IA biomédica · global
GSK amplía su colaboración con Relation: entrenar modelos fundacionales de biología con datos de perturbación de células humanas
Esta colaboración, valorada en hasta 110 millones de dólares, conectará experimentos celulares automatizados, mediciones multiómicas y modelos de IA en un único proceso de descubrimiento de dianas; sin embargo, no se han divulgado los pagos garantizados, las enfermedades abarcadas ni los resultados de validación de los modelos.
La competencia de la IA en el desarrollo de fármacos se está desplazando gradualmente de los algoritmos hacia la forma de generar los datos. La empresa biotecnológica británica Relation Therapeutics y GSK han ampliado su colaboración con el propósito de realizar experimentos a gran escala mediante modelos de enfermedades basados en células humanas y crear datos propios con los que puedan aprender modelos fundacionales de biología celular; los pagos iniciales y por hitos que Relation podría recibir ascienden en conjunto a un máximo de 110 millones de dólares.
El núcleo de la colaboración no consiste en entregar directamente un fármaco candidato, sino en observar cómo cambian las células a lo largo del tiempo tras una modificación genética o un tratamiento farmacológico. Los laboratorios automatizados repetirán estos experimentos de «perturbación» en condiciones más uniformes y emplearán tecnologías multiómicas para medir la regulación génica, las vías moleculares y otros estados celulares, con el fin de trazar la relación entre las intervenciones y las respuestas biológicas.
Los datos obtenidos se utilizarán para desarrollar, validar y entrenar modelos, entre ellos MORGAN. El nombre completo de MORGAN es «análisis multiómico del genoma regulador mediante redes neuronales artificiales». Está diseñado para predecir, en distintos contextos celulares y patológicos, las respuestas de las células humanas a intervenciones genéticas y farmacológicas, y ayudar así a los investigadores a seleccionar mecanismos de enfermedad y posibles dianas terapéuticas.
Este enfoque pretende subsanar carencias habituales de los datos biológicos públicos: las muestras, los métodos de medición y los puntos temporales de distintos estudios son difíciles de integrar y no siempre incluyen los contextos específicos de enfermedad necesarios para el desarrollo de fármacos. Relation sostiene que sus experimentos de alto rendimiento pueden generar datos de entrenamiento a escala de petabytes; sin embargo, la información publicada hasta ahora no especifica el volumen de datos, los tipos de modelos celulares ni el diseño de los controles, y tampoco presenta la precisión predictiva obtenida en pruebas externas o experimentos prospectivos.
Para GSK, la colaboración permite desplegar la IA en una fase más temprana del desarrollo de nuevos fármacos y reforzar la base para seleccionar dianas biológicas antes de invertir en costosos estudios con animales y ensayos clínicos. Sin embargo, las respuestas reproducibles en modelos celulares no se traducen necesariamente en eficacia en seres humanos; todavía será necesario comprobar gradualmente mediante experimentos independientes si los modelos mantienen su rendimiento en células, enfermedades y fármacos no utilizados durante el entrenamiento.
Contexto
Ambas partes ya colaboraban desde 2024 en la exploración de dianas para enfermedades fibróticas y artrosis. El nuevo acuerdo amplía el foco hacia la infraestructura de datos que sustenta la plataforma de IA, pero no se han revelado las enfermedades incluidas en esta ocasión, cómo se distribuirán los resultados de la investigación ni los derechos de desarrollo posterior y comercialización de las dianas. Tampoco se conoce el importe inicial garantizado; por ello, los 110 millones de dólares deben entenderse como el pago máximo posible si se cumplen las condiciones correspondientes, y no como ingresos ya asegurados.
Esta operación indica que la ventaja competitiva en la IA biomédica podría proceder simultáneamente de los modelos y de los sistemas experimentales: quienes puedan generar de forma continua datos de calidad uniforme, con una dimensión temporal y próximos a la fisiología de las enfermedades tendrán más posibilidades de mejorar sus modelos. Sin embargo, hasta que se disponga de referencias públicas, validación mediante experimentos de laboratorio y resultados que demuestren el avance desde las dianas hasta los fármacos candidatos, seguirá siendo una inversión en una plataforma de investigación y todavía no podrá considerarse que una nueva terapia ha sido validada.