“La frontiera è nel wet lab”: Substrate Bio esce allo scoperto a Torino

Si parla molto di come l’intelligenza artificiale stia trasformando la biologia, ma spesso ci si dimentica di un grosso problema che presenta il settore. I modelli sono in grado di fare previsioni, ma non possono condurre esperimenti e i dati di alta qualità (i cosiddetti AI-ready data) necessari per apprendere, non esistono ancora. È questo uno dei colli di bottiglia più critici per l’avanzamento della biomedicina computazionale.

Anna Huyghues Despointes, oggi una delle figure femminili executive di riferimento nel panorama della tech-bio internazionale, dopo anni di esperienza accumulata in Owkin, a inizio 2026 ha lanciato una startup ancora in fase stealth (operando in assoluta riservatezza) che sta sviluppando un’infrastruttura per la produzione di dati biologici nativi per l’IA. Per la prima presentazione pubblica di quella che dovrebbe chiamarsi Substrate Bio (da poco online su substratebio.ai, in fase di assunzione di personale e di contatti con ricercatori che lavorano all’intersezione tra IA e biologia) ha scelto il palco di Wave. E verrebbe da dire, Torino non a caso, dopo che su LinkedIn l’ha definita “my family hometown”, annunciando la sua presenza.

Anna Huyghues Despointes parte da un assunto: «Il ripiegamento delle proteine sta alla biologia come una singola parola sta al linguaggio». E per imparare una lingua è necessario praticarla, migliorando un po’ alla volta. In biologia, oggi, questo non è possibile perché i dati sono frammentati, raccolti in Silos che non si parlano; manca una standardizzazione di protocolli tra diversi laboratori, che permettano di far dialogare i dati raccolti e spesso i dati sono di bassa qualità.

Insomma. È un po’ come voler imparare una lingua avendo a disposizione solo una pagina di dizionario.

La soluzione proposta da Huyghues Despointes è costruire «un sistema operativo, non un dataset, un’infrastruttura completa, che copre tutti i livelli necessari». Quindi realizzazione di laboratori autonomi, in grado di dialogare l’uno con l’altro; un modello di dati standardizzato, in cui siano presenti i metadati, necessari per fornire un contesto, e un’infrastruttura nativa per l’IA. In questo modo ogni esperimento rende il sistema sempre più “smart”, arricchendo i dati e migliorando i modelli.

Nel modello attuale, un biologo realizza un esperimento manuale in un “wet lab”, scrive i risultati su un file Excel e li passa al bioinformatico nel “dry lab” per analizzarli. Questo processo crea errori, ritardi e dati non standardizzati.

Il nuovo paradigma della biologia computazionale consiste nel fondere i due mondi: creare wet lab completamente automatizzati e robotizzati che vengono controllati dal dry lab tramite il cloud. In questo modo, i robot del wet lab eseguono migliaia di esperimenti fisici in parallelo e producono istantaneamente flussi di dati reali che sono pronti per l'addestramento dei modelli di IA nel “dry lab”.

Dunque, come ha concluso Anna Huyghues Despointes, la frontiera non si trova nei dry lab, ma nei wet lab, «cioè, nel mondo reale».