Una nueva empresa emergente británica cree que la inteligencia artificial es la clave para acelerar el lento y delicado proceso de diseño de fármacos.
Saltarse el laboratorio
Potential Sciences planea crear conjuntos de datos químicos a gran escala utilizando principios básicos de la física para simular interacciones entre átomos, luego moléculas pequeñas y, posteriormente, aminoácidos y proteínas complejos. Con esos datos, confía en poder entrenar modelos de IA y sistemas de predicción capaces de identificar fármacos altamente específicos para enfermedades concretas, evitando así la costosa y prolongada experimentación en laboratorio.
“Queremos que las moléculas que nunca van a funcionar en la clínica fracasen rápidamente”, explica a WIRED Hatem Helal, fundador y director ejecutivo de Potential Science. “Eso significa contar con mejores predictores de cómo se comportarán al interactuar con la biología humana”.
La startup, lanzada el 5 de noviembre, asegura haber recibido financiamiento inicial de decenas de millones de dólares de SovAI (el fondo de capital de riesgo para IA del gobierno británico) y Twin Path Ventures, entre otros inversionistas. Los fundadores declinaron revelar la cifra exacta o la valoración.
Si las cosas se desarrollan como Potential Sciences espera, esto podría allanar el camino para el desarrollo acelerado de nuevos tratamientos para todo tipo de enfermedades. Al reducir el costo de la experimentación, Helal sostiene que el enfoque de la compañía también podría hacer que sea rentable para las farmacéuticas investigar medicamentos para enfermedades raras que hasta ahora no tenían tratamiento.
“Queremos que sea posible contar con tratamientos más personalizados para las enfermedades; esta idea de que los medicamentos pueden ser combinaciones moleculares únicas adaptadas a la biología humana singular de cada persona”, explica.
La cuestión es si Potential Sciences será capaz de predecir con la precisión que espera la capacidad de los fármacos candidatos para unirse a las proteínas relacionadas con la enfermedad, lo que requeriría un avance significativo.
“Estoy seguro de que supondrá una mejora”, declara Peter Wolynes, profesor de química en la Universidad Rice. Sin embargo, en la actualidad, “la ingeniería de proteínas está al nivel de los romanos, no del Renacimiento”, advierte.
Figuras destacadas del sector, como Demis Hassabis, ganador del Premio Nobel de Química por su trabajo en Google DeepMind, llevan tiempo afirmando que los avances en IA conducirán a descubrimientos científicos trascendentales, del mismo modo que esta tecnología ha revolucionado recientemente las matemáticas. La esperanza de startups como Potential Sciences es que el descubrimiento de fármacos sea una de las primeras fronteras científicas transformadas por esta tecnología.
Más datos
Actualmente, una gran proporción de laboratorios de descubrimiento de fármacos mediante IA desarrollan modelos a partir de una única base de datos pública de estructuras atómicas tridimensionales (el Protein Data Bank) que los investigadores han ampliado durante décadas con los resultados de nuevos experimentos. El problema, de acuerdo con Helal, es que el conjunto de datos sigue siendo demasiado pequeño para entrenar modelos de IA lo suficientemente avanzados como para acelerar de forma fiable la búsqueda de fármacos viables.
“De todos los átomos del universo, existen alrededor de 10⁶⁰ maneras de ensamblarlos en moléculas que potencialmente podrían administrarse a un ser humano”, indica Helal. “Piensa en el descubrimiento de fármacos como un problema de búsqueda; se trata de cuán rápido puede explorar y depurar ese espacio para encontrar moléculas prometedoras para una enfermedad en particular”.
Para abordar este problema, Potential Sciences está intentando crear conjuntos de datos mucho más grandes, compuestos por datos sintéticos generados mediante la simulación de interacciones entre diferentes compuestos químicos. Según la teoría, a partir de estos conjuntos de datos mucho más amplios, la startup podrá entrenar modelos de IA y sistemas de predicción mucho más avanzados.
