El laboratorio de Terray Therapeutics es una sinfonía de automatización miniaturizada. Los robots zumban, transportando pequeños tubos de fluidos a sus estaciones. Científicos con batas azules, guantes esterilizados y gafas protectoras vigilan las máquinas.
Pero la acción real ocurre a nanoescala: las proteínas en solución se combinan con moléculas químicas contenidas en pequeños pozos en chips de silicio personalizados que son como moldes microscópicos para muffins. Cada interacción se registra, millones y millones cada día, generando 50 terabytes de datos sin procesar por día, el equivalente a más de 12.000 películas.
El laboratorio, de aproximadamente dos tercios del tamaño de un campo de fútbol, es una fábrica de datos para el descubrimiento y desarrollo de fármacos asistidos por IA en Monrovia, California. Es parte de una ola de empresas jóvenes y nuevas empresas que intentan aprovechar la inteligencia artificial para fabricar medicamentos más eficaces y más rápidos.
Las empresas están aprovechando la nueva tecnología (que aprende de cantidades masivas de datos para generar respuestas) para intentar rehacer el descubrimiento de fármacos. Están cambiando el campo de una artesanía meticulosa a una precisión más automatizada, un cambio impulsado por el aprendizaje de la IA y por volverse más inteligentes.
“Una vez que se tiene el tipo correcto de datos, la IA puede funcionar y volverse realmente efectiva”, afirmó Jacob Berlin, cofundador y director ejecutivo de Terray.
La mayoría de los primeros usos corporativos de la IA generativa, que puede producir de todo, desde poesía hasta programas de computadora, tenían como objetivo simplificar las tareas rutinarias de oficina, el servicio al cliente y la escritura de códigos. Sin embargo, el descubrimiento y desarrollo de fármacos es un sector enorme que, según los expertos, está maduro para una renovación de la IA.
Según la consultora McKinsey & Company, la inteligencia artificial representa “una oportunidad única en la vida” para el sector farmacéutico.
Así como los chatbots populares como ChatGPT se entrenan con texto en Internet y los generadores de imágenes como DALL-E aprenden de grandes cantidades de imágenes y videos, la IA para el descubrimiento de fármacos se basa en datos. Y se trata de datos muy especializados: información molecular, estructuras de proteínas y mediciones de interacciones bioquímicas. La IA aprende de los patrones de los datos para sugerir posibles candidatos a fármacos útiles, como si relacionara claves químicas con los componentes básicos de proteínas correctos.
Dado que la IA para el desarrollo de fármacos se basa en datos científicos precisos, las “alucinaciones” tóxicas son mucho menos probables que con chatbots mejor entrenados. Y cualquier medicamento potencial debe someterse a pruebas exhaustivas en laboratorios y ensayos clínicos antes de ser aprobado para los pacientes.
Empresas como Terray están construyendo grandes laboratorios de alta tecnología para generar información para entrenar inteligencia artificial, lo que permite una experimentación rápida y la capacidad de identificar patrones y hacer predicciones sobre lo que podría funcionar.
Luego, la IA generativa puede diseñar digitalmente una molécula de fármaco. Este diseño se traduce, en un laboratorio automatizado de alto rendimiento, en una molécula física y se prueba su interacción con una proteína objetivo. Los resultados, positivos o negativos, se registran y se devuelven al software de IA para mejorar el diseño posterior, acelerando el proceso general.
Aunque algunos medicamentos desarrollados por la IA se encuentran en ensayos clínicos, todavía se encuentran en sus primeras etapas.
“La IA generativa está transformando el campo, pero el proceso de desarrollo de fármacos es complicado y muy humano”, afirmó David Baker, bioquímico y director del Instituto de Diseño de Proteínas de la Universidad de Washington.
El desarrollo de fármacos ha sido tradicionalmente una tarea costosa, lenta y exitosa. Los estudios sobre el costo de diseñar un medicamento y llevar a cabo ensayos clínicos hasta su aprobación final varían ampliamente. Pero se estima que el gasto total promedia mil millones de dólares. Se necesitan de 10 a 15 años. Y casi el 90% de los fármacos candidatos que entran en ensayos clínicos en humanos fracasan, generalmente debido a la falta de eficacia o a efectos secundarios inesperados.
Los jóvenes desarrolladores de fármacos de IA están intentando utilizar su tecnología para mejorar estas probabilidades, ahorrando tiempo y dinero.
Su mayor fuente de financiación proviene de los gigantes farmacéuticos, que durante mucho tiempo han servido como socios y banqueros para proyectos de investigación más pequeños. Los fabricantes actuales de fármacos de IA generalmente se centran en acelerar las etapas preclínicas de desarrollo, que normalmente tardan de cuatro a siete años. Algunos pueden intentar participar ellos mismos en ensayos clínicos. Pero es entonces cuando las grandes compañías farmacéuticas suelen tomar el control, gestionando los costosos ensayos en humanos, que pueden llevar otros siete años.
Para las empresas farmacéuticas establecidas, la estrategia de socios representa un camino de costo relativamente bajo para explotar la innovación.
“Para ellos, es como tomar un Uber para llevarte a algún lugar en lugar de tener que comprar un automóvil”, dijo Gerardo Ubaghs Carrión, ex banquero de inversiones en biotecnología del Bank of America Securities.
Las principales compañías farmacéuticas pagan a sus socios de investigación para que logren hitos hacia candidatos a fármacos, lo que puede sumar cientos de millones de dólares a lo largo de los años. Y si un medicamento finalmente se aprueba y se convierte en un éxito comercial, se genera una corriente de regalías.
Empresas como Terray, Recursion Pharmaceuticals, Schrödinger e Isomorphic Labs están buscando descubrimientos revolucionarios. Pero hay, en general, dos caminos diferentes: los que están construyendo grandes laboratorios y los que no.
Isomorphic, la filial de descubrimiento de fármacos de Google DeepMind, el principal grupo de IA del gigante tecnológico, cree que cuanto mejor es la IA, menos datos se necesitan. Y está apostando por su destreza en software.
En 2021, Google DeepMind lanzó un software que predijo con precisión las formas en las que se plegarían las cadenas de aminoácidos como proteínas. Esas formas tridimensionales determinan cómo funciona una proteína. Esto supuso un impulso para la comprensión biológica y fue útil en el descubrimiento de fármacos, ya que las proteínas guían el comportamiento de todos los seres vivos.
El mes pasado, Google DeepMind e Isomorphic anunciaron que su último modelo de IA, AlphaFold 3, puede predecir cómo interactuarán las moléculas y las proteínas, un nuevo avance en el diseño de fármacos.
“Nos estamos centrando en el enfoque computacional”, afirmó Max Jaderberg, jefe de inteligencia artificial de Isomorphic. “Creemos que existe un enorme potencial por desbloquear”.
Terray, como la mayoría de las empresas emergentes de desarrollo de fármacos, es un subproducto de años de investigación científica combinados con desarrollos más recientes en inteligencia artificial.
El Dr. Berlin, el director ejecutivo, que obtuvo su doctorado. en química de Caltech, ha buscado avances en nanotecnología y química a lo largo de su carrera. Terray surgió de un proyecto académico que comenzó hace más de una década en el centro oncológico City of Hope, cerca de Los Ángeles, donde el Dr. Berlin tenía un equipo de investigación.
Terray se está centrando en el desarrollo de fármacos de molécula pequeña, esencialmente cualquier fármaco que una persona pueda ingerir en forma de pastilla, como la aspirina y las estatinas. Las pastillas son cómodas de tomar y económicas de producir.
Los elegantes laboratorios de Terray están muy lejos de los viejos tiempos académicos, cuando los datos se almacenaban en hojas de cálculo de Excel y la automatización era un objetivo lejano.
“Yo era el robot”, recordó Kathleen Elison, cofundadora y científica principal de Terray.
Pero en 2018, cuando se fundó Terray, las tecnologías necesarias para construir su laboratorio de datos de estilo industrial avanzaban rápidamente. Terray se basó en avances de fabricantes externos para fabricar los chips a microescala que diseñó Terray. Sus laboratorios están llenos de equipos automatizados, pero casi todos están personalizados gracias a los avances en la tecnología de impresión 3D.
Desde el principio, el equipo de Terray reconoció que la IA sería crucial para dar sentido a sus almacenes de datos, pero el potencial de la IA generativa en el desarrollo de fármacos solo se hizo evidente más tarde, incluso antes de que ChatGPT se convirtiera en un gran éxito en 2022.
Narbe Mardirossian, científica senior de Amgen, se convirtió en directora de tecnología de Terray en 2020, en parte debido a su gran cantidad de datos generados en laboratorio. Bajo la dirección del Dr. Mardirossian, Terray creó sus equipos de ciencia de datos e inteligencia artificial y creó un modelo de inteligencia artificial para traducir datos químicos en matemáticas y viceversa. La compañía ha lanzado una versión de código abierto.
Terray tiene acuerdos de asociación con Bristol Myers Squibb y Calico Life Sciences, una subsidiaria de Alphabet, la empresa matriz de Google, que se enfoca en enfermedades relacionadas con la edad. Los términos de estos acuerdos no se revelan.
Para expandirse, Terray necesitará fondos más allá de los 80 millones de dólares en financiación de capital de riesgo, dijo Eli Berlin, el hermano menor del Dr. Berlin. Dejó un trabajo en capital privado para convertirse en cofundador y director financiero y de operaciones de la nueva empresa, convencido de que la tecnología podría abrir las puertas a un negocio rentable, dijo.
Terray está desarrollando nuevos medicamentos para enfermedades inflamatorias como el lupus, la psoriasis y la artritis reumatoide. La compañía, dijo el Dr. Berlin, espera tener los medicamentos en ensayos clínicos a principios de 2026.
Las innovaciones farmacéuticas de Terray y sus colegas pueden acelerar las cosas, pero sólo hasta cierto punto.
“La prueba definitiva para nosotros, y para el campo en general, es si dentro de 10 años uno mira hacia atrás y puede decir que la tasa de éxito clínico ha aumentado dramáticamente y que tenemos mejores medicamentos para la salud humana”, dijo el Dr. Berlina.