How AI helps scientists design the next generation of medicines
El desarrollo de nuevos medicamentos es un desafío científico costoso y propenso al fracaso. Un nuevo fármaco puede tardar muchos años en desarrollarse, con una inversión significativa, y aun así, la mayoría de los candidatos posibles nunca llegan al paciente. Para los medicamentos biológicos, terapias hechas de proteínas diseñadas en lugar de química sintética, la complejidad es aún mayor.
Los científicos exploran vastas cantidades de posibles moléculas, buscando las pocas que se unirán al objetivo correcto, permanecerán estables en el cuerpo humano y serán manufacturables a escala. Hoy en día, la inteligencia artificial (IA) está acelerando estos procesos y se ha convertido rápidamente en una parte central de la infraestructura en la I+D farmacéutica.
El diseño asistido por IA es una parte creciente de cómo se desarrollan los candidatos a medicamentos biológicos, y empresas como AstraZeneca están construyendo activamente sus equipos de ingeniería para impulsar este avance. «Todo lo que hacemos, ya sea diseñar, fabricar, probar o analizar, ahora está mejorado computacionalmente», dice Puja Sapra, vicepresidenta senior y jefa de ingeniería de I+D biológica y descubrimiento dirigido de oncología en AstraZeneca. «Los tiempos de ciclo se están acortando mientras que la productividad y la innovación aumentan».
Sapra explica que el enfoque de AstraZeneca sigue un ciclo de construir-medir-aprender. La IA genera o prioriza moléculas candidatas computacionalmente, prediciendo qué diseños tienen más probabilidades de éxito. Los científicos luego concentran los recursos de laboratorio solo en los candidatos mejor clasificados. Esto conduce a un ciclo de retroalimentación más ajustado con menos callejones sin salida, iteraciones más rápidas y la capacidad de abordar objetivos de enfermedades que anteriormente se consideraban intratables por la medicina.
Más allá de acelerar los cronogramas, la IA también se está aplicando al descubrimiento de clases completamente nuevas de medicamentos. Los biológicos tradicionales suelen dirigirse a una vía de enfermedad. La próxima generación de medicamentos puede atacar múltiples objetivos simultáneamente o entregar con precisión cargas terapéuticas a células específicas. Lograr esto requiere optimización en muchas variables a la vez. Mirando hacia el futuro, los modelos impulsados por IA podrían ayudar a diseñar estos biológicos cada vez más complejos y multi-específicos.
McKinsey estima que la IA generativa, combinada con otras herramientas computacionales, podría reducir los tiempos de descubrimiento de fármacos hasta en un 50%. Pero cada modelo de IA es tan bueno como sus datos de entrenamiento. En el descubrimiento de fármacos, eso significa grandes cantidades de datos biológicos de alta calidad. Los experimentos pueden proporcionar una rica fuente de tales datos. Tanto si tienen éxito como si fracasan, cada experimento genera una señal sobre lo que funciona y lo que no.
Para reunir todos esos datos en un solo lugar, AstraZeneca está construyendo lo que llama una instalación «laboratorio del futuro» en Kendall Square, Cambridge, Massachusetts, donde la IA y la automatización robótica podrán formar un sistema de descubrimiento continuo y de ciclo cerrado. «Donde un coche autónomo utiliza sensores y modelos para navegar por su entorno, este sistema utiliza IA para hacer predicciones, sistemas robóticos para ejecutar experimentos e instrumentos para generar datos», explica Sapra.
Eventualmente, los sistemas automatizados de alto rendimiento podrán hacer y evaluar miles de interacciones moleculares semanalmente. «Esto generará datos listos para IA a una escala que los flujos de trabajo tradicionales no pueden igualar», dice Sapra.
Regístrate para leer esta noticia
Solo necesitas tu email. Sin contraseñas.