Biotecnología

Multiomics y IA en la Atención Sanitaria: Una Nueva Frontera para el Descubrimiento de Fármacos

mm
Publicado el
Actualizado el
Securities.io maintains rigorous editorial standards and may receive compensation from reviewed links. We are not a registered investment adviser and this is not investment advice. Please view our affiliate disclosure.

La Medicina de Precisión es el Futuro de la Atención Sanitaria

Cuando se trata de ciencias duras aplicadas, una fuente de progreso ha sido la mayor precisión en las mediciones y herramientas. Esto es especialmente cierto en la física y la química, donde las herramientas analíticas ahora pueden observar las reacciones de átomos individuales a los experimentos, impulsando un rápido avance en energía limpia, ciencias de materiales, nanotecnología, fabricación, y computación (siga los enlaces para artículos sobre estos temas).

Sin embargo, un campo científico ha demostrado ser una nuez más dura de romper para mediciones precisas: la biología. Esto se debe a que los organismos vivos no son “materiales simples” compuestos por unos pocos elementos, sino una maquinaria molecular ultra‑compleja formada por millones, si no miles de millones, de partes diferentes.

Por lo tanto, una representación verdadera de una sola célula humana sería casi incomprensiblemente compleja, como ilustra una imagen generada por computadora de una célula humana que se volvió viral hace algunos años.

Fuente: Newsweek

Esto ha convertido la comprensión verdadera de los fenómenos biológicos y bioquímicos en un desafío persistente.

La genómica ha sido un paso importante, al explicar la plantilla/instrucciones que usan las células para construir sus componentes internos. Otro factor en crecimiento es el uso de IA, ya que las redes neuronales avanzadas pueden manejar la enorme cantidad de datos mejor que la mente humana.

Juntos, impulsarán la transformación en la atención sanitaria, con la aparición de una medicina de precisión verdaderamente personalizada, adaptada a la composición única de genes, metabolismo, historial médico, etc., de cada individuo.

Actualmente, la medicina de precisión es un mercado de 500 mil millones de dólares, e incluye anticuerpos monoclonales, (un mercado de 222 mil millones de dólares en 2023), así como los tratamientos contra el cáncer más avanzados como las terapias CAR‑T.

¿Qué es la Multi‑ómica?

La inmensa complejidad de los sistemas vivos ha conducido a la aparición 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 de 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 el 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: analizar en 3D la ubicación de ARNm, proteínas o células específicas.

Están surgiendo nuevos campos, como, por ejemplo, Agrigenómica (genómica para mejorar los rendimientos agrícolas), Genómica ecológica (para evaluar con precisión la salud de un ecosistema y su diversidad genética), o Biología sintética (para crear nuevos genes, rasgos o organismos completos con un propósito específico).

Cada uno de estos campos ha logrado avances tremendos gracias a nuevos y mejorados métodos analíticos, en gran parte impulsados por el progreso revolucionario en nanotecnología, óptica, tecnología de semiconductores y potencia de cómputo.

Desafortunadamente, las ciencias biológicas y la medicina han comenzado a tener dificultades para manejar todos estos nuevos datos, y aún más para comprender las interacciones complejas de cada posible campo –ómica entre sí.

En gran parte, esto se debe a literalmente trillones o quizá cuatrillones de posibles interacciones cruzadas entre genes individuales, proteínas, biomoléculas, bacterias, etc.

Y en teoría, para una medicina verdaderamente personalizada, estos datos se recopilarían para cada individuo y se conectarían con los registros de sus datos de salud digitales.

Disminución de Costos y una Inundación de Datos

La mejora tecnológica en las herramientas analíticas ha colapsado los costos de recopilación de nuevos datos. Esto es, por ejemplo, cierto para la secuenciación de un genoma humano completo, cuyos costos se han reducido más de un millón de veces en 30 años, o la síntesis de ADN que ahora es 10 000  veces más barata.

Significa que cuando en 2001 costaba 450 000 $ secuenciar solo un genoma, ahora podemos secuenciar 1,4 mil millones de genomas por el mismo precio, es decir, el 17 % de la población mundial.

Como resultado, la genómica y otros datos –ómicos han inundado a los biólogos.

Por ejemplo, el UK Biobank, la mayor base de datos de genómica de acceso público, contiene 27 veces más datos que los que alimentan uno de los mayores LLM (Modelo de Lenguaje Extenso), el AI Llama 405b construido por Meta (FB ).

Si cada recién nacido del mundo tuviera su genoma secuenciado, una práctica probable en los próximos años, se generarían 10 000  veces los datos que Llama utiliza cada año.

Afortunadamente, mientras la cantidad de datos se multiplica por miles, también lo hace la eficiencia de las herramientas de análisis digital, especialmente la IA, que se vuelve 1 000  veces más poderosa por el mismo costo.

Aplicaciones en el Descubrimiento de Fármacos

Células Virtuales

Hasta hace poco, para conocer el efecto de un posible nuevo fármaco, o cómo una proteína interactúa con otra, los biólogos necesitaban realizar el experimento manualmente, una tarea costosa y que consume tiempo.

Esto naturalmente ralentizaba el descubrimiento de nuevos fármacos y aumentaba los costos de la atención sanitaria para tratamientos innovadores. Podía hacerse in‑vitro (en un laboratorio) o in‑vivo (en un organismo vivo, usualmente un animal).

Recientemente ha surgido una nueva opción, el enfoque in‑silico, donde una o varias células virtuales se simulan en una computadora. Estas células virtuales se exponen al posible nuevo tratamiento y la simulación calcula cómo reaccionarían.

Simulación Mejorada

Además de los datos completos del genoma y del transcriptoma, otra herramienta está ingresando a la simulación in‑silico: simuladores de plegamiento de proteínas como AlphaFold de Google (GOOGL ).

Muchos medicamentos basados en proteínas dependen de las interacciones entre el fármaco y un receptor en las células del cuerpo, o la superficie de bacterias o células cancerosas objetivo.

Predecir correctamente in‑silico la configuración 3D (plegamiento) de la proteína mejorará radicalmente la tasa de éxito y la velocidad del desarrollo de fármacos, reduciendo costos.

A medida que AlphaFold mejora hasta 500 veces desde 2018, las simulaciones in‑silico se convertirán en una tecnología imprescindible para la mayoría de las empresas biotecnológicas.

Otras compañías también están trabajando en tecnologías similares a AlphaFold pero para moléculas no proteicas, como Schrödinger (SDRG ), que cubrimos en “Top 5 AI & Digital Biotech Companies”.

Detección de Cáncer

La detección temprana del cáncer, incluso cuando no es visible en una resonancia magnética, a menudo puede ser cuestión de vida o muerte.

Una nueva técnica llamada biopsia líquida promete detectar tempranamente esos cánceres invisibles. Funciona utilizando herramientas de secuenciación del genoma para detectar secuencias de ADN típicas del cáncer en la sangre del paciente, incluso si esas secuencias son ultra‑raras.

Las biopsias líquidas son mucho menos invasivas que las biopsias tradicionales, pues solo requieren una muestra de sangre. También podrían usarse para buscar múltiples cánceres potenciales al mismo tiempo.

En junio de 2024, Guardant Health (GH ) obtuvo la aprobación de la FDA para su prueba de detección de cáncer colorrectal “Shield”. Grail (GRAL ), la reciente escisión de Illumina (ILMN ), también está desarrollando una prueba de este tipo.

Además de la biopsia líquida, las pruebas de enfermedad residual mínima (MRD) están cobrando cada vez más relevancia para comprobar la remisión de pacientes con cáncer. Las MRD pueden detectar la recurrencia del cáncer hasta 20 meses antes que la imaginería tradicional.

Para tanto MRD como la biopsia líquida, el reembolso por parte de los sistemas de seguros de salud privados y nacionales será clave para acelerar su adopción.

Laboratorio Automatizado

A medida que se requieren más y más datos, y las herramientas de detección se abaratan, el factor limitante pasa a ser la mano de obra humana con titulaciones de doctorado, tanto en costos como en capacidad, para generar más datos multi‑ómicos.

Esto es cierto tanto para el trabajo manual en sí, como la extracción de muestras, como para el diseño de los experimentos.

Un método alternativo emergente es el laboratorio auto‑conducido (SDL). Este combina robótica y automatización para reemplazar el trabajo manual tedioso y lento, creando experimentación de alto rendimiento. También incorpora LLM para analizar datos y diseñar el siguiente conjunto de experimentos.

Un líder en este nuevo método de descubrimiento de fármacos es Recursion Pharmaceuticals (RXRX ) (más información sobre esta empresa a continuación).

Perspectivas de Inversión

Aunque hay muchas empresas innovando en la intersección de IA y multi‑ómica, algunas destacan por su importancia o sus ambiciones.

Recursion Pharmaceuticals

(RXRX )

Recursion es una empresa que, desde su fundación, se centró en usar IA para acelerar el descubrimiento de nuevos fármacos. Para ello, combina laboratorio seco (in‑silico) y laboratorio húmedo (muestras biológicas) con:

  • Una biblioteca de 1,7 millones de pequeñas moléculas.
  • Cultivos celulares, edición génica CRISPR, factores solubles, virus vivos, etc.
  • Un flujo de trabajo de robótica de laboratorio automatizado que permite hasta 2,2 millones de experimentos cada semana.
  • Microscopios de alto rendimiento y sistemas de secuenciación.
  • Flujos de video continuos de cámaras, registrando mediciones holísticas del comportamiento animal.
  • Recursos computacionales avanzados, que han generado >21 petabytes de datos propietarios de alta dimensión.
  • Datos ADMET (absorción, distribución, metabolismo, excreción y toxicología).

Recursion también posee una de las supercomputadoras más rápidas del mundo para entrenar sus LLM y IA para el descubrimiento de fármacos. Los modelos de IA fueron entrenados con una biblioteca de más de 2 mil millones de imágenes e inferieron 6 trillones de relaciones entre todas las combinaciones posibles de genes y compuestos.

En agosto de 2024, Recursion se fusionó con Exscientia, una empresa centrada en terapias de precisión y que utiliza su propia “automatización robótica integral a lo largo de todo el ciclo experimental”. Recursion también adquirió en mayo de 2023 las startups preclínicas enfocadas en química de fármacos, Cyclica y Valance, por un total de 87,5 M $.

Con estas empresas recién adquiridas integrándose a los conjuntos de datos centrales de Recursion, la compañía se ha convertido en una empresa biotecnológica totalmente integrada, manejando todo, desde la identificación de objetivos, predicciones in‑silico, validación in‑vivo y ensayos clínicos.

Fuente: Recursion

Recursion cuenta con más de 20 moléculas en distintas etapas de desarrollo en su pipeline de I+D, de las cuales 7 están en fase 1/2 de ensayos clínicos, mayormente en oncología (cáncer) y enfermedades raras.

Estos programas incluyen más de 10 programas asociados con hasta 20 B $ en pagos potenciales por hitos de I+D, de los cuales ya se han pagado 450 M $.

En conjunto, la nueva Recursion, crecida mediante adquisiciones y una temprana apuesta por la IA en el descubrimiento de fármacos, está configurándose como un socio clave para las grandes compañías farmacéuticas que buscan reponer sus pipelines de I+D.

Illumina

Si bien los demás –ómicos son importantes, casi todos giran en torno a la genómica, el “manual de instrucciones” fundamental de cada célula viva.

Y, de lejos, el mayor productor de máquinas de secuenciación de genomas es Illumina. La compañía se centra en la lectura de secuencias genéticas cortas, la que se usa para la detección de cáncer. Actualmente cuenta con más de 22 000 secuenciadores instalados en 165 países.

Alrededor de la mitad de los consumibles de las máquinas de secuenciación de Illumina se utilizan en aplicaciones clínicas, y la otra mitad en laboratorios de investigación públicos y privados. En las aplicaciones clínicas, la mitad de la demanda proviene de la oncología.

Fuente: Illumina

A medida que la genómica y la multi‑ómica se convierten en el centro del proceso de descubrimiento de fármacos, así como en el diagnóstico del cáncer, se espera que el equipo de Illumina tenga una alta demanda. La compañía prevé que la demanda de NGS (Secuenciación de Nueva Generación) crecerá un 18 % CAGR para aplicaciones clínicas y un 6 % CAGR para investigación, impulsando el mercado total direccionable (TAM) de $100 B para lo clínico y $25 B para investigación para 2033.

Fuente: Illumina

Illumina tuvo una historia complicada con la empresa de biopsia líquida Grail (GRAL ), que fue una escisión de Illumina, luego reacquirida, y ahora forzada a volver a escindirse por autoridades de competencia en EE. UU. y la UE.

Con este problema fuera del camino, Illumina podría retomar su crecimiento a largo plazo y la subida de su precio de acción, especialmente porque, en última instancia, las pruebas de biopsia líquida de Grail probablemente dependerán de los secuenciadores de Illumina.

Ginkgo Bioworks

La mayoría de las empresas centradas en la multi‑ómica están presentes en el sector farmacéutico/biotecnológico debido a la potencial rentabilidad de tratamientos contra el cáncer de gran éxito o la cura de enfermedades raras.

Pero eso ignoraría el increíble potencial de los biosistemas para innumerables otras aplicaciones, incluyendo producción química, agricultura, materiales, biocombustibles, etc.

Esto es exactamente el enfoque de Ginkgo Bioworks, con un modelo innovador de construir “organismos bajo demanda” para responder a necesidades industriales específicas, convirtiéndose en líder en el emergente campo de la biología sintética (ver “Top 5 Synthetic Biology Public Companies”).

De esta forma, Ginkgo puede ofrecer cualquier nivel de colaboración, desde simplemente vender las herramientas para producir nuevos organismos hasta contratar sus soluciones en asociaciones completas.

Entre los diversos programas de investigación y asociaciones de Ginkgo se pueden mencionar:

La experiencia de Ginkgo se evidencia en la muy diversa gama de clientes y socios que la empresa ha tenido en los últimos años, desde compañías industriales y agrícolas globales hasta farmacéuticas líderes.

El hardware de investigación de la compañía está estructurado alrededor de los Carros de Automatización Reconfigurables (RACs), que forman los módulos que pueden integrarse en laboratorios de investigación completos para la generación de datos biológicos de alto rendimiento.

Ginkgo tuvo que reformar su modelo de negocio en 2024, después de un período de expansión y demasiadas ubicaciones geográficas. Esto le ha permitido reducir su gasto operativo (opex) de $515 M por trimestre a $375 M, principalmente al dividir a la mitad los costos generales.

Esto debería acercarla a la rentabilidad, así como a un mayor progreso en los acuerdos de investigación con sus hitos de pago correspondientes.

Desafíos

Privacidad

Si la era de los análisis multi‑ómicos y la medicina personalizada se acerca, no está exenta de desafíos. El primero es la cuestión de la privacidad de los datos, un tema especialmente sensible cuando los datos no son solo nuestra vida digital sino nuestros propios cuerpos.

Está claro que una buena seguridad, el acceso solo a personal autorizado y la anonimización de los datos, así como evitar que dichos datos se utilicen para negar atención médica o seguros, serán imprescindibles para que la gente adopte esta revolución tecnológica.

La preocupación por la recopilación universal de datos genéticos, especialmente si son accesibles por no especialistas médicos (por ejemplo, miembros de la policía o del aparato estatal), también deberá abordarse.

Regulaciones

Debido a la naturaleza sensible de los datos biológicos, se esperan regulaciones más estrictas. Esto cubre, primero, la cuestión de la privacidad, pero también otros temas como:

  • Los riesgos de que surja un monopolio, con una o pocas empresas tomando progresivamente el control de todos nuestros datos biológicos, ya que a más datos, más eficientes serán los análisis basados en IA.
  • Gestionar un equilibrio entre comprender los riesgos para individuos o poblaciones enteras y evitar discriminaciones o prácticas comerciales injustas.
  • Trato justo respecto a la medicina personalizada sin importar la riqueza, pero también gestionar los posibles costos colectivos.

Accesibilidad

Porque la medicina personalizada y los datos multi‑ómicos son extremadamente complejos, será difícil explicarlos a personas no científicas o a médicos. Combinado con los riesgos de injusticia y preocupaciones de privacidad, es probable que surja cierta resistencia o incluso una reacción adversa.

De la misma manera que la política de vacunación masiva con la vacuna de ARNm contra el Covid se politizó intensamente, un resultado similar no es improbable para la medicina impulsada por la multi‑ómica y la IA.

De forma similar, esta tecnología podría ser inicialmente costosa, y será importante evitar que la desigualdad de riqueza se convierta también en una brecha biológica y de salud.

El Futuro de la Atención Sanitaria Impulsada por IA

La combinación de un volumen creciente de datos médicos, IA potente, laboratorios biológicos automatizados, simulaciones in‑silico de proteínas e incluso de células completas está creando campos totalmente nuevos de medicina e investigación médica.

También es probable que sea solo el comienzo, ya que más avances se acumulan para acelerar aún más la innovación:

En última instancia, en un futuro no muy lejano, la mayor parte de la medicina podría estar adaptada a nuestra composición genética individual; podríamos realizar un chequeo anual a prueba de fallos contra el cáncer mediante un análisis de sangre, y estar más sanos y energéticos gracias al equilibrio perfecto de nuestro metabolismo, microbioma y genoma.

Desde el punto de vista de la inversión, es probable que los principales ganadores en la carrera AI‑biotech sean las empresas con la capacidad de crear grandes conjuntos de datos biológicos, más que poseer un algoritmo propietario único o potencia de cálculo, ya que la tecnología IA avanza muy rápido más allá de los ultra‑grandes centros de datos que proporcionan una ventaja duradera, y se dirige más hacia un modelo descentralizado de código abierto.

mm

Jonathan es un ex investigador de bioquímica que trabajó en análisis genético y ensayos clínicos. Ahora es un analista de acciones y escritor de finanzas con un enfoque en innovación, ciclos del mercado y geopolítica en su publicación The Eurasian Century.