Por Canuto  

Relation Therapeutics presentó MORGAN, un modelo de IA diseñado para predecir cómo reaccionan las células humanas ante cambios genéticos y fármacos. La startup británica también amplió una colaboración con GSK que podría entregarle hasta USD $110 millones para generar los datos biológicos necesarios.
***

  • MORGAN busca anticipar respuestas celulares ante mutaciones y medicamentos antes de realizar experimentos de laboratorio.
  • Relation construye laboratorios automatizados para producir datos de perturbación humana a escala petabyte.
  • El acuerdo con GSK refleja el creciente interés farmacéutico por financiar datos y modelos de IA, aunque sus resultados todavía deben probarse.

Relation Therapeutics presentó MORGAN, un modelo de inteligencia artificial orientado a estudiar la respuesta de las células humanas. La startup británica anunció el sistema junto con una colaboración ampliada con GSK, que podría alcanzar hasta USD $110 millones en pagos iniciales y por hitos.

Según The Next Web, la empresa considera que la falta de datos biológicos confiables representa uno de los principales obstáculos para construir modelos de fundación celular. Estos sistemas necesitan grandes volúmenes de información, pero los datos disponibles suelen ser escasos, desordenados e inconsistentes.

Un modelo para anticipar la respuesta celular

MORGAN es el acrónimo en inglés de Genómica Reguladora Multi-Ómica usando Redes Neuronales Artificiales. Su objetivo consiste en predecir cómo una célula humana reaccionará ante un cambio genético o la exposición a un fármaco.

La propuesta puede ayudar a los investigadores a estudiar enfermedades sin comenzar de inmediato con pruebas en el laboratorio. Si las predicciones resultan acertadas, los científicos podrían identificar mecanismos de enfermedad y posibles objetivos terapéuticos mediante simulaciones computacionales.

El modelo intenta conectar distintas capas de información biológica para explicar los cambios celulares. En términos generales, esa aproximación busca relacionar genes, señales regulatorias y respuestas ante tratamientos dentro de un mismo sistema de análisis.

La estrategia de Relation se parece a la que siguen otros proyectos de inteligencia artificial aplicada a la biología. Entre ellos figuran los modelos de fundación celular y el trabajo de IA-biólogo desarrollado por Isomorphic, una compañía vinculada con DeepMind.

Sin embargo, Relation sostiene que el valor de MORGAN no depende únicamente de su arquitectura. La empresa también quiere controlar la producción de los datos que alimentan el modelo, una diferencia importante frente a proyectos que dependen de bases de datos existentes.

La fábrica de datos de Relation

Los datos sobre biología humana no abundan y, además, pueden variar según el laboratorio, el protocolo o la forma de medir una respuesta. Esa variabilidad dificulta entrenar sistemas capaces de generalizar sus predicciones a diferentes contextos.

Para enfrentar ese problema, Relation está construyendo laboratorios automatizados que realizan experimentos celulares de manera repetible. La compañía describe esta operación como una producción con “consistencia sobrehumana”.

Los laboratorios generan información sobre la manera en que las células responden a intervenciones a lo largo del tiempo. Cada experimento puede registrar los efectos de modificaciones genéticas o farmacológicas bajo condiciones controladas.

Relation busca reunir esos resultados en conjuntos de datos de escala petabyte. El término describe volúmenes extremadamente grandes de información, aunque la noticia no especifica el tamaño exacto de los conjuntos que la empresa ya produjo.

Estos datos de perturbación capturan los cambios que ocurren cuando los investigadores alteran genes o aplican compuestos a células humanas. El propósito es entregar a MORGAN una base experimental más uniforme para generar predicciones sobre enfermedad y tratamiento.

Por qué GSK está financiando el proyecto

La colaboración ampliada con GSK se centra en generar grandes volúmenes de datos de perturbación humana. Relation podrá recibir hasta USD $110 millones, distribuidos entre pagos iniciales y desembolsos sujetos al cumplimiento de hitos.

A cambio, la startup producirá esos datos y los incorporará en modelos de inteligencia artificial, incluido MORGAN. GSK pretende utilizar la información para identificar nuevos objetivos de fármacos.

El acuerdo muestra que una compañía farmacéutica está dispuesta a pagar por infraestructura de datos, y no solamente por un medicamento terminado. Esa prioridad refleja la importancia que la industria concede a las etapas tempranas del descubrimiento terapéutico.

David Roblin, director ejecutivo de Relation, afirmó que el futuro del descubrimiento de fármacos depende de comprender cómo responden las células humanas a enfermedades y tratamientos con un nivel de detalle sin precedentes. Su declaración presenta el proyecto como una apuesta por mejorar la observación de procesos biológicos complejos.

Roblin describió a MORGAN y al laboratorio que lo respalda como “la infraestructura científica” para la próxima ola del descubrimiento de fármacos. La expresión resume la estrategia de la empresa: combinar automatización experimental, grandes bases de datos y modelos predictivos.

Una industria con grandes promesas

Relation no es la única compañía que intenta modelar la biología mediante inteligencia artificial. Chai Discovery y un grupo creciente de laboratorios de IA-biólogo también persiguen herramientas capaces de acelerar la investigación farmacéutica.

Las empresas farmacéuticas han firmado acuerdos de investigación relacionados con IA a un ritmo cada vez mayor. Esas alianzas buscan aprovechar modelos computacionales para seleccionar objetivos, interpretar datos y reducir parte del trabajo inicial de laboratorio.

The Next Web señaló que las afirmaciones de la industria todavía deben demostrarse. Relation dijo a Endpoints News que su enfoque podría ofrecer “tasas de éxito transformacionalmente diferentes” en el descubrimiento de fármacos.

La promesa enfrenta una limitación conocida: la mayoría de los medicamentos todavía fracasa en los ensayos clínicos. Un modelo que prediga respuestas celulares con precisión tendría que superar la distancia entre lo que ocurre en una célula y lo que sucede en organismos y pacientes.

Hasta ahora, ningún modelo de fundación celular ha producido un medicamento aprobado. Por eso, MORGAN representa una herramienta experimental con potencial, pero no una garantía de que GSK o Relation obtendrán tratamientos exitosos.

El nuevo valor estratégico de los datos

El acuerdo también modifica la discusión sobre el valor económico de la IA aplicada a la salud. En lugar de concentrarse solo en patentes o moléculas, las compañías pueden competir por producir datos biológicos de mayor calidad.

La automatización podría permitir que Relation repita experimentos bajo parámetros más consistentes. Esa regularidad puede ayudar a reducir el ruido en los datos y mejorar la capacidad de los modelos para distinguir señales relevantes.

Aun así, la escala no resuelve por sí sola todos los desafíos científicos. Grandes volúmenes de información pueden mantener errores, sesgos experimentales o limitaciones si las muestras no representan adecuadamente la diversidad de la biología humana.

El valor de MORGAN dependerá de la relación entre sus predicciones y los resultados observados en pruebas posteriores. La empresa deberá demostrar que sus modelos ayudan a descubrir objetivos útiles y no solo patrones estadísticos difíciles de trasladar a la medicina.

Por ahora, la alianza con GSK indica que las grandes farmacéuticas consideran estratégica la combinación de laboratorios automatizados y modelos de IA. El resultado final dependerá de si esa infraestructura consigue convertir datos celulares en mejores decisiones de investigación.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados