La IA está elaborando anticuerpos supereficientes

LabGenius, y su dueño James Field, trabajan con Inteligencia Artificial para crear anticuerpos supereficientes. Gracias al nuevo sistema, se aceleran los tiempos y pueden abarcar infinitas zonas de análisis.

A partir de 1980, ayudados por los avances en la tecnología, los laboratorios trabajan en crear anticuerpos sintéticos para enfermedades terminales y, además, para que los trasplantes tengan mayor eficiencia y menor rechazo en los sistemas.

Sin embargo, son estudios que llevan décadas de búsqueda, prueba y error. Antes de encontrar la ‘receta’, se deben probar millones de combinaciones de aminoácidos y sus variables, teniendo en cuenta las posibles fallas que puede presentar.

“Si desea crear un nuevo anticuerpo terapéutico, en algún lugar de este espacio infinito de moléculas potenciales se encuentra la molécula que desea encontrar”, mencionó Field.

LabGenius inició hace once años en el mercado. Field, en ese entonces, hacía un doctorado en biología sintética en el Imperial College, ubicado en Londres. 

El objetivo fue automatizar, por medio de la secuencia de ADN, robótica y computación, el proceso para detectar anticuerpos, de una manera más económica que la que se conocía hasta entonces. 

Utilizan un algoritmo de aprendizaje automático que crea anticuerpos para enfermedades puntuales. Una vez concluido este paso, se cultivan y llega la etapa de las pruebas y retroalimentación de datos así como la reacción en los organismos.

“La única información que le das al sistema como ser humano es, aquí hay un ejemplo de una célula sana, aquí un ejemplo de una célula enferma. Y luego, dejas que el sistema explore los diferentes diseños que pueden diferenciarlos”, explicó el propietario del laboratorio.

Se seleccionan alrededor de 700 opciones de los 100.000 anticuerpos potenciales y desde allí se parte para la investigación. Todo este proceso está automatizado ya que, de hacerse manualmente, llevaría una inmensa cantidad de tiempo. 

Se toman muestras de tejidos enfermos para los ensayos de prueba y error con los resultados parciales. “Cuando tienes los resultados experimentales de ese primer conjunto de 700 moléculas, esa información se retroalimenta al modelo y se usa para refinar la comprensión del espacio por parte del modelo”, explicó. 

Los ajustes, que son “un desafío con la ingeniería de proteínas convencionales”, mejoran y facilitan el proceso para crear anticuerpos. “Como resultado de eso, obtienes todas las heurísticas o reglas generales que los ingenieros de proteínas humanos hacen para tratar de encontrar los espacios seguros. Pero como consecuencia de eso, rápidamente obtienes la acumulación de dogma”, detalló Field.

Se estima que es un proceso que lleva seis semanas desde que se ubica el problema hasta llegar a la primera camada de resultados útiles. El empresario estima que su sistema de fabricación de anticuerpos podrá ser utilizado también para el resto de la industria farmacéutica. 

Gracias a esta herramienta, se “encuentran moléculas que nunca hubieran encontrado usando métodos convencionales”. “Son muy distintos y, a menudo, contrarios a la intuición de los diseños que se le ocurrirían a usted como ser humano, lo que debería permitirnos encontrar moléculas con mejores propiedades, lo que en última instancia se traduce en mejores resultados para los pacientes", cerró Field.