Posibilidades de descubrimiento de fármacos impulsados por IA - Plataforma Revvity Signals
- Detalles
- Categoría: ChemOffice
- Visto: 332
Revvity Signals impulsa el descubrimiento de fármacos con IA, potenciando la investigación de anticuerpos con soluciones avanzadas de datos y software
La investigación de anticuerpos se centra en cuatro áreas principales: anticuerpos monoclonales (mAbs), anticuerpos biespecíficos (bsAbs), conjugados anticuerpo-fármaco (ADC) y fragmentos cristalizables (FC). Desde la aprobación del primer mAb en 1986, el desarrollo de terapias ha avanzado considerablemente, con más de 150 mAbs aprobados para el tratamiento de diversas enfermedades, incluyendo cáncer, enfermedades autoinmunes e infecciosas.
La investigación en terapias avanzadas, como los bsAbs y los anticuerpos multiespecíficos, ofrece mejoras respecto a los mAbs tradicionales, incluyendo mayor especificidad y mejores perfiles de seguridad. El mercado refleja este crecimiento: la inversión en investigación de anticuerpos ha crecido significativamente, con un aumento en las aprobaciones de la FDA en la última década, alcanzando casi cinco aprobaciones por año entre 2013 y 2023.
A nivel de salud pública, aunque el cáncer es una causa importante de muerte en EE.UU., el foco de la investigación en anticuerpos está más orientado hacia enfermedades no oncológicas, en una proporción de 57:42.
Antes del descubrimiento de los anticuerpos monoclonales, no se comprendía la existencia de mAbs, bsAbs, ADC y FC, lo que limitaba el tratamiento de muchas enfermedades. Ahora, para explorar nuevas terapias en áreas aún desconocidas, las empresas recurren a la inteligencia artificial (IA). Al combinar IA con grandes bases de datos y modelos de lenguaje, se busca descubrir nuevos enfoques para el desarrollo de fármacos.
AlphaFold y Firefly Bio son ejemplos de cómo la IA impulsa avances en esta área. AlphaFold, de Google DeepMind, predice estructuras de proteínas en 3D, acelerando la selección de candidatos terapéuticos. Por su parte, Firefly Bio se enfoca en desarrollar tratamientos contra el cáncer, combinando ADCs y degradadores de proteínas en un nuevo tipo de terapia: los conjugados de anticuerpos degradadores (DACs). Firefly utiliza IA para explorar y seleccionar candidatos prometedores antes de invertir en el desarrollo físico. Además, Vertex Pharmaceuticals también ha adoptado tecnologías de degradación de proteínas para avanzar en terapias de edición genética.
El Dr. Jiye Shi y su equipo crearon bimekizumab, el primer anticuerpo monoclonal diseñado por IA, marcando un avance en el tratamiento de la psoriasis y un mercado prometedor.
Absci, pionera en el uso de IA generativa de disparo cero, ha logrado diseñar anticuerpos sin datos previos, reduciendo el tiempo de desarrollo de 6 a 2 años, y probando millones de diseños semanales.
Genentech también usa IA y aprendizaje automático para acelerar el diseño de anticuerpos y optimizar su proceso tras la compra de Prescient Design.
Evotec empleó redes generativas adversariales para crear una biblioteca de anticuerpos contra el SARS-CoV-2, priorizando características como estabilidad y larga duración. Sin embargo, estos avances dependen de datos de alta calidad y del análisis de los compuestos rechazados, que pueden contener información valiosa. Así como la mayoría de un iceberg permanece oculto, el enfoque exclusivo en datos visibles puede limitar el descubrimiento.
¿Hacia dónde vamos?
La IA muestra gran potencial en el descubrimiento de fármacos con anticuerpos, aunque aún depende de bibliotecas de compuestos y enfrenta limitaciones, especialmente si no se han cristalizado ciertas proteínas. Para mejorar su precisión, se necesitan más datos verificados y modelos de aprendizaje automático más avanzados. Además, es crucial investigar los efectos a largo plazo de la inmunogenicidad en anticuerpos de nueva generación y optimizar características de anticuerpos biespecíficos y multiespecíficos, como su estabilidad y capacidad de fabricación.
Revvity Signals facilita el uso de datos en IA para el descubrimiento de fármacos, organizando datos y enriqueciendo su contexto para entrenar modelos de IA de manera más efectiva. Su plataforma Signals Research Suite, que incluye herramientas como ChemDraw y Signals Notebook, proporciona soporte para la organización de datos y análisis impulsados por IA, ayudando a los investigadores a satisfacer las complejas demandas científicas actuales y a descubrir nuevas terapias.