Los avances en inteligencia artificial (IA) han abierto nuevas posibilidades en diversos campos, y la industria farmacéutica no es excepción. Profluent, una empresa recientemente lanzada, tiene como objetivo revolucionar el desarrollo de medicamentos aprovechando el poder de la IA generativa para diseñar proteínas. Bajo el liderazgo de Ali Madani, uno de los investigadores responsables del proyecto ProGen en Salesforce, Profluent busca llevar la tecnología generadora de proteínas fuera del laboratorio y ponerla en manos de compañías farmacéuticas.
Inspirado por las similitudes entre el lenguaje natural y el «lenguaje» de las proteínas, Madani se dio cuenta de que las proteínas, al igual que las palabras en un párrafo, podrían tratarse como datos para modelos de IA generativos. Al alimentar estos modelos con datos sobre proteínas, se podrían predecir proteínas completamente nuevas con funciones novedosas. Este avance llevó a la exitosa creación de proteínas artificiales con estructuras en 3D, como se documenta en un artículo de investigación publicado en Nature Biotech.
Profluent lleva este concepto un paso más allá al aplicarlo a la edición genética. Muchas enfermedades genéticas no pueden tratarse eficazmente utilizando proteínas o enzimas que ocurren naturalmente. Además, los sistemas de edición genética existentes a menudo sufren de compensaciones funcionales que limitan su alcance. Profluent tiene como objetivo superar estas limitaciones optimizando múltiples atributos simultáneamente, creando editores genéticos diseñados a medida para cada paciente.
Profluent está entrenando modelos de IA en conjuntos de datos masivos, que consisten en más de 40 mil millones de secuencias de proteínas, para desarrollar y refinar sistemas de edición genética y producción de proteínas. En lugar de desarrollar tratamientos directamente, la compañía planea colaborar con socios externos para crear «medicamentos genéticos» con las mayores probabilidades de aprobación.
Preguntas Frecuentes
– ¿Cuál es la misión de Profluent?
Profluent tiene como objetivo revertir el paradigma del desarrollo de medicamentos comenzando con las necesidades de los pacientes y terapias, y trabajando en sentido contrario para crear soluciones de tratamiento personalizadas.
– ¿Cómo utiliza Profluent la IA en el diseño de proteínas?
Profluent utiliza modelos de IA generativa entrenados en conjuntos de datos masivos de secuencias de proteínas para predecir y crear proteínas completamente nuevas con funciones únicas.
– ¿Cuál es la importancia del enfoque de edición genética de Profluent?
El enfoque de edición genética de Profluent aborda las limitaciones de los sistemas existentes al optimizar múltiples atributos simultáneamente, lo que resulta en editores genéticos diseñados a medida para cada paciente.
– ¿Cómo planea Profluent llevar sus soluciones al mercado?
Profluent tiene la intención de colaborar con socios externos, incluidas compañías farmacéuticas, para desarrollar y obtener la aprobación de «medicamentos genéticos» creados utilizando su tecnología de diseño de proteínas.
– ¿Quién apoya a Profluent?
Profluent cuenta con el respaldo de destacadas firmas de capital de riesgo como Spark Capital, Insight Partners, Air Street Capital, AIX Ventures y Convergent Ventures. El científico jefe de Google, Jeff Dean, también ha contribuido, brindando credibilidad a la plataforma.
Mientras Profluent se enfoca en mejorar sus modelos de IA y expandir sus conjuntos de datos de entrenamiento, la compañía enfrenta la competencia de otros actores en el campo. EvolutionaryScale y Basecamp Research, por ejemplo, también están entrenando sus propios modelos generadores de proteínas y asegurando financiamiento significativo.
No obstante, Profluent se mantiene decidido a ampliar sus operaciones y colaborar con socios que compartan su visión ambiciosa. Al aprovechar el potencial de la IA generativa en el diseño de proteínas, la compañía busca liderar el camino en el desarrollo de medicamentos intencionales y eficientes que satisfagan las necesidades más apremiantes en biología.
The source of the article is from the blog be3.sk