Biotecnología · global
Merck se alía con Protillion: la búsqueda de fármacos proteicos con IA entra en la prueba de las grandes farmacéuticas
Esta colaboración con pagos por hitos de hasta 510 millones de dólares no es solo otra operación en descubrimiento de fármacos con IA; devuelve la pregunta al propio laboratorio: si el aprendizaje automático, apoyado en datos proteicos suficientemente sólidos, puede acortar la distancia entre una molécula candidata y pruebas creíbles para nuevas terapias.
En el desarrollo de nuevos fármacos, la promesa más atractiva de la IA nunca ha sido “reemplazar” la biología, sino permitir que los investigadores identifiquen antes qué moléculas merecen experimentos costosos y prolongados. La colaboración de descubrimiento de fármacos entre Merck y Protillion Biosciences, con sede en Carlsbad, California, se sitúa precisamente en ese punto clave: usar datos proteicos de alto rendimiento y aprendizaje automático para ayudar a encontrar nuevos candidatos terapéuticos.
Según un reporte de Genetic Engineering & Biotechnology News y la información corporativa publicada por Protillion el 16 de junio, el acuerdo entre ambas partes incluye pagos potenciales por hitos de hasta 510 millones de dólares. Este tipo de monto suele depender de que se alcancen posteriores hitos de investigación y desarrollo, clínicos o comerciales, y no equivale a efectivo ya pagado; Protillion y Merck tampoco han revelado en la información pública el área de enfermedad, el número de dianas, el tamaño del pago inicial ni detalles sobre la distribución de derechos.
La propuesta principal de Protillion es caracterizar cuantitativamente candidatos proteicos a gran escala y luego permitir que modelos de IA aprendan a partir de esos datos. En el caso de anticuerpos u otros fármacos proteicos, por ejemplo, los equipos de investigación no solo necesitan saber si una molécula puede unirse a su objetivo, sino también medir características como afinidad, especificidad y capacidad de fabricación; estas propiedades suelen determinar si un candidato puede pasar de una lista de cribado a un proceso de desarrollo más riguroso.
Esto también hace que esta colaboración sea algo distinta de la narrativa general de “IA para encontrar fármacos”. Protillion subraya en su sitio web que el valor de su plataforma proviene de datos de experimentos húmedos de alto rendimiento y miniaturizados, que se usan para entrenar y validar modelos. En otras palabras, aquí la IA no genera respuestas de la nada, sino que se inserta en un ciclo que requiere el respaldo de una gran cantidad de datos proteicos medidos experimentalmente: diseñar, medir, aprender y luego volver a seleccionar moléculas con mayor potencial.
El papel de Merck en la colaboración consiste en aportar la capacidad de descubrimiento de fármacos acumulada durante largo tiempo por una gran farmacéutica y su criterio para el desarrollo posterior. Para una compañía de plataforma como Protillion, poder probar su tecnología junto con una farmacéutica multinacional significa que su capacidad de generar datos y cribar candidatos se enfrentará a estándares más cercanos a la práctica industrial; para Merck, es una forma de incorporar plataformas externas de IA e ingeniería de proteínas a su caja de herramientas de investigación temprana.
Sin embargo, la información pública disponible sigue siendo bastante limitada. Las partes aún no han proporcionado datos sobre el desempeño del modelo, el tamaño del conjunto de datos, los resultados de validación de candidatos ni ningún caso de éxito preclínico que permita una evaluación externa. Para la IA biomédica, el verdadero umbral no está solo en el algoritmo, sino en si las predicciones del modelo pueden ser respaldadas por evidencia experimental reproducible y seguir sosteniéndose en toxicología, procesos de fabricación, ensayos en humanos y revisión regulatoria.
Por eso, esta colaboración se entiende mejor como una prueba industrial de una plataforma de investigación y desarrollo en etapa temprana, no como una señal de que un nuevo fármaco esté a punto de llegar al mercado. Si la plataforma de Protillion logra identificar con mayor rapidez candidatos proteicos con buenas propiedades en los proyectos de Merck, añadirá un caso de peso al diseño de fármacos proteicos asistido por IA; si el avance resulta limitado, también recordará al mercado que el cuello de botella en el descubrimiento de fármacos a menudo no es la falta de imaginación, sino la falta de moléculas capaces de superar todo el recorrido de pruebas experimentales y clínicas.