GSK amplía su colaboración con Relation: entrenar IA con datos de perturbación celular para identificar mecanismos de enfermedad y nuevas dianas

Que la inteligencia artificial aplicada al desarrollo de fármacos pueda comprender realmente una enfermedad suele depender no solo del tamaño del modelo, sino también de los datos experimentales con los que se lo alimenta. La empresa biotecnológica británica Relation Therapeutics anunció la ampliación de su colaboración de investigación con GSK para generar a gran escala datos sobre los cambios que se producen en células humanas tras intervenciones genéticas o farmacológicas, con el objetivo de identificar mecanismos de enfermedad y posibles dianas terapéuticas a partir de respuestas dinámicas.

Según el anuncio de Relation, el acuerdo incluye un pago por adelantado y pagos por hitos vinculados a resultados, por un valor total de hasta 110 millones de dólares. La empresa no desglosó el importe del pago inicial ni detalló las condiciones de los hitos, la duración de la colaboración o los derechos sobre activos que podrá obtener GSK. Relation utilizará modelos celulares de enfermedades humanas y sistemas experimentales automatizados para generar datos de perturbación celular en series temporales y registrar simultáneamente cambios en múltiples niveles moleculares.

La perturbación celular consiste en modificar células mediante edición genética, regulación de la expresión génica o tratamiento con compuestos, para después observar cómo se reorganizan con el tiempo el ARN, las proteínas y otras señales moleculares. En comparación con limitarse a contrastar muestras sanas y enfermas, este tipo de datos ofrece más posibilidades de mostrar relaciones causales; por ejemplo, qué respuestas posteriores desaparecen o cambian de dirección cuando se desactiva una determinada vía. Sin embargo, la posibilidad de que los resultados trasciendan la placa de cultivo y reproduzcan el complejo entorno del organismo humano sigue siendo un umbral decisivo para validar las dianas.

Los datos generados mediante la colaboración se utilizarán para desarrollar, validar y entrenar modelos fundacionales, incluido MORGAN, anunciado por Relation el mismo día. Su nombre procede de «genómica reguladora multiómica mediante redes neuronales artificiales» y su objetivo de diseño es predecir las respuestas de las células humanas a intervenciones genéticas y farmacológicas en distintos tipos celulares y contextos de enfermedad. Relation afirma que MORGAN estará respaldado por datos multiómicos a escala de petabytes, generados mediante experimentos automatizados de alto rendimiento, y que se crearán modelos específicos para determinados tipos celulares de importancia terapéutica.

El valor real de esta colaboración dependerá de si las nuevas dianas propuestas por el modelo pueden reproducirse en experimentos independientes y, posteriormente, dar lugar a candidatos farmacológicos con selectividad, seguridad y eficacia en humanos. La información pública disponible no especifica las enfermedades objetivo, los sistemas celulares, el volumen de datos ni los métodos de control de calidad. Tampoco se han publicado pruebas de referencia de MORGAN, resultados de validaciones externas o comparaciones de rendimiento frente a métodos existentes, por lo que aún no es posible determinar cuántas de sus predicciones podrá convertir en programas de desarrollo de fármacos.

El acuerdo muestra que las grandes farmacéuticas están dispuestas a financiar infraestructuras de investigación que combinan experimentación húmeda automatizada, mediciones multiómicas y modelización con IA. Sin embargo, el valor máximo de la operación no equivale al importe ya pagado. Las señales posteriores más esclarecedoras serán si la colaboración genera mecanismos de enfermedad confirmados experimentalmente, dianas concretas que GSK decida impulsar y resultados que se mantengan en muestras procedentes de pacientes o en modelos más próximos a la fisiología humana.