Aproveitando as parcerias AI ML para avançar na descoberta de medicamentos com a Recursion Pharma

Uma conversa com o CEO da Recursion Pharma, Chris Gibson

Pergunte a praticamente qualquer pessoa em pesquisa clínica - desde aqueles que trabalham em gerenciamento de dados a operações clínicas e assuntos regulatórios - sobre as tendências que eles seguem e quase todos mencionarão a progressão da inteligência artificial (IA) e do aprendizado de máquina (ML) no avanço descoberta e desenvolvimento de drogas.

E como não poderiam? AI/ML permeou todas as facetas de nossas vidas; parece que não conseguimos escapar de todas as maneiras pelas quais as pessoas jogam com o ChatGPT e outros chatbots de IA. Mas talvez uma das áreas de interesse mais crítico seja o espaço de desenvolvimento de medicamentos. O potencial de AI/ML certamente não foi perdido na Recursion Pharma, que foi lançada em 2013 e recentemente comprou duas empresas de tecnologia canadenses no início deste mês: Valence e Cyclica.

Com sede em Salt Lake City, com escritórios na Bay Area e no Canadá, a Recursion é uma empresa "TechBio" de estágio clínico que industrializa a descoberta de medicamentos por meio da IA/ML. A Recursion fechou acordos para adquirir a Cyclica por US$ 40 milhões e a Valence por US$ 47,5 milhões.

Para saber mais sobre as aquisições e o futuro da IA/ML na descoberta e desenvolvimento de medicamentos, conversamos com o CEO da Recursion, Chris Gibson.

A Recursion se autodenomina uma empresa "TechBio". Embora muitas vezes nos deparemos com "biotecnologia" no espaço da pesquisa clínica, o inverso da frase não é tão prevalente. Qual é a história por trás da escolha desse descritor?

GIBSON: TechBio é um termo que surgiu há alguns anos e está ganhando popularidade rapidamente. Destina-se a criar uma categoria distinta para o número crescente de empresas em nosso setor que têm uma estratégia explícita de usar tecnologias como computação (e particularmente aprendizado de máquina e inteligência artificial) e automação para fazer a descoberta de medicamentos de maneira diferente.

No ano passado, nós da Recursion notamos uma mudança na aceleração contínua da apreciação das pessoas pelo potencial do espaço TechBio. De grandes empresas farmacêuticas a grandes empresas de tecnologia, parece-nos que há uma crescente sensação de inevitabilidade entre os líderes de que essas empresas que têm a tecnologia em seu núcleo realmente criarão mudanças de função escalonada no setor de saúde - uma opinião que não foi amplamente aceito até recentemente.

Dado o seu apelido, não é surpresa que a Recursion tenha decidido trazer mais recursos de IA/ML internamente. Apenas neste mês, a Recursion anunciou sua decisão de adquirir a Cyclica e a Valence. Que capacidades eles trazem?

GIBSON: Com o acordo para adquirir essas duas empresas – ambas desenvolvendo métodos e modelos de aprendizado de máquina para transformar a descoberta de medicamentos – a Recursion reforçará significativamente nossas capacidades químicas e de IA generativa. A Valence desenvolve IA generativa e modelos de aprendizado profundo para a aplicação de aprendizado com poucos dados no design de medicamentos. A Cyclica também ocupa o espaço de descoberta de medicamentos habilitados para IA e foi pioneira em um mecanismo de aprendizado profundo que prevê a polifarmacologia de pequenas moléculas por meio da previsão da interação ligante-proteína como base para a descoberta de medicamentos de moléculas pequenas.

Nosso foco na última década tem sido o uso de ferramentas tecnológicas para mapear e navegar na biologia como um sistema, enquanto essas empresas têm uma abordagem que prioriza a química. Por meio dessas aquisições, pretendemos criar a primeira solução de tecnologia full-stack capaz de industrializar o processo de descoberta de medicamentos de ponta a ponta: da geração interna de dados à identificação de novos alvos biológicos para projetar e otimizar compostos químicos - tudo em grande escala escala.

Enquanto isso, AI/ML é cada vez mais o assunto de interesse e conversa em pesquisa clínica e descoberta de medicamentos. Para começar, o que sabemos sobre o potencial de cada um para avançar na descoberta de medicamentos? E o que ele pode permitir que não possa ser feito - ou não seja bem feito - sem ele?