Inteligencia artificial
El descubrimiento de fármacos con IA está desencadenando un superciclo de fusiones y adquisiciones en biotecnología
La Nueva Era de la Biotecnología impulsada por IA
La industria farmacéutica se construyó inicialmente sobre la destreza de la industria química, que comenzó a crear productos cada vez más útiles, incluidos los de propósito médico. Al principio, se trataba mayormente de aislar y purificar compuestos químicos naturales como la aspirina de la corteza de sauce y la quinina de un árbol tropical.
Luego comenzó a crear compuestos totalmente nuevos que nunca existieron en la naturaleza y los convirtió en medicamentos. Sin embargo, este enfoque ha empezado a fallar en las últimas décadas.
Los químicos más fáciles de producir o de descubrir ya se han encontrado, y otras moléculas a menudo no son lo suficientemente buenas: demasiado inestables, demasiado tóxicas, demasiado difíciles de fabricar, etc.
Como resultado, la industria farmacéutica se ha volcado a la biotecnología, que reutiliza moléculas biológicas como hormonas, proteínas o ADN y ARN para crear medicamentos. Esto dio lugar a la insulina artificial, terapias monoclonales, terapias génicas y muchos otros avances impresionantes.
Sin embargo, aquí también el progreso ha comenzado a estancarse, ya que los frutos fáciles de alcanzar han sido cosechados: la mayoría de los biológicos activos ya están identificados y conocidos, dejando los mecanismos biológicos más complejos y difíciles de descifrar para curar enfermedades que aún son resistentes al tratamiento.
Esto es un problema serio para las grandes compañías farmacéuticas. No solo muchos de sus tratamientos basados en química están fuera de la protección de patentes o lo estarán pronto, sino que la estrategia de simplemente comprar o asociarse con startups de biotecnología ya no es suficiente.
Estas compañías necesitan adquirir innovación rápidamente, y lo que funcionaba antes simplemente ya no es suficiente.
En gran parte, esto se debe a que una representación real de una sola célula humana sería casi incomprensiblemente compleja para una sola persona, como lo ilustra una imagen generada por computadora de todos los componentes de una sola célula humana que se volvió viral hace algunos años.
Fuente: Newsweek
Afortunadamente, una nueva ola de innovación biotecnológica está surgiendo de la incorporación de IA en los biolabs. Esto se combina con una revolución en los datos disponibles a partir de la llamada “revolución de la multi‑ómica“, que crea una cantidad sin precedentes de datos a nivel intracelular.
Y la IA, con su capacidad para analizar grandes conjuntos de datos mucho más allá de la de una mente humana, ahora está ayudando a dar sentido a todo ello.
Fuente: World Economic Forum
Ilustrativo de esta tendencia es la asociación anunciada el 12 de enero de 2026, entre Nvidia (NVDA ) y Eli Lilly (LLY ), que planea invertir conjuntamente hasta 1 000 millones de dólares durante cinco años en infraestructura e investigación para el descubrimiento de fármacos con IA.
La Era de la Biología Digital
La biología digital está cambiando dónde se acumulan el tiempo, el costo y el riesgo de fracaso a lo largo de la cadena de descubrimiento de fármacos, trasladando más exploración y optimización a la computación antes de que comience el trabajo de laboratorio húmedo más costoso.
Desliza para desplazarte →
| Fase de Descubrimiento | Cuello de Botella Tradicional | Cambio con IA / Biología Digital | Impacto Económico | Captura de Valor Principal |
|---|---|---|---|---|
| Identificación de Objetivo | Señales biológicas escasas o ruidosas; ciclos de hipótesis lentos | Multi‑ómica + ML priorizan vías causales y biomarcadores; clasificación rápida de hipótesis | Más intentos con menos programas sin salida | Farmacéuticas con datos abundantes y propietarios de conjuntos de datos |
| Descubrimiento de Hits | El cribado en laboratorio húmedo es costoso y limitado por el rendimiento | El cribado in silico explora un espacio químico mayor antes de la síntesis | Costo por hit más bajo; ciclos de iteración más rápidos | Plataformas de cómputo + modelos; proveedores de automatización de laboratorio |
| Optimización de Leads | Fallos de ADME/tox al final del ciclo; bucles lentos de química medicinal | Modelos generativos proponen candidatos optimizados para potencia, selectividad y desarrollabilidad | Menos ciclos de rediseño; mejor desarrollabilidad desde el principio | Integradores farmacéuticos con fuertes pipelines de traducción |
| Validación Preclínica | Los modelos animales no coinciden con la biología humana; validación lenta y alta variabilidad | Mejor selección de biomarcadores + modelos relevantes para humanos; ensayos automatizados y de alto rendimiento | Mayor calidad de señal al iniciar trabajos habilitadores de IND | Pilotes de automatización y plataformas de ensayos; CROs con herramientas de IA |
| Traducción Clínica | Respuesta de pacientes heterogénea; mala estratificación aumenta las tasas de fracaso | La estratificación multi‑ómica identifica subgrupos de respondedores y puntos finales de ensayos antes | Mejor eficiencia de ensayos; menor dilución de eficacia | Propietarios de fármacos (farmacéuticas/biotecnológicas) con ejecución clínica |
El Auge de la Multi‑ómica
La complejidad absoluta de los sistemas vivos ha llevado al surgimiento de la multi‑ómica, un campo que fusiona todos los sub‑segmentos -ómica de las ciencias biológicas y se promociona como el próximo paso en biotecnología:
- Genómica: el análisis de la secuencia de ADN en el núcleo de las células.
- Transcriptómica: el análisis del ARNm que lleva las instrucciones del ADN.
- Epigenómica: la modificación del genoma sin afectar la secuencia genética, o “epigenética”.
- Proteómica: el análisis de proteínas, incluida la modificación de proteínas con azúcares (“post‑traduccional”).
- Metabolómica: el análisis de compuestos químicos y metabolismo.
- Microbiómica: el análisis de todos los microbios que viven dentro o sobre el cuerpo.
- Multi‑ómica de célula única: el análisis multi‑ómico en células individuales.
- Biología espacial: análisis en 3D de la ubicación de ARNm, proteínas o células específicas.
Fuente: Ark Research
La multi‑ómica también surgió gracias a herramientas analíticas mucho más potentes, desde secuenciadores genéticos hasta biología espacial.
El problema, sin embargo, es que esto genera una inundación de datos tal que, por primera vez, el desafío para los biólogos no es finalmente encontrar un punto de datos interesante para usar en aplicaciones prácticas, sino decidir qué datos son realmente relevantes para un problema dado.
Si a cada recién nacido del mundo se le secuenciara su genoma, una práctica probable en los próximos años, esto generaría 10 000 veces los datos que una IA como Llama utiliza cada año.
Fuente: Ark Research
¿Qué es la Biología Digital?
Recientemente apareció una nueva opción para la investigación biotecnológica: el enfoque in‑silico, donde una o varias células virtuales se simulan en una computadora.
“En 2026, la identificación de objetivos de enfermedad dependerá de la exploración in silico antes de que comience cualquier validación en laboratorio húmedo.
Esto reducirá el número de programas que se estancan durante el desarrollo preclínico.
Veronica DeFelice – Directora de Biológicos en Sapio Sciences.”
Estas células virtuales se exponen luego al posible nuevo tratamiento, y la simulación calcula cómo reaccionarían.
Fuente: Ark Research
Otra opción es simular la configuración 3D de una proteína, que en última instancia determina su función biológica.
Un simulador de plegamiento de proteínas como la IA AlphaFold de Google (GOOGL ) ha mejorado hasta 500 veces desde 2018.
Fuente: Ark Research
Por lo tanto, es probable que las simulaciones in‑silico se conviertan en una tecnología indispensable para la mayoría de las compañías farmacéuticas y biotecnológicas.
Otra forma de biología digital es el uso de un sistema de detección avanzado para identificar marcadores de cáncer en una muestra de sangre, reemplazando biopsias costosas y menos eficientes, lo que conduce a un descubrimiento más temprano de posibles cánceres.
Finalmente, la automatización, la robótica y la IA se están combinando para crear laboratorios automatizados que pueden ejecutar experimentos sin intervención humana, y analizar millones de moléculas o compuestos potencialmente útiles a un costo menor y 100 veces la velocidad de los métodos de investigación tradicionales.
Invertir en el Descubrimiento de Fármacos con IA
(LLY )
Visión General de Eli Lilly
Eli Lilly es una enorme compañía farmacéutica que construyó su imperio médico sobre la quinina y luego la insulina.
El tratamiento de la diabetes ha permanecido como el núcleo de la compañía, con una larga serie de moléculas descubiertas y aprobadas en las últimas tres décadas para esta enfermedad. Esto incluyó tirzepatida, comercializada bajo la marca Mounjaro.
En la década de 2010, Eli Lilly también se expandió significativamente en oncología (tratamientos contra el cáncer) con una serie de adquisiciones y asociaciones en el campo, así como esfuerzos internos de desarrollo de fármacos para construir un sólido portafolio de medicamentos oncológicos.
La molécula tirzepatida ha sido reutilizada como un fármaco antiobesidad, bajo la marca Zepbound, el mayor competidor de Ozempic. Esto ha sido un salvavidas para Eli Lilly, ya que muchos de sus medicamentos más antiguos perdieron la patente, lo que permite a los fabricantes de genéricos producirlos también y competir en precio.
Sin embargo, depender masivamente de un solo péptido patentado y sus posibles derivados es una posición arriesgada y no sostenible a largo plazo. Al igual que la mayoría de las compañías farmacéuticas, existe una necesidad urgente de volver a la innovación diversificada. Pero a diferencia de muchas otras en la industria, Eli Lilly tiene un plan, y se basa en apostar todo a la IA y la biología digital.
Descubrimiento de Fármacos con IA de Eli Lilly
El anuncio más grande y reciente sobre descubrimiento de fármacos con IA y Eli Lilly es su asociación con Nvidia.
“NVIDIA y Lilly están uniendo lo mejor de nuestras industrias para inventar un nuevo plano para el descubrimiento de fármacos — uno donde los científicos pueden explorar vastos espacios biológicos y químicos in silico antes de que se fabrique una sola molécula.”
El plan combinará los laboratorios húmedos de Lilly con laboratorios secos computacionales, permitiendo experimentación asistida por IA 24/7. Esto se combina con una supercomputadora de IA anunciada previamente que utiliza 1 000 GPU NVIDIA Blackwell Ultra para una fábrica de IA que entrenará grandes modelos de base y de frontera biomédicos para identificar, optimizar y validar nuevas moléculas.
“Nuestros modelos de base están generando nuevas posibilidades para nuestros químicos, ayudándoles a descubrir nuevos motivos y configuraciones de átomos que estaban fuera de alcance con los métodos tradicionales.”
Esta asociación de 1 000 millones de dólares es solo el último (y mayor) movimiento de la compañía farmacéutica hacia el descubrimiento de fármacos con IA. Anteriormente, destacó:
- Inició una colaboración de investigación con Insilico Medicine, con hasta 100 millones de dólares a pagar a la startup según los hitos de investigación.
- Asociación con Circle Pharma para aprovechar las IA de Eli Lilly y mejorar sus terapias macrocíclicas, incluidas aquellas dirigidas a objetivos históricamente no farmacables.
- Desarrollar modelos de aprendizaje automático con insitro, pionero en aprendizaje automático para el descubrimiento y desarrollo de fármacos.
- Colaboración con OpenAI para descubrir nuevos medicamentos que traten bacterias resistentes a los fármacos.
- Uso de los modelos de IA de Genetic Leap para el descubrimiento de fármacos dirigidos a ARN en un acuerdo de 409 millones de dólares.
- Asociación de IA con Isomorphic Labs, la empresa de biotecnología digital de Google/Alphabet, que recibirá 45 millones de dólares por adelantado y es elegible para hasta 1,7 mil millones de dólares en hitos basados en desempeño.
- Un acuerdo de hasta 670 millones de dólares con Genesis Therapeutics para la plataforma de IA molecular de la compañía.
- Un acuerdo de 1,3 mil millones de dólares con Superluminal para descubrir medicamentos contra la obesidad usando IA, gracias a su plataforma propietaria impulsada por IA que apunta a receptores acoplados a proteínas G (GPCR), con el objetivo de reforzar la ya dominante presencia de Eli Lilly en el mercado de la obesidad.
- Un acuerdo con BigHat Biosciences para avanzar en el descubrimiento de terapias de anticuerpos impulsadas por IA gracias a su plataforma Milliner.
Eli Lilly también se asoció con Benchling, una plataforma de software basada en la nube diseñada para I+D en ciencias de la vida, para proporcionar a las startups biotecnológicas acceso a modelos entrenados con décadas de datos de investigación propietarios de Lilly.
Llamada TuneLab, esta plataforma debería ayudar a Eli Lilly a asociarse con ciencias de la vida en etapas tempranas bajo su programa “Catalyze360”.
En conjunto, estas asociaciones de descubrimiento de fármacos con IA y la construcción de infraestructura en todas direcciones probablemente reconstruirán la cadena de descubrimiento de Eli Lilly y potenciarán su posición en antibióticos, fármacos contra el cáncer, enfermedades raras y obesidad.
Últimas Noticias y Desarrollos de la Acción de Eli Lilly (LLY)
