Isomorphic Labs crea un motor de IA de nueva generación para diseñar fármacos

Isomorphic Labs, filial de Google DeepMind, ha anunciado un motor de IA especializado en el desarrollo de medicamentos, un sistema que los expertos ya comparan con lo que fue AlphaFold para la biología estructural. La nueva herramienta se presenta como un desarrollo propietario de clase AlphaFold 4, pero orientado no a predecir estructuras de proteínas, sino a buscar y optimizar moléculas terapéuticas. Si las promesas de la compañía se confirman en la práctica, la industria farmacéutica afronta uno de los cambios tecnológicos más importantes de las últimas décadas.

Para entender la magnitud, conviene recordar dónde se concentra el principal riesgo en la creación de un fármaco. El camino desde el descubrimiento de una diana biológica hasta el registro del medicamento dura de media entre 10 y 15 años y cuesta miles de millones de dólares. La etapa más impredecible es el desarrollo temprano: el momento en que los científicos intentan encontrar una molécula que se una con precisión a la proteína adecuada, no dañe al resto del organismo y conserve su actividad en condiciones biológicas reales. Aquí se estrellan la mayoría de las esperanzas y se pierden enormes recursos. El nuevo motor de Isomorphic Labs apunta directamente a este cuello de botella.

La tecnología se basa en modelar las interacciones entre proteínas y ligandos, pequeñas moléculas capaces de unirse a una proteína y modificar su comportamiento. Los ligandos son la base de la mayoría de los fármacos modernos. El problema es que predecir cómo se comportará una molécula concreta junto a una proteína concreta es extremadamente difícil: se trata de estructuras tridimensionales dinámicas con miles de configuraciones posibles. Los métodos tradicionales, las simulaciones físicas y el cribado de laboratorio, requieren meses de trabajo incluso para bibliotecas de compuestos relativamente pequeñas. Según los datos disponibles, el nuevo sistema de Isomorphic Labs puede hacer este trabajo con una precisión sin precedentes y varios órdenes de magnitud más rápido.

El vínculo con el legado de AlphaFold no es casual ni metafórico. AlphaFold 2, presentado en 2020, resolvió un problema con el que la biología llevaba medio siglo lidiando: predecir la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos. Eso abrió el camino para entender millones de proteínas cuya estructura se desconocía. El nuevo motor de Isomorphic Labs da el siguiente paso lógico: conociendo la estructura de la proteína diana, el sistema aprende no solo a describirla, sino a buscar activamente moléculas capaces de interactuar con ella de la forma deseada. En esencia, es el paso de cartografiar el mundo molecular a construirlo de forma deliberada.

Para la industria farmacéutica, las consecuencias pueden ser notables. Grandes actores como Eli Lilly, Novartis y Roche ya han invertido sumas considerables en alianzas con empresas que usan IA para acelerar el desarrollo. Isomorphic Labs, por su parte, firmó en 2023 contratos con varios gigantes farmacéuticos por un total superior a mil millones de dólares.

Se espera que el nuevo motor sea la base tecnológica de estas alianzas y convierta las promesas abstractas de la farmacéutica con IA en moléculas candidatas concretas. También es revelador que la empresa mantenga deliberadamente la tecnología como propietaria, a diferencia de AlphaFold, que se abrió a la comunidad científica. Es una señal de que DeepMind ve en esta herramienta un arma comercial real, no una contribución académica.

Aun así, la comunidad de expertos mantiene dudas. La brecha entre los resultados de laboratorio de los sistemas de IA y su eficacia real en ensayos clínicos sigue siendo grande. La historia de la farmacia conoce muchos casos en que moléculas candidatas prometedoras fracasaron en fases tardías por efectos secundarios imprevistos o biodisponibilidad insuficiente. Hasta qué punto el nuevo motor sabe tener en cuenta toda esa complejidad biológica es algo que solo responderá la práctica.

Sin embargo, la dirección del movimiento no admite dudas. Isomorphic Labs apuesta a que la farmacia del futuro es ante todo un problema computacional, y a que una red neuronal bien entrenada puede detectar patrones en las interacciones moleculares allí donde la intuición humana lleva tiempo atascada. Si el nuevo motor realmente reduce el ciclo de desarrollo siquiera a la mitad, el efecto económico y humanitario sería colosal: decenas de enfermedades para las que hoy no hay fármacos eficaces podrían recibir tratamiento mucho antes de lo que prevén los pronósticos actuales.