De 30 millones de imágenes de neuronas al punto de partida de un nuevo fármaco: Recursion y Genentech impulsan la primera diana de IA

El punto donde más suelen atascarse los fármacos de neurociencia no es necesariamente la falta de moléculas candidatas, sino si la biología de la enfermedad se eligió correctamente desde el principio. Recursion y Genentech han llevado ahora una nueva diana, identificada a partir de datos neuronales a gran escala y modelos de IA, a un programa conjunto de exploración temprana de moléculas pequeñas, lo que supone el primer proyecto de I+D en neurociencia basado en este método de «primero cartografiar la biología y después formular hipótesis».

Este mapa de fenotipos neuronales se construyó a partir de la producción celular a gran escala y experimentos de todo el genoma. El equipo de colaboración produjo más de un billón de neuronas a partir de células madre pluripotentes inducidas humanas, realizó perturbaciones como la inactivación de más de 17.000 genes y obtuvo más de 30 millones de imágenes celulares. A continuación, modelos fundacionales entrenados específicamente compararon los fenotipos de alta dimensionalidad provocados por diferentes perturbaciones génicas para buscar genes biológicamente relacionados con factores conocidos que impulsan enfermedades neurológicas, pero que aún no se han explorado suficientemente.

La clasificación del modelo fue solo el punto de partida. Según Recursion, el equipo examinó primero si las dianas candidatas afectaban realmente a las vías biológicas predichas; después observó si la manipulación de la diana podía modificar el estado de salud, el metabolismo y la función electrofisiológica de las neuronas humanas; y, por último, comprobó si bastaba para alterar fenotipos relacionados con la enfermedad. Después de que la primera diana superara estos tres niveles de validación, Genentech ejerció su opción sobre una «diana validada» y la incorporó al programa conjunto de I+D.

El siguiente paso es generar y validar moléculas pequeñas con actividad inicial. Ambas partes intentarán diseñar compuestos capaces de modular la diana y optimizar progresivamente su potencia, selectividad y propiedades farmacológicas. Esto significa que el programa ya ha superado la mera predicción computacional, pero aún debe franquear múltiples etapas antes de llegar a un candidato a fármaco, a la prueba de concepto en animales e incluso a los ensayos en humanos. Los fármacos para el sistema nervioso también deben afrontar dificultades como la exposición cerebral, la seguridad a largo plazo y los criterios de valoración clínicos.

Este avance también refleja un cambio en los criterios de evaluación del desarrollo de fármacos con IA: la escala de los datos por sí sola no basta para demostrar valor. La clave es si las relaciones propuestas por el modelo pueden reproducirse mediante experimentos independientes y escalonados y, en última instancia, traducirse en mecanismos modulables mediante fármacos. Un mapa fenotípico reutilizable quizá pueda generar varias hipótesis de investigación a la vez, pero cada diana aún debe someterse individualmente a las pruebas de la farmacología tradicional y de los modelos de enfermedad.

La principal laguna de información en este momento es que las dos partes aún no han revelado el nombre de la diana, la enfermedad concreta, el tamaño del efecto experimental ni el modelo de validación, y tampoco han publicado datos sobre los compuestos. La información disponible procede principalmente de Recursion y carece del respaldo de informes de investigación externos sobre el mismo acontecimiento o de datos revisados por pares. Por tanto, se trata de un hito temprano de I+D con relevancia metodológica, pero todavía no puede considerarse una prueba de que la IA haya mejorado la tasa de éxito clínico de los fármacos para enfermedades neurológicas.