Lilly paga 2.250 millones a Profluent para diseñar editores genéticos con IA

Dos mil doscientos cincuenta millones de dólares es la cifra que Eli Lilly ha puesto encima de la mesa para trabajar con Profluent, una startup californiana que aplica modelos de lenguaje al diseño de proteínas y sistemas de edición genética. El acuerdo, anunciado a principios de mayo de 2026, incluye un pago inicial más hitos vinculados a resultados clínicos, y sitúa a Profluent entre los contratos más grandes firmados hasta ahora por una empresa de IA biomolecular.

La apuesta es concreta: usar los modelos de Profluent para generar editores de genes de nueva generación —variantes de CRISPR y tecnologías relacionadas— que sean más precisos, más pequeños en tamaño molecular y más adaptables a distintos tejidos que los sistemas actuales. Lo que la industria lleva años llamando el "santo grial" de la medicina genética no es un objetivo nuevo, pero sí es novedoso el método: tratar las secuencias de proteínas como si fueran texto, y entrenar modelos para que "escriban" moléculas funcionales de la misma forma en que un LLM genera código.

Qué hace Profluent exactamente

Profluent lleva desde 2022 desarrollando lo que denomina "modelos de lenguaje de proteínas" (PLMs, por sus siglas en inglés). La idea central es que las secuencias de aminoácidos tienen una gramática propia, y que los transformers pueden aprender esa gramática si se entrenan con suficientes datos estructurales y de secuencia. En 2024, la compañía publicó OpenCRISPR-1, un editor genético diseñado íntegramente por su modelo y puesto en código abierto, como demostración de concepto.

El salto desde esa demostración a un acuerdo con Lilly implica pasar de "podemos generar editores que funcionan in vitro" a "podemos generar terapias candidatas para ensayos clínicos". Es un salto enorme, y los 2.250 millones reflejan tanto el potencial como el riesgo: la mayor parte de esa cifra está condicionada a que los candidatos superen fases clínicas, algo que en medicina genética tiene tasas de fracaso históricamente altas.

Por qué Lilly y por qué ahora

Lilly lleva varios años reforzando su cartera en enfermedades raras y medicina de precisión, áreas donde la edición genética tiene aplicación directa. Su interés no es académico: el mercado de terapias génicas aprobadas empieza a tener tracción comercial real, y las farmacéuticas con capacidad de fabricación y distribución ven una ventana para entrar antes de que los precios de licencia escalen.

Desde el lado de Profluent, el acuerdo valida un modelo de negocio que hasta hace poco era especulativo. Las startups de IA biomolecular habían recibido capital riesgo abundante, pero los contratos con grandes farmacéuticas con compromisos económicos de esta magnitud son todavía escasos. Que Lilly asuma parte del riesgo de desarrollo cambia la ecuación para el sector.

Qué significa para la intersección entre IA y biología

Hay un patrón que se repite: los modelos de lenguaje, entrenados originalmente para procesar texto humano, resultan ser arquitecturas útiles para cualquier sistema secuencial con estructura latente. El código de programación fue el primer campo adyacente que lo demostró de forma masiva. Las proteínas son el siguiente, y los resultados de AlphaFold, ESMFold y ahora los PLMs de Profluent apuntan en la misma dirección.

Lo relevante no es solo que la IA ayude a buscar candidatos más rápido —eso ya lo hacen herramientas de cribado virtual desde hace años—, sino que potencialmente puede explorar espacios de secuencia que la evolución nunca visitó. Un editor genético diseñado por un modelo no tiene por qué parecerse a Cas9 ni a sus derivados naturales; puede ser algo funcionalmente equivalente pero estructuralmente distinto, lo que abre posibilidades para sortear limitaciones de tamaño, inmunogenicidad o especificidad de tejido.

La noticia fue recogida este fin de semana en Hacker News, donde generó poca discusión en sus primeras horas, probablemente porque el acuerdo tiene más peso en círculos de biotech que en los de desarrollo de software. Eso no lo hace menos significativo.

---

En ClaudeWave seguimos de cerca la aplicación de modelos de lenguaje fuera del texto, y este acuerdo es uno de los más sustanciales que hemos visto en esa dirección. Que funcione dependerá de la biología, no de los modelos; pero que se esté intentando a esta escala ya dice algo sobre dónde está la confianza del sector.