Potential Sciences apuesta por IA y datos sintéticos para acelerar el descubrimiento de medicamentos
🎧 Escucha esta noticia
La startup británica Potential Sciences planea simular interacciones entre átomos, moléculas, aminoácidos y proteínas usando principios básicos de la física. Busca utilizar esos datos sintéticos para entrenar modelos de IA y sistemas de predicción capaces de identificar medicamentos dirigidos a enfermedades específicas, hacer que los candidatos con pocas probabilidades de funcionar fallen antes y reducir experimentos costosos y lentos. Según Wired, la startup se lanzó el 5 de noviembre y dice haber recibido decenas de millones de dólares en financiamiento inicial de SovAI, el fondo de capital de riesgo en IA del gobierno británico, Twin Path Ventures y otros inversionistas.
El enfoque depende de predecir con precisión cómo los candidatos a medicamentos se unen a proteínas relacionadas con enfermedades. El químico Peter Wolynes dijo a Wired que habrá una mejora, pero evaluó que la ingeniería de proteínas todavía se encuentra en una etapa muy temprana. El profesor Alan Fersht afirmó que las simulaciones precisas de las interacciones moleculares podrían revolucionar el desarrollo de medicamentos, aunque el artículo no presenta resultados de la startup que demuestren esa capacidad.
Por qué importa · interpretación editorial
La propuesta combina datos sintéticos y modelos de IA para priorizar candidatos a medicamentos y detener antes las pruebas con baja probabilidad de éxito. Las evaluaciones citadas sugieren potencial, pero la startup aún no ha presentado resultados que demuestren la precisión necesaria en las simulaciones moleculares.
Fuentes
Investigación