Cómo la inteligencia artificial está revolucionando la industria biotecnológica
Cómo la inteligencia artificial está revolucionando la industria biotecnológica iii. iiiitiii[. 1.. L a r i i i a a i revolucionando la tria La inteligencia artificial (lA) está cobrando un rol clave en la biotecnología. Su capacidad para analizar grandes canlidades de datos y ccear modelos predictivos, está permitiendo acelerar el desarcollo de fármacos yvacunas, avanzacen la producción de biocombustibíes y enzimas industriales e incluso diseñar proteínas.
Así lo señaló el general partner de Zenrynel Frontier Investments fondo de capital de riesgo enbio tecnologíaycienciasdelavidaCris tián HernándezCuevas, quien dijo que esta tecnología ha permitido, por ejemplo, reducirlos tiempos y costos de investigación de nuevos compuestos farmacológicos, al analizar y “predecir millones de combinaciones químicas mucho más rápido” que lo habitual.
“Según un informe dextcKinsey, la aplicación de lA en la biotecnología biotecnología podría reducirlos costos de desarrollo de fármacos entre un 30% y xp%, y acortar su ciclo de investigación en 50%, lo que no solo implica que las empresas puedan traer soluciones al mercado más rápido, sino también que muchas enfermedades raras, que no eran rentables para la investigación, puedan ser ahora objeto de estudio”, estudio”, afirmó.
En mayo, Deepxtind -brazo de investigación y desarrollo en lA de Googlepor ejemplo, lanzó la tercera versión de Alphagold, un modelo que apunta a predecir la estructura de proteínas en base a deep íearning (aprendizaje avanza do)yen septiembre, hizo lo propio Alphaproteo para diseñar nuevos ligandos proteicos (moléculas) de alta resistencia, ambas osadas para aceleraría comprensión de los pro cesosbiológicosyeldescubrimienro de fármacos.
Otro ejemplo es 19t0 Genetics, una biotech basada en Boston (Es En el mundo, startups y tecnológicas están acelerando el desarrollo de fármacos y vacunas con lA, y en Chile, centros de investigación y firmas emergentes exploran usos para análisis de ADN y en la producción de cultivos. científicos.
Y señaló que, aunque su adopción en este campo “no es tan extendida” en comparación ron países con mayor inversión en UD, las startupsycentros de investigación investigación locales ya están explorando su uso, especialmente en el análisis de datos genómicos (ADN) y en la identificación de biomarcadores.
Agregó que el fortalecimiento del ecosistema de innovación en Chile en los últimos años, a raíz del apoyo de fondos de capital de riesgo yentidades romo Corfo, ha permitido permitido que algunas startups chilenas experimenten con aplicaciones de lA en biotecnología, “sobre todo en el campo de la agricultura y el sector de alimentos, para optimizar la producción de cultivos y mejorar la resistencia a enfermedades”. Aguayo señaló que, si bien a nivel de srartups hay cierras compli raciones para masificar el uso de lA, como la falta de retención de talento, la dificultad para generar impactoyrestriccionesflnancieras, hay algunas que están avanzando “a paso firme” en el desarrollo de proteínas, y rest in silico (análisis computacional desustancias ysus datos). HernándezCuevas dijo que NorCo, NorCo, en la industria de alimentos, ha demostrado “cómo el uso de lA puede serfundamental para el éxito comercial en sectores biotecnoló giros”, al utilizar algoritmos para analizar datos y crear alternativas de origen vegetal para productos tradicionales, y “han sido un caso éxito que inspira a Otras startups en Chile a explorar el potencial de la lA”. todos Unidos), que desarroiló una plataforma de inteligencia artificial multimodal que íntegra diferentes diferentes flujos de datos propios para acelerar su portafolio de productos para enfermedades neurológicas, autoinmunes y cáncer, pero también también para ofrecer nuevos fármacos candidatosysolurionesde software a farmacéuticas y tecnológicas. Durante la pandemia del Covid19 diseñó un conjunto de pequeñas moléculas candidatas que bloquean la entrada del SARS Coy 2 en las células huésped.
HernándezCuevas, dijo que los algoritmos avanzadosylos modelos de lA basados en deep learning, capaces de ser entrenados con imágenes biomédicas, Isan permitido permitido una “mejora significativa” en el área del diagnóstico molecular, decenas de proteínas, y llevar el análisis a centenas implicaría un costo marginal. Logramos obtener resultadosenmenosdeunasemana, usando algoritmos de deep learning comoAtphaFold2Complexytécnicas complementarias.
Un estudio con organismos vivos similar tomaría años y costaría entre USS 300 mil yUSS 400 mil”. Según HernándezCuevas, en Chile se han comenzado a integrar herramientas de lA enbiotecnoio gía como parte de una tendencia global de optimización de procesos 5Qo SE PODRÍA ACORTAR EL CICLO DE INVESTIGACIÓN DE FÁRMACOS USANDO lA al detectar anomalías que podrían pasar desapercibidas para el 0(0 humano. “Estos Sistemas ayudan a los especialistas en la identificación temprana de enfermedades, lo que contribuye a un tratamiento más oportuno”, comentó.
Investigación aplicada Un estudio realizado por Bain & Company junto ala sede Patagonia de la Universidad San Sebastián, concluyó que la lA puede acelerar la investigación de proteínas en procesos inflamatoriosy enfermedades enfermedades metabólicas, y también para disminuir los tiempos de desarrollo y pruebas de nuevos fármacos. El líder de advanced analytics en Bain & Company, Diego Aguayo, explicó que “pudimos analizar. -