El descubrimiento de fármacos, el arte de identificar nuevas moléculas para desarrollar productos farmacéuticos, es un proceso notablemente paulatino y difícil. Técnicas tradicionales, como cribado de stop rendimientoofrecen un costoso enfoque disperso, que a menudo no tiene éxito. Sin confiscación, una nueva engendramiento de empresas de biotecnología está aprovechando la inteligencia sintético y las tecnologías de datos avanzadas en un intento de acelerar y racionalizar el proceso.

Chai Discovery, una startup de inteligencia sintético fundada en 2024, es una de esas empresas. En poco más de 12 meses, sus jóvenes cofundadores lograron recibir cientos de millones de dólares y conseguir el respaldo de algunos de los inversores más influyentes de Silicon Valley, convirtiéndola en una de las empresas más llamativas de una industria en crecimiento. En diciembre, la empresa completó su Serie Baportando 130 millones de dólares adicionales y una valoración de 1.300 millones de dólares.

El viernes pasado, Chai igualmente anunció una asociación con Eli Lilly, una trato en el que el titán farmacéutico utilizará el software de la startup para ayudar a desarrollar nuevos medicamentos. El cálculo de Chai, llamado Chai-2, está diseñado para desarrollar anticuerpos, las proteínas necesarias para combatir enfermedades. La startup ha dicho que demora servir como una especie de “conjunto de diseño asistido por computadora” para moléculas.

Es un momento crítico para el campo particular de Chai. El acuerdo de la startup se anunció poco ayer de que Eli Lilly dijera que igualmente colaboraría con Nvidia. en una asociación de mil millones de dólares para crear un laboratorio de descubrimiento de fármacos con IA en San Francisco. Este “laboratorio de co-innovación”, como se le ardor, combinará big data, fortuna informáticos y experiencia científica, todo en un intento de acelerar la velocidad del explicación de nuevos medicamentos.

La industria no sin sus detractores. Algunos veteranos de la industria parecen comprobar que, entregado lo difícil que es el explicación de fármacos tradicionales, estas nuevas tecnologías son es poco probable que tenga un impacto importante. Sin confiscación, por cada detractor, parece sobrevenir otros tantos creyentes.

Elena Viboch, directora común de Caudillo Catalyst, una de Los principales patrocinadores de Chai — dijo a TechCrunch que su empresa confía en que las empresas que adopten los servicios de la startup verán resultados. “Creemos que las empresas biofarmacéuticas que actúen más rápidamente para asociarse con empresas como Chai serán las primeras en padecer moléculas a la clínica y fabricarán medicamentos importantes”, dijo Viboch. “En la habilidad, eso significa asociarse en 2026 y, para finales de 2027, ver medicamentos de primera clase entrar en ensayos clínicos”.

Aliza Apple, directora del software TuneLab de Lilly, que utiliza inteligencia sintético y formación obligatorio para avanzar en el descubrimiento de fármacos, igualmente expresó confianza en el producto de Chai. “Al combinar los modelos de diseño generativo de Chai con la profunda experiencia en biología y los datos patentados de Lilly, pretendemos ampliar la frontera de cómo la IA puede diseñar mejores moléculas desde el principio, con el objetivo final de ayudar a acelerar el explicación de medicamentos innovadores para los pacientes”, dijo.

Es posible que Chai se haya fundado hace menos de dos primaveras, pero los orígenes de la startup comenzaron hace unos seis primaveras, en medio de conversaciones entre sus cofundadores y el director ejecutante de OpenAI, Sam Altman. Uno de esos fundadores, Josh Meier, trabajó anteriormente para OpenAI en 2018 en su equipo de investigación e ingeniería. Luego de dejar la empresa, Altman le envió un mensaje al antiguo amigo de la universidad de Meier, Jack Dent, para preguntarle sobre una posible oportunidad de negocio. Meier y Dent se habían conocido originalmente en clases de informática en Harvard pero, en ese momento, Dent era ingeniero de Stripe (otra empresa de la que Altman fue uno de los primeros patrocinadores). Altman le preguntó si pensaba que Meier estaría dispuesto a colaborar en una startup de proteómica, es aseverar, una empresa centrada en el estudio de proteínas.

Altman “me envió un mensaje para decirme que todos en OpenAI pensaban muy admisiblemente en él y me preguntaron si pensaba que estaría dispuesto a trabajar con ellos en un esquema de proteómica”, dijo Dent. Dent le dijo a Altman “por supuesto”, pero solo había un problema: Meier no sentía que la tecnología estuviera “allí” todavía. La tecnología de inteligencia sintético detrás de estas empresas, que aprovechan potentes algoritmos, todavía era un campo en crecimiento y estaba acullá de donde debía estar.

Meier igualmente estaba asaz decidido a unirse al equipo de investigación e ingeniería de Facebook, que es lo que continuaría haciendo. En Facebook, Meier ayudó a desarrollar ESM1el primer maniquí de lengua de proteína transformadora, un precursor importante del trabajo que Chai está realizando actualmente. Luego del tiempo de Meier en Facebook, pasaría tres primaveras en Absci, otra empresa de biotecnología de IA basada en la creación de fármacos.

Para 2024, Meier y Dent finalmente se sintieron preparados para encarar la empresa de proteómica que habían discutido originalmente con Altman. “Josh y yo nos comunicamos con Sam y le dijimos que deberíamos retomar esa conversación donde la dejamos y que estábamos iniciando Chai juntos”, dijo Dent.

OpenAI acabó convirtiéndose en uno de los primeros inversores iniciales de Chai. De hecho, Meier y Dent fundaron Chai, pegado con sus cofundadores, Matthew McPartlon y Jacques Boitreaud, mientras trabajaban en las oficinas del titán de la IA en el judería Mission de San Francisco. “Tuvieron la amabilidad de darnos espacio para oficinas”, reveló Dent.

Ahora, poco más de un año luego, mientras Chai disfruta del brillo de su nueva asociación con Eli Lilly, Dent dice que la secreto para el rápido crecimiento de la empresa ha sido reunir un equipo de personas enormemente talentosas. “Efectivamente simplemente agachamos la vanguardia y ampliamos la frontera de lo que estos modelos son capaces de hacer”, dijo Dent. “Cada orientación de código en nuestra colchoneta de código es de cosecha propia. No estamos sacando LLM del mercado que están en el (ecosistema) de código franco y ajustándolos. Estas son arquitecturas en extremo personalizadas”.

Viboch de Caudillo Catalyst le dijo a TechCrunch que sentía que Chai estaba diligente para comenzar a trabajar. “No existen barreras fundamentales para el despliegue de estos modelos en el descubrimiento de fármacos”, afirmó. “Las empresas aún tendrán que someter a los candidatos a fármacos a pruebas y ensayos clínicos, pero creemos que habrá ventajas significativas para quienes adopten estas tecnologías, no sólo al aminorar los plazos de descubrimiento, sino igualmente al desbloquear clases de medicamentos que históricamente han sido difíciles de desarrollar”.