$LLY acaba de publicar como código abierto su modelo farmacocinético de moléculas pequeñas, entrenado con insitro: predice la distribución de fármacos in vivo en distintos tejidos usando décadas de datos preclínicos multiespecie de cientos de miles de moléculas.
Esto no es caridad. Es un foso de datos disfrazado de ciencia abierta.
Ese mismo día: Iambic presentó una solicitud IND para IAM217, un inhibidor de KIF18A diseñado sin una estructura de cocristal. Su NeuralPLexer alucinó la pose de unión y la optimizó de 100 nM a 10 nM. El diseño molecular se está convirtiendo rápidamente en una commodity. La verdadera escasez se desplazó aguas arriba.
Los datos in vivo son la HBM del descubrimiento de fármacos con IA. El 90 % de los fracasos clínicos no se debe a fallos del mecanismo: se debe a fallos farmacocinéticos. La molécula nunca llegó al tejido diana en una concentración eficaz. No se pueden comprar 30 años de datos de dosificación en animales. Las pequeñas empresas biotecnológicas tienen abundante capacidad de cómputo, pero carecen de datos.
La estrategia de TuneLab: aprendizaje federado. Los modelos se entrenan localmente en las empresas farmacéuticas colaboradoras; solo se cargan los gradientes. Las estructuras moleculares sin procesar permanecen protegidas tras cortafuegos. Empezaron con 5 colaboradores y ahora tienen más de 125. Más de 675.000 puntos de datos externos que se incorporan al sistema. Ya está integrado en $RVTY, $SDGR, Benchling y CDD Vault, herramientas que los científicos usan a diario.
El verdadero cuello de botella no es la capacidad de cómputo, sino el rendimiento del laboratorio húmedo. $CRL fue incorporada para realizar estudios estandarizados en animales con descuento para los miembros de TuneLab. Protocolos limpios = datos de retorno limpios. La hoja de ruta de la FDA para 2025 fomenta explícitamente los NAM (nuevas metodologías de enfoque) para reemplazar los estudios en animales. Cuanto más estrecho sea el ciclo entre la computación y el laboratorio húmedo, más se convertirá la validación en la limitación.
El poder de fijación de precios en el descubrimiento de fármacos con IA se está desplazando de quienes pueden entrenar modelos a quienes controlan los volantes de inercia de datos y la infraestructura de validación estandarizada.
Las empresas que venden las herramientas esenciales: $LLY (fuente de datos + plataforma), $CRL (cuello de botella de validación), $SDGR (capa de química computacional), $RVTY (punto de integración de software de laboratorio).
Esto no es caridad. Es un foso de datos disfrazado de ciencia abierta.
Ese mismo día: Iambic presentó una solicitud IND para IAM217, un inhibidor de KIF18A diseñado sin una estructura de cocristal. Su NeuralPLexer alucinó la pose de unión y la optimizó de 100 nM a 10 nM. El diseño molecular se está convirtiendo rápidamente en una commodity. La verdadera escasez se desplazó aguas arriba.
Los datos in vivo son la HBM del descubrimiento de fármacos con IA. El 90 % de los fracasos clínicos no se debe a fallos del mecanismo: se debe a fallos farmacocinéticos. La molécula nunca llegó al tejido diana en una concentración eficaz. No se pueden comprar 30 años de datos de dosificación en animales. Las pequeñas empresas biotecnológicas tienen abundante capacidad de cómputo, pero carecen de datos.
La estrategia de TuneLab: aprendizaje federado. Los modelos se entrenan localmente en las empresas farmacéuticas colaboradoras; solo se cargan los gradientes. Las estructuras moleculares sin procesar permanecen protegidas tras cortafuegos. Empezaron con 5 colaboradores y ahora tienen más de 125. Más de 675.000 puntos de datos externos que se incorporan al sistema. Ya está integrado en $RVTY, $SDGR, Benchling y CDD Vault, herramientas que los científicos usan a diario.
El verdadero cuello de botella no es la capacidad de cómputo, sino el rendimiento del laboratorio húmedo. $CRL fue incorporada para realizar estudios estandarizados en animales con descuento para los miembros de TuneLab. Protocolos limpios = datos de retorno limpios. La hoja de ruta de la FDA para 2025 fomenta explícitamente los NAM (nuevas metodologías de enfoque) para reemplazar los estudios en animales. Cuanto más estrecho sea el ciclo entre la computación y el laboratorio húmedo, más se convertirá la validación en la limitación.
El poder de fijación de precios en el descubrimiento de fármacos con IA se está desplazando de quienes pueden entrenar modelos a quienes controlan los volantes de inercia de datos y la infraestructura de validación estandarizada.
Las empresas que venden las herramientas esenciales: $LLY (fuente de datos + plataforma), $CRL (cuello de botella de validación), $SDGR (capa de química computacional), $RVTY (punto de integración de software de laboratorio).
