Isomorphic Labs desarrolla un motor de AI de nueva generación para el diseño de fármacos

Isomorphic Labs, una filial de Google DeepMind, ha anunciado la creación de un motor de IA especializado para el desarrollo de fármacos, un sistema que los expertos ya están comparando con lo que AlphaFold se convirtió para la biología estructural. La nueva herramienta se posiciona como un desarrollo propietario al nivel de AlphaFold 4, pero orientada no hacia la predicción de estructuras de proteínas, sino hacia la búsqueda y optimización de moléculas terapéuticas. Si las promesas de la empresa se confirman en la práctica, la industria farmacéutica se enfrenta a uno de los cambios tecnológicos más significativos de las últimas décadas.

Para entender la escala del evento, debemos recordar dónde exactamente en el proceso de desarrollo de fármacos reside el riesgo principal. El camino desde el descubrimiento del objetivo biológico hasta la aprobación del fármaco requiere típicamente 10-15 años y cuesta miles de millones de dólares. La etapa más impredecible es el desarrollo inicial: el momento en que los científicos intentan encontrar una molécula que se una precisamente a la proteína objetivo, no cause daño al resto del organismo y mantenga su actividad en condiciones biológicas reales. Es aquí donde se frustran la mayoría de las esperanzas y se gastan recursos colosales. El nuevo motor de Isomorphic Labs se dirige directamente a este cuello de botella.

En el corazón de la tecnología está la simulación de interacciones entre proteínas y ligandos, pequeñas moléculas capaces de unirse a una proteína y alterar su comportamiento. Los ligandos forman la base de la mayoría de los medicamentos modernos. El problema es que predecir cómo se comportará una molécula específica cuando se une a una proteína específica es increíblemente complejo: implica estructuras tridimensionales dinámicas con miles de configuraciones posibles. Los métodos tradicionales — simulaciones físicas y cribado de laboratorio — requieren meses de trabajo incluso para bibliotecas de compuestos relativamente pequeñas. Según la información disponible, el nuevo sistema de Isomorphic Labs es capaz de realizar este trabajo con una precisión sin precedentes y varios órdenes de magnitud más rápido.

La conexión con el legado de AlphaFold no es ni casual ni metafórica. AlphaFold 2, introducido en 2020, resolvió un problema con el que la biología ha luchado durante medio siglo: la predicción de la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos. Esto abrió el camino para entender millones de proteínas cuya estructura había permanecido desconocida. El nuevo motor de Isomorphic Labs da el siguiente paso lógico: conociendo la estructura de la proteína objetivo, el sistema aprende no solo a describirla, sino a buscar activamente moléculas capaces de interactuar con ella de la manera deseada. En esencia, esto es una transición de la cartografía del mundo molecular a su ingeniería deliberada.

Para la industria farmacéutica, las consecuencias podrían ser bastante tangibles. Grandes actores — Eli Lilly, Novartis, Roche — ya han invertido recursos significativos en asociaciones con empresas que utilizan IA para acelerar el desarrollo. Isomorphic Labs, a su vez, concluyó contratos con varios gigantes farmacéuticos en 2023 por un total superior a mil millones de dólares.

El nuevo motor debe convertirse en el fundamento tecnológico de estas asociaciones, transformando las promesas abstractas de la IA-farmacéutica en moléculas candidatas concretas. También es significativo que la empresa deliberadamente mantenga la tecnología como proprietaria — a diferencia de AlphaFold, que fue abierto a la comunidad científica. Esto señala que DeepMind ve en esta herramienta un verdadero arma comercial, no solo una contribución académica.

Al mismo tiempo, la comunidad de expertos tiene preguntas pendientes. La brecha entre las métricas de desempeño de laboratorio de los sistemas de IA y su eficacia real en ensayos clínicos sigue siendo grande. La historia de la farmacéutica tiene muchos casos en los que moléculas candidatas prometedoras fallaron en etapas tardías debido a efectos secundarios imprevistos o biodisponibilidad insuficiente. Cuán bien el nuevo motor pueda tener en cuenta toda esta complejidad biológica es una pregunta que solo la práctica responderá.

Sin embargo, la dirección del movimiento en sí no está en duda. Isomorphic Labs está apostando a que la farmacéutica del futuro es fundamentalmente un problema computacional, y que una red neuronal adecuadamente entrenada es capaz de descubrir patrones en interacciones moleculares donde la intuición humana hace mucho tiempo llegó a un callejón sin salida. Si el nuevo motor realmente reduce el ciclo de desarrollo a la mitad, el impacto económico y humanitario sería enorme: docenas de enfermedades para las que actualmente no hay tratamientos efectivos podrían recibir terapias mucho antes de lo que sugieren los pronósticos actuales.