← Volver al inicio

Tras recaudar otros 400 millones de dólares, Chai entra en la fase de validación rigurosa de anticuerpos diseñados por IA en farmacéuticas

El foco de la apuesta del capital está pasando de si los modelos pueden generar moléculas atractivas a si esas moléculas pueden dejar pruebas sólidas en experimentos húmedos, procesos de fabricación y documentación regulatoria.

By SURL BioNews

En los últimos años no ha faltado ruido en torno al descubrimiento de fármacos con IA, pero los anticuerpos son una prueba de fuego especialmente realista: no solo deben parecer capaces de unirse a una proteína diana en una computadora, sino que también deben demostrarse paso a paso en células, animales, fabricación y evaluaciones de seguridad en humanos. Según se informa, Chai Discovery completó una ronda Series C de 400 millones de dólares, y esto llama la atención no solo por el tamaño de la suma, sino porque ocurre cuando las grandes farmacéuticas empiezan a evaluar con mayor seriedad los anticuerpos diseñados por IA.

Según SiliconANGLE, esta financiación apoyará a Chai en el avance de su plataforma de diseño de fármacos con IA, especialmente en el diseño de anticuerpos y moléculas relacionadas con proteínas. Dado que la información pública disponible sigue siendo limitada, no conviene extrapolar demasiado sobre la lista de inversores, la valoración, los términos concretos de colaboración ni el avance de los candidatos a fármacos; lo que sí puede afirmarse es que el mercado está desplazando la pregunta de “si el modelo es novedoso” a “si los productos del modelo pueden ser absorbidos por los procesos de las farmacéuticas”.

Las dificultades del desarrollo de fármacos de anticuerpos suelen esconderse después del cribado inicial. Un anticuerpo candidato necesita suficiente afinidad y selectividad, no debe desencadenar respuestas inmunitarias inaceptables y además debe contar con fabricabilidad, estabilidad y una farmacocinética adecuada. Si la IA quiere crear valor en este campo, no puede limitarse a proponer una serie de secuencias posibles; debe acortar el tiempo de iteración desde el diseño, la expresión y la purificación hasta la validación funcional, y permitir que cada fallo también vuelva al sistema como datos que el modelo pueda aprender.

El interés de las grandes farmacéuticas por este tipo de plataformas procede en parte de la presión sobre sus carteras de I+D. El descubrimiento tradicional de anticuerpos depende de la inmunización, las tecnologías de presentación y el cribado a gran escala; aunque ya es bastante maduro, todavía puede encontrar cuellos de botella en dianas difíciles de convertir en fármacos, conformaciones complejas o el diseño de anticuerpos multiespecíficos. Si la IA puede proponer más rápidamente moléculas candidatas que sean comprobables, las farmacéuticas tienen motivos para incorporarla a su caja de herramientas de descubrimiento temprano, en lugar de verla como una simple demostración de software.

Pero este es también el punto en el que la farmacéutica con IA resulta más fácil de sobrevalorar. Una mayor tasa de aciertos inicial no equivale a una mayor tasa de éxito clínico; una predicción más precisa de la unión de proteínas tampoco significa que pueda predecir la eficacia en humanos y la seguridad a largo plazo. Para los reguladores y los equipos de desarrollo clínico, lo verdaderamente importante es si las fuentes de datos son trazables, si los experimentos son reproducibles, si las razones por las que el modelo selecciona un candidato pueden ser revisadas y si los cambios posteriores en el proceso de fabricación afectarán los atributos de calidad.

Por eso, esta financiación se parece más a un refuerzo de capital para ampliar la validación que a una declaración de victoria. Si Chai quiere llevar su tecnología de las competencias de modelos al flujo principal de las farmacéuticas, lo que deberá mostrar a continuación no son solo modelos más grandes o una mayor velocidad de diseño, sino una cadena de evidencia compuesta por datos experimentales, casos de colaboración y avances de candidatos a fármacos.

En un momento en que las empresas de biotecnología de IA están obteniendo sucesivamente grandes financiaciones y colaboraciones con farmacéuticas, el diseño de anticuerpos se está convirtiendo en una línea divisoria clara: si puede transformar la imaginación de los modelos generativos en moléculas terapéuticas fabricables, verificables y aptas para presentación regulatoria. La nueva financiación de Chai le da más tiempo y recursos para responder a esta pregunta, pero la respuesta todavía tendrá que escribirse punto por punto en el laboratorio y en los formularios de desarrollo clínico.

References

  1. SiliconANGLE