GeneGebra llegó a LAB+ con un objetivo: transformar la forma en que se almacena y procesa la información genómica, utilizada en el diagnóstico de enfermedades. Su propuesta, basada en conceptosmatemáticos, promete abaratar hasta 10 veces los costos de almacenamiento y acortar los tiempos requeridos en estos procesos.
El fundador de la startup, Xavier Berthet, es ingeniero en biotecnología y doctor en microbiología. Con una trayectoria internacional en la industria farmabiotech que incluye Europa, Asia y América, su último cargo fue como director científico y responsable de I+D en el Institut Pasteur de Dakar.
En esta entrevista explica cómo funciona GeneGebra, detalla su modelo de negocios y comparte los planes que la compañía tiene para este año.
—¿A qué se dedica GeneGebra?
— A través del lenguaje matemático, buscamos democratizar la biología computacional y simplificar la manera de representar, almacenar, y analizar la información genómica.
El ADN de las personas es como un libro de recetas, escrito en un alfabeto de cuatro letras: A, T, C, G. Eso ocupa mucho espacio y obliga a las máquinas a almacenar una enorme cantidad de información para procesarla. Nosotros estamos cambiando ese paradigma: dejamos de representar el ADN como un texto y pasamos a representarlo como un objeto matemático, una matriz de números. Ese cambio de representación implica que el análisis del genoma de una persona no solo se puede manipular de forma más ligera, sino también analizar más rápido y con menor costo.
—¿Cómo funciona su método?
— En una investigación previa, descubrimos unos objetos matemáticos llamados grupos de Galois escondidos dentro del mensaje del ADN. Hasta ahora trabajábamos únicamente con el código genético, pero descubrimos otro código oculto por debajo del ADN: el álgebra genómico. Eso nos permite transformar el texto en matemáticas.
¿Y cómo se produce eso? Los grupos de Galois son objetos que contienen simetrías, y esas simetrías permiten disminuir la cantidad de información necesaria para representar un objeto. Te doy un ejemplo: si una persona es simétrica, con una mitad podés reconstruir la otra. O una pizza: con una porción podés reconstruir la pizza entera. Es decir, la información necesaria para codificarla es solo un fragmento.
Nosotros descubrimos un mecanismo similar dentro del genoma. A partir de eso desarrollamos software para comprimir y analizar genomas basándonos en matemáticas y no en texto.
—¿Qué hace relevante a la información genómica?
Investigadores la usan para conocer los organismos vivos. También sirve para detectar enfermedades infecciosas, crónicas como el cáncer o predisposiciones genéticas.
Además, está la metagenómica, que permite secuenciar ecosistemas completos. Por ejemplo, una gota de agua de un río contiene ADN de virus, bacterias, parásitos y otros organismos. La bioinformática permite identificar qué organismos hay y en qué proporción, lo que sirve para el monitoreo ambiental, vigilancia epidemiológica y detección temprana de patógenos. Imaginá sensores de ADN en escuelas, estadios, trenes o aeropuertos detectando en tiempo real los virus y bacterias que circulan.
También es muy útil para enfermedades crónicas como HIV o tuberculosis, donde el patógeno evoluciona y hay que adaptar tratamientos según mutaciones de resistencia.
El método de almacenamiento y procesamiento de GeneGebra sirve para trabajar en todo eso, pero también en el futuro queremos extender la tecnología al almacenamiento de estructuras químicas, proteínas, imágenes y otros tipos de información.
—¿Cuál es su modelo de negocios?
— Nuestro primer producto, el formato disruptivo de almacenamiento Gebra™, lo vamos a vender a quienes manejan grandes volúmenes de información genómica. Si les ahorramos un 75% de espacio y de coste energético, el cliente nos paga un 25% de ese ahorro. Cobraríamos según lo que cada uno ahorra.
Por ejemplo, almacenar un exabyte, que es una gran cantidad de información equivalente a 20 veces todos los libros escritos en la historia, cuesta varios millones de dólares por año. Con nuestro formato, podemos reducir el tamaño hasta 10 veces.
Nuestros clientes potenciales son organizaciones trasnacionales como el National Institutes of Health (NIH), el European Bioinformatics Institute o el European Molecular Biology Laboratory, cuyo trabajo es poner a disposición de la comunidad grandes cantidades de secuencia genómica. Ya estamos hablando con el NIH y próximamente con el European Bioinformatics Institute.
Para investigadores e instituciones vamos a ofrecer licencias abiertas con un coste simbólico. Por ejemplo, mil dólares por instituto para que todos sus investigadores puedan usar el software.
—¿En qué etapa de desarrollo están?
—En setiembre lanzaremos nuestro principal producto, que es el formato de almacenamiento llamado Gebra. Servirá para almacenar y procesar datos genómicos.
Para más adelante tenemos nuestro segundo producto, que se basa en la experiencia de usuario de quien usa el programa. Hoy el casi el 100% de las secuencias genéticas se almacenan en formato de texto, llamado FASTA, que los investigadores pueden leer directamente. Esto no sucede con Gebra, que estará en números, por lo que el segundo producto que tendremos es una adaptación para que Gebra pueda ser traducido a formato texto, sin que eso conlleve utilizar más espacio o perder tiempo. Es decir, estamos trabajando para que los investigadores puedan almacenar la información en Gebra, y pasarlo a FASTA solo para leerlo fácilmente.
A su vez, Santiago Robaina (ingeniero especializado en machine learning e IA que se unió a la startup) está desarrollando una interfaz con inteligencia artificial para que usuarios menos expertos en bioinformática puedan hablar con un agente de IA, que va a orquestar el uso de las matemáticas para darles el resultado. Planeamos lanzar este segundo producto en el primer trimestre de 2027.
—Primero lanzan el programa y después la herramienta que hace más fácil su uso.
—Exacto. La idea es que, como todo el mundo trabaja con FASTA, nuestra tecnología funcione “bajo el capó”, pero que la interfaz visible siga siendo FASTA. El usuario no va a notar la diferencia. Entonces, si un científico o científica quiere secuenciar el genoma de un paciente y ahorrar tiempo y espacio, utiliza Gebra sin alterar su workflow habitual.
—¿Cuánto se gana de tiempo usando Gebra?
—No hemos acabado los estudios específicos todavía, pero observamos mejoras superiores a 100 veces. Eso sería desde que cargás la información hasta que obtenés el resultado.
Con FASTA, la demora de tiempo varía según el proyecto y el investigador, pero un análisis puede tardar desde dos horas hasta un día completo. Además, con FASTA se precisa una high performance computer para operar el programa. Usando nuestro software, el análisis se puede hacer desde una computadora normal
—¿Cómo influyó tu experiencia en Dakar a la hora de crear GeneGebra?
—Para mí, crear empresas está profundamente ligado a luchar contra la pobreza, generar trabajo de alto valor añadido y construir sociedades más pacificas, justas y estables.
Si no generamos trabajo, salud y perspectivas de futuro, especialmente en lugares con poblaciones jóvenes y en crecimiento como África, tendremos un mundo más inestable. Y el acceso a salud de calidad y bajo costo es parte fundamental de eso.
Nuestra idea es que el acceso a Gebra sea extremadamente barato o incluso gratuito para investigadores africanos, y que los costos estén cubiertos por grandes organismos internacionales.
—Llegaste a Uruguay hace 4 meses, ¿cómo ves el ecosistema de startups científicas en el país?
—Me encontré con un país muy cálido, nos recibieron muy bien. Pudimos empezar en condiciones excelentes: el laboratorio que tenemos en el Institut Pasteur de Montevideo, personas muy valiosas y apoyo institucional.
Por otro lado, Uruguay todavía no está entre los grandes polos globales de startups, pero eso también tiene ventajas. Prefiero estar en un lugar tranquilo donde se pueda construir algo grande con foco y eficiencia, antes que en un ecosistema hipercompetitivo donde las personas pasan años buscando inversión por la alta competencia. Para mí el time to market es fundamental. Si conseguís un millón de dólares acá y podés dedicarte a construir producto, prefiero eso antes que perder años compitiendo en Silicon Valley. No es un tema de estatus, sino de eficiencia.
Además, para nosotros es muy importante interactuar con investigadores e instituciones de Uruguay, tanto para identificar casos de uso como para construir alianzas, desarrollar proyectos y generar valor juntos.
