La startup británica Potential Sciences quiere usar la inteligencia artificial para acelerar el diseño de medicamentos, un proceso lento y caprichoso. Lanzada el 5 de noviembre, pretende evitar una parte importante de los experimentos de laboratorio, costosos y largos, para identificar moléculas adecuadas para enfermedades específicas.
- Potential Sciences usa la inteligencia artificial para simular moléculas y reducir los experimentos de laboratorio.
- La empresa construirá bases de datos químicas basadas en la física para entrenar modelos que predicen el comportamiento de los fármacos.
- Ha recaudado varias decenas de millones de dólares, aunque sus fundadores no han revelado el monto exacto.
- Los expertos todavía dudan de que la predicción alcance la precisión esperada.
Simular en lugar de experimentar
El principio se basa en la simulación. Potential Sciences planea construir grandes bases de datos químicas apoyándose en los principios básicos de la física, primero para modelar las interacciones entre átomos, luego entre pequeñas moléculas, y después entre aminoácidos complejos y proteínas. Estos datos servirían para entrenar modelos de IA y sistemas de predicción, es decir, software capaz de estimar el comportamiento de una molécula antes de probarla.
El fundador y director general de la empresa, Hatem Helal, explica a WIRED su objetivo: «Queremos que las moléculas que nunca funcionarán en clínica fracasen rápidamente». Añade que esto supone «mejores herramientas para predecir cómo se van a comportar cuando interactúen con la biología humana».
Una financiación sin monto preciso
La startup, lanzada el 5 de noviembre, indica haber recaudado una financiación inicial del orden de varias decenas de millones de dólares de SovAI, el fondo de capital riesgo dedicado a la IA del gobierno británico, y de Twin Path Ventures, entre otros inversores. Los fundadores se negaron a comunicar el monto exacto así como la valoración de la empresa.
Según Hatem Helal, una reducción del coste de los experimentos también podría hacer rentable, para los laboratorios farmacéuticos, el desarrollo de tratamientos para enfermedades raras, hasta ahora mayormente desatendidas. «Queremos hacer posibles tratamientos más personalizados para las enfermedades, esa idea de que los medicamentos puedan ser combinaciones moleculares únicas, adaptadas a la biología humana propia de cada uno», declara.
Promesas aún por verificar
Queda una pregunta central: ¿Conseguirá Potential Sciences predecir con la precisión esperada la manera en que los candidatos a medicamentos se fijan a las proteínas relacionadas con las enfermedades? Un avance así supondría un progreso notable. Peter Wolynes, profesor de química en la universidad Rice, dice estar «seguro de que será una mejora». No obstante, estima que, para el diseño de proteínas, «la ingeniería está al nivel de los romanos, no del Renacimiento».
Varias personalidades del sector defienden otra visión. Demis Hassabis, premio Nobel de química por sus trabajos en Google DeepMind, ha afirmado durante mucho tiempo que los avances de la IA acabarían conduciendo a grandes avances científicos, a imagen de lo que la tecnología ha empezado a producir recientemente en matemáticas. Las startups jóvenes como Potential Sciences esperan que el descubrimiento de medicamentos sea uno de los primeros campos científicos transformados por esta tecnología.
