Aprovechar las asociaciones de AI ML para avanzar en el descubrimiento de fármacos con Recursion Pharma

Una conversación con el CEO de Recursion Pharma, Chris Gibson

Pregúntele a cualquier persona en investigación clínica, desde aquellos que trabajan en gestión de datos hasta operaciones clínicas y asuntos regulatorios, sobre las tendencias que han estado siguiendo, y casi todos mencionarán la progresión de la inteligencia artificial (IA) y el aprendizaje automático (ML) en el avance. descubrimiento y desarrollo de fármacos.

¿Y cómo podrían no hacerlo? AI/ML ha impregnado todas las facetas de nuestras vidas; Parece que no podemos escapar de todas las formas en que la gente juega con ChatGPT y otros chatbots de IA. Pero quizás una de las áreas de mayor interés crítico es el espacio de desarrollo de fármacos. El potencial de AI/ML ciertamente no se ha perdido en Recursion Pharma, que se lanzó en 2013 y recientemente adquirió dos compañías tecnológicas canadienses a principios de este mes: Valence y Cyclica.

Con sede en Salt Lake City y oficinas en el Área de la Bahía y Canadá, Recursion es una empresa de "TechBio" en fase clínica que industrializa el descubrimiento de fármacos aprovechando la IA/ML. Recursion ha firmado acuerdos para adquirir Cyclica por $ 40 millones y Valence por $ 47,5 millones.

Para conocer las adquisiciones y el futuro de AI/ML en el descubrimiento y desarrollo de fármacos, nos reunimos con el director ejecutivo de Recursion, Chris Gibson.

Recursion se llama a sí misma una empresa "TechBio". Si bien a menudo nos encontramos con "biotecnología" en el espacio de investigación clínica, la inversa de la frase no es tan frecuente. ¿Cuál es la historia detrás de elegir ese descriptor?

GIBSON: TechBio es un término que surgió hace unos años y está ganando popularidad rápidamente. Tiene la intención de crear una categoría distinta para el creciente número de empresas en nuestra industria que tienen una estrategia explícita de usar tecnologías como la computación (y particularmente el aprendizaje automático y la inteligencia artificial) y la automatización para hacer el descubrimiento de fármacos de manera diferente.

El año pasado, en Recursion notamos un cambio en la aceleración continua de la apreciación de las personas sobre el potencial del espacio TechBio. Desde las grandes empresas farmacéuticas hasta las grandes empresas de tecnología, nos parece que existe una sensación creciente de inevitabilidad entre los líderes de que estas empresas que tienen la tecnología en su núcleo de hecho crearán cambios de funciones escalonadas en la industria de la salud, una opinión que no ha sido ampliamente aceptada hasta hace poco tiempo.

Dado su apodo, no sorprende que Recursion decidiera traer más capacidades de IA/ML internamente. Justo este mes, Recursion anunció su decisión de adquirir Cyclica y Valence. ¿Qué capacidades traen?

GIBSON: Con el acuerdo para adquirir estas dos empresas, que están desarrollando métodos y modelos de aprendizaje automático para transformar el descubrimiento de fármacos, Recursion reforzará significativamente nuestras capacidades de química e IA generativa. Valence desarrolla IA generativa y modelos de aprendizaje profundo para la aplicación del aprendizaje con pocos datos en el diseño de fármacos. Cyclica también ocupa el espacio de descubrimiento de fármacos habilitado por IA y ha sido pionero en un motor de aprendizaje profundo que predice la polifarmacología de moléculas pequeñas a través de la predicción de la interacción ligando-proteína como base para el descubrimiento de fármacos de moléculas pequeñas.

Nuestro enfoque durante la última década ha sido el uso de herramientas tecnológicas para mapear y navegar la biología como un sistema, mientras que estas empresas han tenido un enfoque que prioriza la química. A través de estas adquisiciones, tenemos la intención de crear la primera solución de tecnología de pila completa capaz de industrializar el proceso de descubrimiento de fármacos de principio a fin: desde la generación interna de datos hasta la identificación de nuevos objetivos biológicos para diseñar y optimizar compuestos químicos, todo a un precio masivo. escala.

Mientras tanto, AI/ML es cada vez más el tema de interés y conversación en la investigación clínica y el descubrimiento de fármacos. Para empezar, ¿qué sabemos sobre el potencial de cada uno para avanzar en el descubrimiento de fármacos? ¿Y qué puede permitir que no se pueda hacer, o no se pueda hacer bien, sin él?

GIBSON: Hay dos formas principales en que AI y ML pueden afectar el descubrimiento de fármacos. El primero es aumentar la eficiencia: pensar más rápido, más barato y con menos fallas. Varias empresas, incluida la recursividad, ya han demostrado que eso es posible. El segundo está revelando algo completamente nuevo sobre la función biológica que nosotros, como humanos, no podemos hacer por nuestra cuenta. Combine tanto la eficiencia como la novedad: esa es la verdadera oportunidad para que industrialicemos el descubrimiento de fármacos.

Una de las lecciones más importantes aprendidas de otras industrias donde estas tecnologías ya han tenido un impacto significativo es que el desarrollo de un asombroso algoritmo de aprendizaje automático rara vez es suficiente para crear un cambio disruptivo. Se crean cambios descomunales cuando estos algoritmos sofisticados se combinan con los datos correctos, generalmente en un proceso iterativo de aprendizaje, predicción y refinamiento continuos. En Recursion, hemos generado internamente nuestro propio conjunto masivo de datos patentados, apto para el propósito de ML, en lugar de reutilizar conjuntos de datos internos o públicos existentes.

El asesor científico de Recursion y Valence, Yoshua Bengio, ha dicho que estas adquisiciones generarán algunas de las "investigaciones de IA/ML más convincentes del mundo". Esa es una proclamación audaz. ¿Cómo logrará precisamente eso reunir a las tres empresas bajo un mismo techo?

GIBSON: Yoshua es un visionario y ganador del premio Turing, por lo que es emocionante para nosotros que comparta nuestro entusiasmo sobre lo que es posible aquí en la intersección de la biología y la tecnología. Primero, Recursion ha construido uno de los conjuntos de datos biológicos más grandes de la Tierra con 23 petabytes. Eso es más datos que todas las películas que se hayan hecho juntas, varias veces. Estos datos son esenciales como sustrato sobre el que construir modelos de aprendizaje automático que pueden ayudarnos a comprender la biología y la química.

Otro ingrediente clave es el poder de cómputo, y Recursion opera una de las 150 supercomputadoras más rápidas de la Tierra, por lo que podemos marcar esa casilla.

Y el tercer ingrediente más importante es la gente. Siempre estamos buscando talento ejemplar de IA/ML para reforzar nuestro equipo, y estas adquisiciones traerán los mejores talentos a Recursion. Yoshua y el equipo de Valence tienen su sede en Mila, uno de los institutos de investigación de aprendizaje profundo más grandes e innovadores del mundo, y el equipo de Cyclica ha estado durante mucho tiempo a la vanguardia de la investigación de aprendizaje profundo para el descubrimiento de fármacos de moléculas pequeñas.

Entendiendo que AI/ML tiene el potencial de revolucionar el proceso de descubrimiento de fármacos, ¿cuáles son las implicaciones para el éxito en la realización de ensayos clínicos? ¿Podemos esperar que más ensayos que comenzaron con el descubrimiento de fármacos dirigido por IA/ML tengan un desempeño diferente, en términos de seguridad y eficacia, que aquellos que no lo hacen?

GIBSON: La biología es increíblemente compleja y la mayoría de los programas fallan en la clínica porque no elegimos el objetivo correcto. Desde nuestra fundación en 2013, Recursion se ha centrado en resolver este problema aprovechando la interrogación a gran escala de la biología a nivel de sistemas y construyendo uno de los conjuntos de datos biológicos y químicos más grandes del mundo. Esto nos ha permitido predecir billones de relaciones entre la biología y la química en nuestros Mapas de Biología, lo que nos ha llevado a identificar nuevos objetivos biológicos y puntos de partida químicos que pueden ayudarnos a encontrar nuevas formas de abordar enfermedades difíciles de tratar.

Mi esperanza es que en los próximos años, a medida que nuestra industria continúe acelerando y mejorando estas tecnologías, comenzaremos a reducir la tasa de fallas de los programas clínicos porque mejoraremos cada vez más en la selección de los objetivos correctos y las mejores moléculas para modular esos objetivos al principio del proceso. También hay muchas incursiones tempranas de aprendizaje automático en el diseño de ensayos, la selección de pacientes y más. Najat Khan, directora digital de Janssen, ha implementado herramientas allí en desarrollo clínico y comercialización con gran éxito.

Todos los ensayos clínicos pretenden determinar la seguridad y eficacia de una terapia. Para Recursion, parte de ese objetivo es también ser transparente sobre esos hallazgos. La política de la empresa es hacer públicos todos los resultados de los ensayos en el plazo de un año a partir de la fecha de finalización del ensayo y compartir los resultados con los pacientes que lo soliciten. ¿Por qué es importante para Recursion exhibir transparencia al comunicar sus resultados, buenos o malos?

GIBSON: Siento que la franqueza es un ingrediente fundamental para lograr nuestra misión. Estamos en esto a largo plazo, por lo que es esencial crear un historial de confianza y transparencia con las personas que están en este viaje con nosotros. Recursion también tiene un fuerte compromiso con la ciencia abierta y la publicación de conjuntos de datos de fuente abierta, que creemos que genera valor para nosotros y para la sociedad en general. Hasta la fecha, hemos publicado cinco conjuntos de datos de código abierto, algunos de los cuales son los más grandes de su tipo en el mundo, en términos que permiten un amplio uso académico y comercial. Nuestro objetivo es permitir que la próxima generación de metodologías de aprendizaje automático fomente la investigación, el desarrollo de métodos y la colaboración.

¿Qué sigue para la recursividad? ¿Se está resolviendo con las dos adiciones, poniendo la vista en otra adquisición o en algo completamente diferente?

GIBSON: Estamos orgullosos de lo que hemos logrado, especialmente en un entorno en el que estamos viendo mucha consolidación y cambios rápidos en la industria. Nuestras adquisiciones de Cyclica y Valence agregan capacidades en química digital, así como aprendizaje automático e inteligencia artificial. Al combinar sus habilidades con nuestros laboratorios húmedos automatizados a gran escala y capacidades de supercomputación, podemos implementar lo que creo que es la solución de descubrimiento de fármacos habilitada por tecnología más completa en la industria biofarmacéutica.

Mirando hacia el futuro, estamos enfocados en integrar estas capacidades en nuestro motor de descubrimiento de fármacos existente, lo que creo que podemos hacer muy rápidamente dado lo complementarias que son estas tecnologías con lo que hemos construido en Recursion. Implementaremos este enfoque de pila completa contra nuestra tubería existente para acelerar rápidamente los programas en la clínica.

Sobre el experto:

Chris Gibson, Ph.D., es el cofundador y director ejecutivo de Recursion, la compañía TechBio de etapa clínica que decodifica la biología para industrializar el descubrimiento de fármacos. Chris desarrolló la tecnología y el enfoque que dio origen a Recursion como parte de su MD/Ph.D. trabajó en el laboratorio del cofundador Dr. Dean Li (ahora presidente de Merck Research Labs) mientras estaba en la Universidad de Utah. Después de completar su doctorado, Chris dejó la escuela de medicina para lanzar Recursion. Chris se graduó de la Universidad de Rice con títulos en bioingeniería y administración. Chris es miembro de la junta directiva de BioUtah y presidente de BioHive, la asociación público-privada que impulsa la expansión del ecosistema de ciencias biológicas de Utah. Chris también es activo como asesor y mentor, tanto formal como informalmente, de muchos jóvenes fundadores de biotecnología.

Reciba los últimos artículos de Clinical Leader en su bandeja de entrada.