidades en las que se mide el trabajo que realiza la IA. La compañía asegura que el consumo de sus clientes se ha multiplicado por 50 veces desde que lanzó ambos modelos en junio. Entre sus clientes figuran seis de las 20 mayores farmacéuticas del mundo.
La nueva financiación servirá para contratar personal y comprar más infraestructura de computación. Así, Boltz quiere seguir el ritmo de laboratorios punteros como Anthropic, que acaba de cotizar en bolsa, y OpenAI. Ambas empresas han presentado en el último año modelos muy adaptados a la investigación biológica.
Lo que viene después
Boltz ya entrena una nueva generación de algoritmos de diseño de moléculas. La empresa dice que estos modelos muestran «mejoras sustanciales» frente a los actuales, aunque todavía no ha detallado cuándo estarán disponibles.
Si estas cifras se confirman fuera de la propia empresa, la búsqueda de candidatos a medicamento podría requerir menos tiempo y menos dinero, dos de los principales cuellos de botella de la industria farmacéutica.




