Investigación y desarrollo biotecnológico · global
Llevar los resultados experimentales de vuelta a la IA: Hansa se alía con Cradle para diseñar nuevos fármacos proteicos contra enfermedades autoinmunes
La colaboración permitirá que el diseño de proteínas tenga en cuenta simultáneamente la actividad, la estabilidad y las necesidades de fabricación, y que aprenda continuamente de los datos experimentales de Hansa. La posibilidad de acortar los plazos de investigación y desarrollo aún deberá validarse en el laboratorio; el ahorro de 18 meses mencionado en la promoción no es un resultado de esta colaboración.
Aunque una proteína parezca prometedora en el ordenador, todavía debe superar muchos obstáculos antes de convertirse en un medicamento: su acción debe ser suficientemente potente, su estructura debe ser estable y su fabricación debe ser fiable. La nueva colaboración entre la sueca Hansa Biopharma y Cradle, empresa de plataformas de ingeniería de proteínas, busca incorporar conjuntamente estas necesidades al proceso de diseño, para que los datos obtenidos en cada ronda de experimentos sirvan de base para las mejoras de la siguiente.
Las dos empresas anunciaron la colaboración el 1 de octubre de 2026. Hansa incorporará la plataforma de Cradle a su cartera de descubrimiento de fármacos para diseñar, optimizar y avanzar en el desarrollo de moléculas candidatas para tratar enfermedades autoinmunes graves. Sofia Järnum, responsable de investigación y desarrollo temprano de Hansa, señaló que, tras evaluar a varios proveedores de IA, la empresa valoró la capacidad de Cradle para ofrecer apoyo desde la identificación inicial de moléculas activas, combinando la optimización de múltiples parámetros con el aprendizaje activo a partir de sus propios datos experimentales.
La optimización de múltiples parámetros consiste en evaluar simultáneamente varias propiedades que pueden entrar en conflicto entre sí al modificar una proteína. Un cambio que aumente la actividad no necesariamente favorecerá también la estabilidad o la fabricación. Según una entrevista de R&D World, Hansa incorporará a la plataforma sus datos existentes, sus conocimientos sobre las enfermedades y su experiencia en ingeniería de proteínas; los investigadores compararán primero los diseños candidatos, después producirán las moléculas y realizarán pruebas, cuyos resultados se incorporarán a la siguiente ronda de diseño.
Los científicos de Hansa seguirán a cargo de este proceso, mientras que los equipos de fabricación, ciencia traslacional y desarrollo clínico seguirán sus avances. Järnum indicó en la entrevista que el trabajo de laboratorio necesario para producir y probar las moléculas sigue siendo un cuello de botella. Aunque el ordenador pueda proponer secuencias más rápidamente, será necesario medir las propiedades de las moléculas candidatas para saber si el diseño funciona.
El anuncio de la colaboración menciona que algunos clientes de Cradle han comunicado reducciones de hasta 18 meses en los plazos de investigación y desarrollo. Sin embargo, Stef van Grieken, director ejecutivo de Cradle, explicó a R&D World que esa cifra procede de un proyecto de vacunas y que el ahorro varía según la aplicación. Se trata de una afirmación de la empresa sobre otros proyectos, que no puede considerarse un resultado ya obtenido por Hansa ni permite calcular cuándo un nuevo fármaco podría entrar en la fase clínica.
Contexto
La base tecnológica de Hansa incluye enzimas que escinden la inmunoglobulina G (IgG); su imlifidase ya se utiliza en Europa en determinadas situaciones de trasplante renal. Esto aporta contexto para entender la orientación de su investigación y desarrollo de fármacos proteicos, pero el anuncio no especifica qué moléculas candidatas utilizarán Cradle ni limita la colaboración a los productos existentes. Los beneficios de la nueva plataforma deberán validarse por separado en cada proyecto de investigación y desarrollo.
La información pública disponible hasta ahora no detalla el tamaño de los conjuntos de datos que aportará Hansa, los indicadores concretos de optimización ni los resultados experimentales de una comparación con el proceso anterior. Tampoco hay pruebas de eficacia clínica derivadas de esta colaboración. El avance concreto de esta colaboración consiste en integrar el diseño mediante IA en el ciclo experimental de la farmacéutica; la siguiente cuestión será determinar si puede reducir los intentos infructuosos y generar moléculas capaces de superar las posteriores validaciones de seguridad y eficacia.